摘要：由于在利用蚁群算法构建差异工件（即工件有尺寸差异）单机批调度问题的解时，批的加工时间是不确定的，从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息，引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息，提出了JACO （ ant colony optimization based a job sequence）和BACO（ant colony optimization based a batch sequence）两种蚁群优化算法．在算法JACO中，解的编码为工件序列，它对应着用BF（best fit）分批规则生成的调度方案，信息素代表工件间的排列顺序；在算法BACO中，解的编码为批序列，信息素代表工件间的批相关性，由此信息素通过中间信息素量来构造相应的解，并引入特定的局部优化策略，提高了算法的搜索效率．实验表明，与以往文献中的sA（simulated annealing）、GA（genetic algorithm）算法以及FFL门（first-fit longest processing time）、BFLPT（best—fit longest processing time）启发式规则相比，算法JACO和BACO明显优于它们，且BACO算法比JACO算法效果更好．

关键词：调度 批处理机 蚁群优化算法 组合优化 

单位：中国科学技术大学管理学院 合肥230026