屈迟文，傅彦铭，罗明山，林承德，何 伟

QU Chiwen1,FU Yanming2,LUO Mingshan1,LIN Chengde1,HE Wei1

1.百色学院 信息工程学院，广西 百色 533000

2.广西大学 计算机与电子信息学院，南宁 530004

1.School of Information Engineering,Baise University,Baise,Guangxi 533000,China

2.College of Computer and Electronic Information,Guangxi University,Nanning 530004,China

1 引言

在化工制造、钢铁铸造等制造业中的作业车间调度都可规划为求解柔性作业车间调度问题（Flexible Jobshop Scheduling Problem，FJSP）。作为传统作业车间调度问题的延伸和扩展，其特征在于加工工件存在多个加工序列，且加工序列中至少有一个加工序列存在两台及以上的加工机器，相对于传统作业车间调度问题更加复杂，属于一种复杂的NP问题[1]。由于柔性作业车间调度问题更加接近现代制造业企业的实际情况，该类企业所采取的生产调度策略在企业生产效率和经济效益的提高中起到关键作用。因此研究FJSP具有重要的理论意义和应用价值。

目前求解FJSP常采用遗传算法[2]、人工免疫算法、粒子群算法以及其他智群算法[3-4]。Pezzella等[5]采用改进的遗传算法求解FJSP，并取得了良好的效果；Dai等[6]通过混合遗传算法和模拟退火算法，考虑能源消耗或环境因素求解柔性作业车间调度问题；陈鸿海等[7]提出了近亲变异的改进非支配排序遗传算法求解以最大完工时间、加工成本和加工质量为目标的FJSP；Bagheri[8]运用人工免疫算法求解；吴秀丽等[9]提出一种改进的细菌觅食算法；张国辉[10]提出基于DBR理论的柔性作业车间调度方法；Yazdani等[11]运用变领域的搜索方法求解FJSP；张其亮等[12]结合粒子群算法与NEH启发式算法提出一种混合方法求解FJSP；张静等[13]通过引入工序多次分配合适的加工机器和改进的模拟退火算法到粒子群算法中，实现算法的全局探索和局部开发能力的平衡；……