基于区间理论的不确定集成式工艺规划与车间调度问题研究

摘要

制造系统中，工艺规划和车间调度分别承担重要的功能，二者有着紧密的联系。但是在以往的研究中，通常独立对两个系统进行优化研究。虽然两个系统都可以通过技术手段进行优化，减少生产过程中的冲突与浪费，但是将两个系统进行集成，将更大程度的提高系统的生产效率。
　　本文针对集成式工艺规划与车间调度（Integrated Process Planning and Scheduling,IPPS）这一类经典的车间调度问题开展研究，同时重点考虑实际生产过程中广泛存在的不确定事件。这些事件主要是因外部因素而造成的加工环境的不确定，比如，运输时间的不确定、夹具和刀具装卸时间的不确定、准备时间的不确定、生产过程中的设备故障、能源短缺等，都会累积造成工序调度过程中的不确定性等。不确定IPPS问题能更好的处理这些事件，使得调度结果能更好地反映实际生产状况。确定性的IPPS问题已被证明为NP-Complete问题，不确定IPPS问题由于考虑了更多的不确定事件，所以建模与求解更加复杂，这也导致国内外鲜有针对不确定IPPS问题的研究。
　　本文重点针对不确定IPPS的建模与优化方法开展研究。首先采用改进的区间理论对问题进行建模，主要内容包括利用区间理论和区间数表征不确定加工时间。给出区间数的操作法则，并针对当前区间数的比较方法进行了研究，提出了一种新的基于可能度和偏序率的区间数比较方法以提高区间数比较的精度。最终将改进的区间理论应用在不确定IPPS问题的建模上，提出了基于区间数的不确定IPPS问题模型。
　　本文针对不确定IPPS问题的特性，首先提出了基于遗传算法的不确定IPPS问题求解方法。在工艺规划和车间调度部分，分别采用集成式编码和基于工序的编码方式，并设计了高效的遗传操作方法。基于标准 IPPS算例将确定的加工时间进行区间化形成不确定IPPS问题算例，算例测试结果验证了提出算法的有效性。由于单一算法求解简单问题比较有优势，而面对复杂的实际生产环境，需要拥有适应大规模问题求解的算法，基于此，本文提出了一种基于粒子群优化混合算法的不确定IPPS问题求解方法。在该方法中，对于基础粒子群算法进行了重新定义，以使其适用于非连续优化问题。同时在该方法中引入了遗传操作，提高了该方法处理组合优化问题的能力。最后对测试实例进行测试，验证了混合算法在求解大规模不确定IPPS问题上的卓越性能。
　　最后，对本文的研究工作进行了总结，展望了下一步的研究工作。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 课题来源、目的及意义

1.2 IPPS问题及其研究现状

1.3 不确定IPPS问题研究现状

1.4 现状总结与问题分析

1.5 本文的结构与主要工作

2 基于区间理论的不确定IPPS问题建模

2.1 区间理论概况

2.2 基于区间理论的不确定IPPS问题建模

2.3 本章小结

3基于遗传算法的不确定IPPS问题求解方法研究

3.1遗传算法简介

3.2基于遗传算法的不确定IPPS问题求解方法

3.3 实验结果与分析

3.4 本章小结

4 基于混合算法的不确定IPPS问题求解方法研究

4.1 粒子群优化算法简介

4.2 混合算法的求解流程

4.3 基于混合算法的不确定IPPS问题求解方法

4.4 实验结果与分析

4.5 本章小结

5全文总结与展望

5.1 全文总结

5.2 研究展望

致谢

参考文献

附录1 攻读硕士学位期间发表论文目录

附录2 攻读硕士学位期间开发软件目录