于 蒙 刘德汉

(武汉理工大学物流工程学院 武汉 430063)

0 引 言

随着现代制造企业生产规模和生产水平的不断提高，带了一系列的调度难题.如何通过科学而高效的手段安排生产计划、利用现有资源提高工厂产能成为企业关注的热点问题.混合流水车间调度(hybrid flow shop problem,HFSP)是车间调度领域中一个经典问题，其广泛存在于各流水式生产线.HFSP要求在每道工序加工机器不定的情况下，工件在加工之前就确定加工顺序，这使得该问题比传统的流水车间调度问题(flow shop problem,FSP)具有更高的复杂度.同时在调度过程中，企业不同的部门从各自的需求出发，对生产调度决策目标会有多样化的要求，因此需要结合实际的生产情况和不同的需求，同时考虑多个目标进行优化.

目前对多目标HFSP问题的研究主要集中在采用启发式算法、元启发式算法或多个元启发式算法的混合算法求解不同的目标上.Arroyo等[1]较早的针对多目标流水车间调度问题提出了一种遗传局部搜索算法；Kachitvichyanukul等[2]提出了一种两阶段的遗传算法来求解多目标车间调度问题；张超勇等[3]基于遗传算法对非支配排序进行了改进，并将算法应用于柔性流水车间优化问题的求解；陈园园等[4]将PSO优化GA算法应用到离散型流水车间调度的求解.HFSP领域的大量文献表明当前该问题仍需针对不同的求解目标在算法上进行改进，而求解过程中，算法收敛速度与跳出局部最优之间存在对立.

文中通过对汽车制造生产线进……