黄英杰，姚锡凡，申辉阳

(1.广东机电职业技术学院 电气工程学院， 广州 510515；2.华南理工大学 机械与汽车工程学院，广州 510640)

0 引言

1995年，粒子群优化算法(PSO)首次由Eberhart与Kennedy博士提出[1]，它是一种以随机搜索为基础的优化技术，当今甚为流行，其思想起源于模仿鸟群或者鱼群的社会行为。在过去几年，粒子群优化算法已成功应用于很多研究和应用领域中，与其它的方法相比，粒子群算法能更快、更方便地获得较好的最优解。混沌搜索算法是一种新型的随机任意搜索算法，遍历性、随机性和敏感性是其主要特征，卓越性十分显著。而信息熵则是由美国学者Shannon于1948年将热力学熵引入信息论而提出的，其为不确定方法的一个重要概念，常被用于较简略地给出难以精准确定的度量，系统有序性愈强，则信息熵愈低；相反，前者愈低，则后者愈高。

Job Shop调度问题是企业生产活动中出现频率较高的一种车间调度问题，同时也是很多此类实际问题的简单模型，而且被归入NP-hard问题当中。由于调度在车间中的重要性，引起人们对Job Shop调度问题的不断探索，至今已经有很多算法用于求解这类调度问题，如文献[2]通过改进的粒子群算法对柔性车间调度问题进行求解，文献[3]通过遗传退火算法对上述问题进行解答，文献[4]借助小生境粒子群算法对柔性车间调度问题加以解答，文献[5]借助邻域搜索算法对Job Shop调度的问题进行解答，然而根据研究的结果[6]发现，单独的一种算法能较好地求解小规模的车间调度问题，而对于大规模的车间调度问题，单独的一种算法求解的效果并不理想。……