赵文超，郭鹏,2，王海波,2，雷坤

（1.西南交通大学 机械工程学院,四川 成都 610031;2.轨道交通运维技术与装备四川省重点实验室,四川 成都 610031）

先进的调度方法能够提高生产效率和经济效益，其主要任务是在时间和资源的双重约束下，合理、科学地对可用共享资源和生产任务进行分配与管理，尽可能使性能评价指标达到最优。柔性作业车间调度问题(flexible job shop scheduling problem，FJSP)作为车间作业调度的延伸，突破了一道工序只能在一台设备加工的局限，引入了设备指派决策，扩大了可行域的搜索范围，具有更高的理论计算复杂度。FJSP 广泛应用于航空航天、交通运输、智能制造和运筹优化等领域，因此针对FJSP 的研究具有重要理论价值和实际应用价值。

针对柔性作业车间调度优化问题，目前主要的求解算法可以分为两大类：精确算法和近似算法[1]。由于问题的高度复杂性，研究者大多采用智能优化算法求解，诸如模拟退火与禁忌搜索混合算法[2]、遗传-禁忌搜索混合算法[3]、改进迭代贪婪算法[4]等。近年来随着计算机科学技术的不断进步，许多新的群体智能算法不断涌现，如人工免疫算法[5]、混合灰狼优化算法[6]等。也有使用分派规则构建启发式算法的文献[7]。此外针对FJSP的扩展问题，先后有文献讨论顺序相关调整时间[8]、能耗约束[9]、动态事件[10-11]、多时间约束[12]等变种。尽管出现了大量启发式求解策略，但求解效率依然有进一步提升的空间和基于群集智能发展高效调度框架的必要。

樽海鞘群算法在2017 年由澳大利亚学者Mirjalili等[13]提出，该算法通过模拟自然界中樽海鞘群在海洋中的觅食行为，实现对解空间的探索。……