1。2 群体智能算法在阻塞流水车间方面的研究

流水车间调度问题是一个比较传统的问题,最早的研究要从20世纪50年代开始算起。流水车间作业调度问题是最难的组合优化问题之一,已经被证明属于NP类问题。利用精确算法求解是比较困难的,如何可以快速、有效地求解车间作业调度问题一直以来都是一个研究热点。

遗传算法作为一种全局优化搜索算法,具有并行搜索的能力,通过遗传算子的作用,可以将各代群体搜索到的信息进行保存和传递,这些是传统优化方法所不具有的,遗传算法也因此成为解决车间调度问题使用最广泛的优化算法之一。不同学者将各种遗传算法和其他算法相结合提出了有效的解决办法，如：将模拟退火算法引入自适应遗传算法，提出了混合遗传算法[[[1]韩玉艳。 阻塞流水车间的优化调度方法的研究[D]。聊城大学,2012。]]。再有将遗传算法和蚁群算法进行更小粒度的融合，提高了求解效率和精度。还有学者提出了一种动态混合遗传算法，通过引入自适应的遗传算法[[[2]于艳辉,侯东亮。 具有缓冲区约束的流水车间调度问题综述[J]。 中国管理信息化,2012,06:61-63]]思想，通过实验表明，该算法能在较大区间内得到较优解。而本文所用到的人工蜂群算法也是一种通过模仿蜜蜂的采蜜行为而提出的群集智能方法。自 2005 年Karaboga系统地提出了人工蜂群算法(Artificial Bee Colony, ABC)模型以来，ABC算法受到越来越多学者们的关注，现在已经取得了许多重要的研究成果，并在科研和工程领域有着广泛应用。

但是，目前绝大多数的基于遗传算法的车间调度方法，仅在中小规模领域上具有可适用性，对于规模较大的情况还不适用，而ABC算法的自身模型的研究上处于初始阶段，其在NP-Hard离散域优化问题上仍存在提高空间。因此，本文就针对人工蜂群算法（ABC）提出了一种能较为有效的解决阻塞流水车间的算法。

1。3 主要研究内容

本文基于对人工蜂群算法的研究，将人工蜂群算法对阻塞流水车间调度问题进行求解，做了以下三个方面的工作。

  （1）研究当前基本阻塞流水车间问题的情况，了解该问题的背景，研究目的，研究手段等，理解该算法的基本应用以及他与其他方面的结合应用，同时仔细理解其他学者在该问题上提出的可行性解。

  （2）研究现有的ABC算法模型，理解现有的人工蜂群算法机理。将ABC算法中的劳动分工和角色转换两个重要的机制理解，雇佣蜂，跟随蜂和侦查蜂三种蜂种之间的角色转换和他们之间的功能。同时理解该算法下的重构操作以及在三个蜂种之外的其他工作。

  （3）利用人工蜂群算法提出一种用于解决该问题的算法，该算法在已知工件数量和车间数量的情况下能够得出一个有效的工件序列。该有效序列能够基本解决一些问题。

人工蜂群算法的研究还处于起始阶段，我们所研究的也只是很浅的一部分，除了对以上工作的研究之外，我们还应该保持对该算法的探索精神，不断对提出的新的想法与思路进行改善。

1。4 主要研究方法

针对本文是学术研究型的论文，因此本文采用了以下几种研究方法。

（1）文献法：由于该算法问题正处于一个上升期，所以有许多学者已经对该类

算法进行了大量研究。正因如此，给我们提供了大量可供参考的文献，这对我们的研究来时是非常有利的。

（2）参考比较法：本文的算法主要根据基本的ABC算法进行改进的，因此数

据的比较是必不可少的。

（3）实验法：针对现有的数据进行实验研究，数据是对该算法效率最好的证明。