多目標(biāo)柔性作業(yè)車間調(diào)度方法研究.pdf

1、制造業(yè)是國(guó)民經(jīng)濟(jì)的重要組成部分。實(shí)際生產(chǎn)中的優(yōu)化問(wèn)題通常是多屬性的，一般是對(duì)多個(gè)目標(biāo)的同時(shí)優(yōu)化，而且各個(gè)目標(biāo)之間通常是不一致的，比如產(chǎn)品質(zhì)量和生產(chǎn)成本往往是兩個(gè)互相沖突的目標(biāo)。此外，加工時(shí)間、完工時(shí)間和產(chǎn)品交貨期等通常都是不確定的參數(shù)，實(shí)際生產(chǎn)過(guò)程中還存在著一些不確定的干擾因素，比如機(jī)器故障、原材料延遲到達(dá)、緊急訂單的插入或者訂單取消等突發(fā)事件，人們迫切需要對(duì)實(shí)際生產(chǎn)中的車間調(diào)度問(wèn)題進(jìn)行深入和廣泛的研究，以更好地指導(dǎo)生產(chǎn)。本文正是在這樣

2、的背景下，結(jié)合實(shí)際生產(chǎn)調(diào)度問(wèn)題所面臨的多目標(biāo)、參數(shù)不確定和動(dòng)態(tài)性，對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題及其擴(kuò)展進(jìn)行了研究，并取得了一些有意義的研究成果。
　　 本文首先對(duì)單目標(biāo)的柔性作業(yè)車間調(diào)度進(jìn)行研究。將遺傳算法“適者生存”進(jìn)化準(zhǔn)則融入禁忌搜索算法，將遺傳算法的全局搜索能力和禁忌搜索算法的局部搜索能力相結(jié)合，提出了混合遺傳禁忌搜索算法解決單目標(biāo)的柔性作業(yè)車間調(diào)度問(wèn)題。在遺傳算法進(jìn)化過(guò)程中，針對(duì)柔性作業(yè)車間調(diào)度問(wèn)題的特點(diǎn)，設(shè)計(jì)了一種擴(kuò)展

3、的基于工序的編碼及其產(chǎn)生活動(dòng)調(diào)度的解碼機(jī)制，并根據(jù)染色體的結(jié)構(gòu)提出有效的交叉操作，IPOX 交叉操作和一種新多點(diǎn)交叉操作MPX。對(duì)于遺傳算法進(jìn)化過(guò)程中產(chǎn)生的個(gè)體，應(yīng)用禁忌搜索算法進(jìn)行改進(jìn)。將Balas和Vazacopoulos 提出的鄰域結(jié)構(gòu)擴(kuò)展到柔性作業(yè)車間調(diào)度問(wèn)題，設(shè)計(jì)了禁忌搜索算法的鄰域結(jié)構(gòu)。運(yùn)用提出的混合遺傳禁忌搜索算法求解基準(zhǔn)測(cè)試問(wèn)題并與其他方法進(jìn)行比較，驗(yàn)證了算法的有效性。根據(jù)現(xiàn)實(shí)制造系統(tǒng)中關(guān)注較多的最大完工時(shí)間、平均流經(jīng)時(shí)

4、間、總拖期時(shí)間、機(jī)器總負(fù)荷、瓶頸機(jī)器負(fù)荷和生產(chǎn)成本等性能指標(biāo)，建立了多目標(biāo)柔性作業(yè)車間調(diào)度模型。在上述遺傳算法的編碼、交叉和變異等基本操作的基礎(chǔ)上，提出了一種新的多目標(biāo)遺傳算法。在該多目標(biāo)遺傳算法里，采用了快速排序方法以提高算法構(gòu)造Pareto 最優(yōu)解集的效率；采用了NSGA-II的精英保留策略，并針對(duì)NSGA-II在精英保留策略上的不足，引入了分布函數(shù)；此外，還采用了免疫和熵原理以維持進(jìn)化種群的多樣性。通過(guò)測(cè)試基準(zhǔn)和模擬實(shí)際生產(chǎn)的算例

5、，驗(yàn)證了算法的可行性和有效性；并利用層析分析法從一組Pareto 最優(yōu)解中選出最優(yōu)妥協(xié)解。針對(duì)實(shí)際制造車間調(diào)度中，加工時(shí)間和交貨期不確定的特點(diǎn)，本文結(jié)合模糊集的相關(guān)理論，建立了多目標(biāo)模糊柔性作業(yè)車間調(diào)度模型?；谏鲜龆嗄繕?biāo)遺傳算法，求解了具有模糊加工時(shí)間和模糊交貨期的多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題，并通過(guò)算例測(cè)試，驗(yàn)證了算法的有效性。
　　 本研究針對(duì)實(shí)際制造車間調(diào)度具有動(dòng)態(tài)性的特點(diǎn)，提出了一種基于滾動(dòng)窗口的動(dòng)態(tài)調(diào)度優(yōu)化策略，該策略

6、采用基于周期和事件驅(qū)動(dòng)的再調(diào)度機(jī)制將調(diào)度過(guò)程分成連續(xù)靜態(tài)調(diào)度區(qū)間，在每個(gè)區(qū)間內(nèi)用前面提出的多目標(biāo)遺傳算法進(jìn)行優(yōu)化調(diào)度?；跐L動(dòng)窗口技術(shù)和多目標(biāo)遺傳算法，以交貨期、最大流經(jīng)時(shí)間、最大完工時(shí)間以及初始調(diào)度的偏離程度為性能指標(biāo)進(jìn)行同時(shí)優(yōu)化。為了適應(yīng)復(fù)雜多變的動(dòng)態(tài)環(huán)境和保持生產(chǎn)的穩(wěn)定性，提出了一種人機(jī)協(xié)同的調(diào)度機(jī)制。通過(guò)對(duì)算例進(jìn)行測(cè)試，驗(yàn)證了該方法的可行性。在算法研究的基礎(chǔ)上開(kāi)發(fā)了多目標(biāo)柔性作業(yè)車間調(diào)度原型系統(tǒng)，對(duì)原型系統(tǒng)的功能和效果進(jìn)行了描述