《一种异步蚁群算法求解柔性作业车间调度问题》
天津大学学报/2016
蚁群算法是一种自组织方法，本质上是一种并行算法，因此具有强大的全局搜索能力。蚁群算法拥有分布式计算和正反馈加速等优点，并且具有较强的鲁棒性，在求解复杂优化问题时可以获得较为理想的结果。
问题描述
多品种变批量生成工艺变动大，差异性和不确定性因素多，设计专门的生产线成本过高，一般采用柔性化、可重构制造平台上的柔性作业车间生产模式。
多品种变批量柔性作业车间生产模式的特点如下：需求波动大、品种多且工艺间存在差异性、品种混合度高、设备符合率高、瓶颈位置实时漂移和系统重构频繁。
柔性作业车间生产模式的运作控制主要包括3个关键技术：（1）制造物理系统重构，将生产设备依据布局、产能和生产任务进行合理重构；(2)生产负荷分配，综合考虑制造系统种线程容量和产能，合理分配系统生成负荷，完成生成计划的制定；（3）生成资源调度，通过对全制造流程的建模仿真和加工状态实时监控，进行制造过程的全闭环静态调度与智能控制。
生产建模：这篇文章利用拥有强大离散建模和数学分析能力的Petri网来建立多品种、便批量的柔性作业车间调度模型，在基于人工智能算法搜索最优解。
针对柔性作业车间生产模式多线程并行的特点，Petri网可以进化出基于资源共享的合成S3PR网，其结构如下：
多品种变批量柔性作业车间生产模式中主要考虑两种资源：加工设备和工序间缓存。将这些资源用Petri网库所表示，本文主要考虑两种资源：加工设备和工件缓存区。令牌的转移表示制造系统中各种加工对象工艺的变换，按照一定顺序访问资源（库所）即加工工艺的完成。系统中由于令牌转移引起的标识变化反映了系统状态的变化。调度即寻找一条从初始标识到目标标识最优变迁激发序列。
算法设计
异步并行搜索机制
利用步可达图可以更好地分析系统中的并发问题，同时为蚁群算法的并行搜索提供模型基础．通过蚁群算法搜索部分步可达图中的可达标识(节点)，理论上可以得到一个从初始标识到目标标识的最优变 迁序列．但是，随着系统规模的增大，可达节点数目呈指数级增长，传统蚁群算法搜索成本将大幅提高， 搜索效果可能会不理想．通过研究发现，这是由于传统蚁群算法自身搜索方式缺陷造成的．
传统蚁群算法的仿真推进是基于统一的同步式仿真时钟，在解决并行问题时，极容易陷入局部最优解．另外传统蚁群算法时间推进仿真中采用步进方式，步长的选择直接影响搜索效率和灵敏度，需要一 定次数的试算。
（1）基于异步仿真时钟
由于每只蚂蚁搜索的节点耗时差异性，同步机制必然会增加某些蚂蚁的空闲等待时间，使并行算法的效率大大降低。而异步算法可以节省等待时间。
（2）采用下次事件推进机制，PN-APACO采用下次事件推进机制，可以提高由于变迁延时过长引起的效率降低
算法流程
