王仕存，唐敦兵，朱海华，聂庆炜，潘俊峰，杨雷

(1. 南京航空航天大学 机电学院，江苏 南京 210016；2. 江苏天安智联科技股份有限公司，江苏 无锡 214171)

0 引言

随着云制造[1]和生产全球化的不断发展，基于云平台的大规模协同制造渐渐成为国内外制造业研究的重点。在此背景下，传统集中式制造工厂渐渐向分布式工厂转变[2]。随着工厂数目的增多，传统的车间调度已难以满足云平台的需要。如何对各个分布式工厂的生产任务进行合理有效的调度，已成为当前迫切需要解决的问题。

近年来，国内外对分布式多工厂生产调度问题(distributed multi-plants production scheduling problem，DMPPSP)进行了相关的研究。根据车间之间是否存在交互，本文将每个工厂划分为多个独立的柔性制造单元(flexible manufacturing unit，FMU)，把DMPPSP转化为分布式柔性车间调度问题(distributed and flexible job shop scheduling problem, DFJSP)，从而解决了DMPPSP的问题。

由于该问题包含柔性作业车间调度问题(flexible job shop scheduling problem, FJSP)，属于NP-hard问题[3]，目前研究多采用智能优化算法进行求解。在国外，CHAOUCH I等[4]在混合蚁群算法的基础上提出了一套新型的动态调度规则，高效求解了DMPPSP；MARZOUKI B等[5]为了得到最小化、最大完工时间，采用了基于化学反应优化的元启发式算法进行求解；在国内，吴锐等[6]设计了一种包含三维向量的编码方案，运用改进人工蚁群算法提升了算法的局部搜索能力。这些研究都在一定程度上解决了DMPPSP，但其算法多数存在不确定性大、易陷入局部最优解的缺陷。

本文将DMPPSP转化为DFJSP，提出了一种改进的混合粒子群算法，提高了全局搜索能力，实现了以最小化、最大完工时间为目标的分布式多工厂生产调度问题的求解。……