多目标优化算法在多客户批处理机环境下的应用研究

【摘要】：批处理机环境下的调度问题(或简称批调度问题)是调度理论研究中的一个重要问题。批处理机调度问题打破了经典调度问题中一台机器每次只能对一个工件进行加工的设定,允许多个工件作为一批同时在机器上进行加工。多客户环境下的批调度问题则是考虑了来自多个客户的工件在一个公有批处理资源上的加工调度,每个客户均具有自己的优化目标。在多客户调度问题中,根据不同客户生产目标的优先级,往往可以得到多种不同的生产方案。因此在多客户批调度问题的求解中,不仅需要考虑来自不同客户的工件的分批问题,还需要考虑批的排序以及批在机器上的加工问题。 本文以两客户的差异工件批处理机调度问题为研究对象,以设计求解该问题的Pareto最优解集的有效算法为研究重点,提出了求解多种不同类型的两客户差异工件批调度问题的多目标优化算法。本文的主要工作包括： (1)两客户相同目标单机批调度问题研究。建立了问题的数学模型。针对最小化制造时间跨度、最小化工件最大延迟时间和最小化工件总完工时间三种优化目标,分别给出了工件分批完成后批的加工方案。对两个客户均以最小化制造时间跨度为优化目标的单机批调度问题,设计了一种基于构建式分批的多目标蚁群优化算法MOACO,算法同时考虑构建分批时的空间浪费和时间浪费作为启发式信息,通过存储算法每次迭代产生的非支配解集,对人工蚁的搜索方向和信息素浓度的更新提供了指导,保证了算法搜索的效率。同时,为了验证多目标蚁群优化算法的有效性,将两种目前最优秀的多目标优化算法NSGA-II和SPEA2应用到多客户批调度问题的求解中,并通过大量的仿真实验对三种多目标优化算法在多种度量指标上的性能进行了评测。 (2)两客户差异目标单机批调度问题研究。建立了问题的数学模型。针对两个客户分别以制造时间跨度和最大工件延迟时间为优化目标的情况,提出一个TSEDD启发式算法在得到一个分批方案后对批进行排序并安排批在机器上的加工,并分别设计了一种启发式算法和一种基于构建式分批的多目标蚁群算法来完成工件的分批,最后设计了基于NSGA-II的优化算法,对三种多目标优化算法所求得的非支配解集在解的质量、多样性以及算法运行时间等多种度量指标上的性能进行了实验评估。 (3)两客户差异目标平行机批调度问题研究。首先建立了该问题的数学模型,提出一个PTSEDD启发式算法在得到一个分批方案后对批进行排序并安排批在平行机上的加工,并设计了求解该问题的多目标蚁群优化算法、基于NSGA-II的优化算法以及基于SPEA2的优化算法。最后通过大量的仿真实验比较了三种算法在多种算法度量指标下的性能。