摘  要： 针对柔性作业车间调度问题，选取三个性能指标作为求解目标。将蚁群算法与模糊属性权重结合在一起，提出了求解FJSP的新算法。该算法利用了蚁群算法的正反馈机制，在逐步构造解的过程中利用最优解信息和启发式信息增强全局求解能力，寻求各目标较好的全局最优解。采用模糊属性权重对各目标进行综合评价，最终求解出FJSP问题的最优解集。
关键词： 柔性作业车间调度；蚁群算法；模糊属性权重；信息素更新规则

　由于传统作业车间调度有很大的局限性，不能很好地贴合实际生产情况，对此学者们提出了柔性作业车间调度FJSP（Flexible Job-shop Scheduling Problem），其允许工序由一组机器中的任意一台加工，且由于加工机器的性能差异，其加工时间长短也不同，使得调度的灵活性得到增加。
目前求解FJSP的研究主要集中在基于智能的启发式方法[1-3]。本文先将多目标问题转化为单目标问题，由于蚁群算法具有较强的鲁棒性和发现较好解的能力[4]，因此采用蚁群算法求解单目标问题。然后结合模糊属性权重对每个目标赋予不同的权重系数，以此来解决FJSP问题。
1 多目标FJSP问题的数学模型
1.1 FJSP问题描述
　假定加工系统有M台设备和N个工件，每个工件包含一道或多道工序，工序顺序是预先确定的，每道工序可以在多台不同设备上加工。同一工件的工序之间有先后约束，不同工件的工序之间没有先后约束。每个工件在某一时刻只能在一台设备上加工，任一工件的工序必须顺序完成。调度目标是选择最佳的工序加工设备，并确定每台设备上工件的最佳加工顺序，使各工件的加工时间、关键设备负载和设备总负载最小。

　本文采用蚁群算法，结合模糊权重法，将车间工件加工的多目标问题转化为单目标问题，以此建立柔性作业车间调度模拟方案。得益于蚁群算法较好的鲁棒性和解的全局性，该方案在车间生产调度工作中能够较理想地满足实际加工的需求，使得生产调度更加合理化、统筹化、柔性化，从而节约生产成本，有利于生产效率的进一步提高。随着信息技术及经济的不断发展，利用基于智能优化算法的FJSP解决生产调度问题将会成为主流，而在此领域的探索与研究也将具有深远的意义。
参考文献
[1] SHENG L， Wei Xiaobin， WENY Z. Improved aco schedulingalgorithm based on flexible process[J] . Transactions of Nanjing University of Aeronautics & Astronautics （S1005-1120），2006，23（2）：154-160.
[2] BRANDIMARTE P. Routing and scheduling in a flexible job shop by tabusearch[J]. Annals of Operations Research，1993，22（2）：157-183.
[3] KACEM I. Genetic algorithm for the flexible job-shop scheduling problem[J]. IEEE International Conference on Systems，Man，and Cybernetics，2003（4）：3464-3469.
[4] DORIGO M， MANIEZZO V， COLORNI A. The ant system： optimization by a colony of cooperating agents[J]. IEEE Transactions on Systems， Man， and Cybernetics Part B （S1094-6977），1996， 26（1）：29-41.
[5] 李世威，王建强，曾俊伟.一种模糊偏好排序的多目标粒子群算法[J].计算机应用研究，2011，28（2）：477-480.
[6] BONISSOE P P. A pattern recogition approach to the problem of linguistic approximation in system analysis[A].IEEE 1976 International Conference on Cybernetics and Society[C]. NewYork，USA： IEEE，1979.793-798.