1、生產調度是對生產過程進行作業(yè)計劃，在生產制造、交通運輸、物流等系統(tǒng)中起著重要的作用。有效的生產調度方法，可以大大提高生產效益和生產資源的利用率。生產調度的核心問題是模型和算法，其中有效的調度算法是生產調度問題的重要研究內容。粒子群算法是一種基于群智能的進化類算法，也是一種模擬鳥群覓食的仿生算法，具有顯式的計算模型，操作和實施簡單。本文針對粒子群優(yōu)化方法在生產調度和港口設備配置中的應用展開研究，主要研究內容和成果如下。 (1)對進

2、化策略算法和粒子群算法的優(yōu)化性能進行了比較分析，通過對單峰函數(shù)(二維和多維問題)和多峰函數(shù)的試驗說明，粒子群算法在優(yōu)化效率、計算時間及受種群數(shù)量、初始種群等參數(shù)的影響方面均要好于進化策略算法。 (2)提出了求解調度問題的一般粒子群算法流程，指出了設計粒子表示方法所需要解決的關鍵問題。提出了求解不同調度問題的三種粒子表示方法，即基于PPS的粒子表示方法、基于PPR的粒子表示方法和基于PPS-PPR的混合粒子表示方法，指出了三種不同

3、粒子表示方法與調度解空間的映射關系和粒子解碼方法。 (3)將三種不同的粒子表示方法分別用于求解置換FlowShop調度、JobShop調度和并行機調度等問題，提出了求解三類調度問題的粒子群算法步驟，通過大量的實驗計算說明粒子群算法能夠有效地求解三類調度問題。提出了求解柔性JobShop調度問題的粒子群優(yōu)化方法，通過計算說明，在求解柔性JobShop調度問題時，粒子群算法的優(yōu)化性能好于遺傳算法和啟發(fā)式方法。 (4)指出了求

4、解置換FlowShop調度問題時粒子的鄰域結構及其與調度解的映射關系，提出了基于鄰域操作的局部搜索方法在粒子群算法中的實現(xiàn)過程。提出了基于互換操作、插入操作和逆序操作等三種基于鄰域搜索的不同局部搜索方法及其操作方法。通過計算說明局部搜索方法的使用能夠較好地改善粒子群算法的優(yōu)化性能，并且基于局部搜索的混合粒子群算法的優(yōu)化性能好于遺傳算法和NEH啟發(fā)式方法。 (5)針對置換FlowShop問題的粒子群算法，對不同粒子群模型、慣性權重

5、的取值、粒子種群數(shù)量、位置和速度的初始化以及位置和速度的限制等相關參數(shù)的取值范圍進行了研究。 (6)結合三種不同的粒子表示方法，將粒子群算法分別用于求解物流配送車輛優(yōu)化調度問題、自動化倉庫堆垛機揀選作業(yè)調度優(yōu)化問題和港口泊位調度優(yōu)化問題，建立相應的調度問題模型。實驗結果說明基于三種粒子表示方法的粒子群算法能夠有效地求解上述生產調度問題。 (7)為了研究港口設備優(yōu)化配置問題，利用粒子群算法與仿真優(yōu)化方法求解港口拖輪優(yōu)化配置