基于混合离散粒子群算法的柔性作业车间调度问题研究

【摘要】：生产调度可以提高经济效益、降低成本和能耗,从而促进企业的可持续发展,是过去几十年中计算机集成制造领域的研究热点之一。柔性作业车间调度问题作为生产调度的一个重要分支,其特点更接近于实际生产过程,但同时也带来了求解上的困难,因此,对其研究具有重要的实际意义和理论价值。 本文以离散粒子群算法为基本优化手段,通过改进粒子位置更新方式和设计符合问题特征的局部搜索策略,针对几类柔性作业车间调度问题,提出相应的混合离散粒子群算法进行求解,主要研究内容概括如下： (1)结合改进的粒子位置更新方式和基于机器负载的模拟退火机制,提出了混合离散粒子群算法求解一类以机器为约束资源,生产周期为优化目标的单资源单目标柔性作业车间调度问题。该混合算法有效地弥补了粒子群算法求解柔性车间调度问题时易得到不可行解的缺陷,并且在保证了粒子能收敛到可行解的同时,又改善了算法的搜索性能。通过算例仿真,验证了混合算法的有效性和可行性。 (2)基于Pareto支配概念,提出一种将改进的Baldwinian学习策略和模拟退火技术相结合作为局部搜索策略的混合离散粒子群算法,求解一类以机器为约束资源,以生产周期、最大机器负载和单台机器最大负载为优化目标的多目标柔性作业车间调度问题。该混合算法除了具有较强的局部探索能力外,还采用混合初始化策略提高搜索起点,并引入外部档案防止进化过程中非支配解的丢失。经算例仿真验证,改进算法在收敛性和非支配解的分布均匀性方面均具有明显优势。 (3)针对以机器和工人为约束资源,以生产周期为优化目标的双资源单目标柔性作业车间调度问题,提出了一种结合改进离散粒子群算法和基于变邻域模拟退火操作的混合离散粒子群算法。针对问题特征,该混合算法在种群初始化、粒子位置更新和邻域选择机制上进行了改进,从而有效地防止不可行解的出现,并避免了算法早熟。算例仿真验证算法的可行性和有效性。 (4)提出了一种基于改进Maximin适应值函数的多目标动态随机搜索操作,并结合改进的离散粒子群算法,给出了双资源多目标柔性作业车间调度问题的求解方法,其约束资源为机器和工人,优化目标为生产周期和生产成本。该混合算法有效地改善了局部搜索性能,并通过提出一种简单的混合策略对外部档案进行修剪,保证了算法的高效运行。算例仿真说明算法取得了较好的调度效果。 最后,基于本文所提出的柔性作业车间调度方法,设计了一个基于B/S架构的柔性作业车间调度系统,通过纸盆车间两个实例验证论文提出方法的有效性。并对全文所做的研究工作进行了总结和展望。