基于智能优化算法的车间调度问题研究

摘要

随着科学技术的发展，生产规模越来越大，复杂性越来越高，生产车间的优化调度问题已经成为提高企业生产效率进而提高市场竞争力的核心之一。
　　 生产调度，即对生产过程进行作业计划，作为一个关键模块，是整个先进生产制造系统实现管理技术、运筹技术、优化技术、自动化与计算机技术发展的核心之一。有效的调度方法和优化技术的研究与应用，是实现先进制造和提高生产效益的基础和关键。改善生产调度方案，可大大提高生产效益和资源利用率，进而增强企业的竞争能力。生产调度的研究主要可分为建模和调度算法设计两方面，它是一个交叉性研究领域，涉及运筹学、数学、计算机工程、控制工程、工业工程等多个学科。它通常是多约束、多目标、随机不确定优化问题，已经被证明属于NP问题。因此，虽然对生产调度问题的研究已经有几十年的历史，提出了许多调度方法，但至今尚未形成一套系统的理论与方法，特别是难以解决实际生产管理中的大规模优化问题和实际生产中的多目标优化问题。
　　 鉴于国际上生产调度和智能优化方法的研究热潮，本文主要研究了两类车间调度问题，分别为传统的作业车间调度问题和不确定条件下的多目标流水车间调度问题，分别采用了不同的优化算法进行了求解，本文主要工作如下：
　　 首先，介绍了本课题研究的背景及意义、国内外的研究现状、生产调度问题的分类及特点和生产调度问题的主要解决方法。
　　 其次，对车间调度问题进行了描述，重点介绍了流水车间调度问题和作业车间调度问题，并对解决车间调度问题的进化算法的背景和框架做了简要概述，进一步介绍了遗传算法和遗传程序设计的发展和目前国内外研究的情况。
　　 接着，简述了混沌的基本理论，研究了在将GP与GA算法结合的基础上嵌入混沌序列的新算法。考虑了在生命进化过程中的混沌特性，使用了在进化过程中调整个体权重的表示方案以解决传统的作业车间调度问题。并对FT06、LA01、ABZ5、ABZ6、LA16及LA24六个标准测试集进行了仿真实验，将实验结果与其它算法进行比较，结果显示在解决前5个标准测试集时，该算法明显优于先前的算法，这验证了该算法的有效性。虽然在解决大规模问题时还存在运行时间长等局限性，但随着计算机硬件水平的不断提高，该算法将具有很大的应用前景。
　　 最后，讨论了在不确定加工时间和机器故障的情况下，如何优化多目标流水车间调度问题。首先设计了最大流程时间和最大延迟时间两类指标的求解方法，在此基础上提出了一种新型多目标遗传算法，用来迭代求解不确定条件下两类目标的最优化问题，并确定出不同生产方式下的调度方案产生的非支配解集。通过对每轮实验中随机产生的数据进行比较，结果验证了本文提出的算法和计算方案的性能是有效的。