关键词：车间调度;秃鹰搜索算法;汽车零部件;启发式规则;反向学习策略;邻域搜索策略;局部搜索策略
摘 要：汽车是现代社会不可或缺的交通工具，为了实现其零部件的高效生产，建立了以最小化最大完工时间为目标的智能排产调度模型，提出了一种混合优化策略的秃鹰搜索算法（MOBES）。首先，通过ROV编码方式与FAMFR和FCFS的正反向解码方式将算法离散化；其次，在种群初始化中引入启发式规则和反向学习策略，在算法迭代的过程中加入最优插入和最优交换策略、邻域搜索策略和多点位交叉策略，并对最优解进行局部搜索，使算法能更好地应对局部最优、全局搜索与局部开发不协调等问题；最后，通过Carlier测试集和某汽车零件制造厂的实际案例进行数据测试，并与其他算法进行比较。实验结果验证了秃鹰搜索算法在车间调度问题上的有效性和其混合优化策略的优越性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取