基于成本的集成协作计划与调度模型及其进化算法研究

摘要

在实际的生产过程中，生产形式是多种多样的，工件的调度受到加工路线和加工能力的的制约，因此必须将部分工件外包给合作伙伴协作加工。为此，建立一个集成协作计划与调度的模型，在实现工艺路线决策的同时，给出在规定的生产周期里规划出生产成本最低的工件调度组合变得尤为重要。
　　 随着各种相关学科与优化技术的建立与发展，在调度领域也出现了许多新的优化方法。利用不同优化机制、优化行为和优化结构的互补性来提高求解性能，将多种算法混合使用成为求解调度问题的重要手段。本文采用群集智能算法，研究调度对象、生产资源和工艺路线之间的制约关系，探索科学的多目标决策和评价体系，结合生产过程的动态实时性以及环境影响，建立集成协作计划与调度模型。本文的主要研究工作如下：
　　 1、构建基于成本的集成计划与调度模型。解决了部分工件可以外包，部分工件无法外包的不固定调度集的调度问题，在给定的生产周期里规划出制造工件最多的工件调度组合；综合运用遗传算法和启发式规则求解模型，在实现工艺路线决策的同时，保证了计划的可行性和调度的一致性。
　　 2、研究定单可分的协作计划模型及其进化算法。针对部分定单可拆分，部分定单不可拆分的协作规划问题，建立定单可拆分的协作计划模型，提高了供应链的资源利用效率，并进一步降低协作成本，扩大供应链的协作优化的空间；应用差分进化算法在连续性求解最优化问题方面的优势，设计了一种改进的差分进化算法对模型进行优化，实现了多工艺路线选择、协作任务决策以及协作伙伴选择的同步决策。
　　 3、研究定单可分的集成协作计划与调度模型及其混合进化算法。结合集成计划与调度模型和定单可分的协作计划模型，建立定单可分的集成协作计划与调度模型；综合运用遗传算法和差分进化算法，设计出一种新型的混合进化算法，实现在协作生产、生产计划、工艺路线选择以及调度这四个方面的协同寻优，并提出适应于模型的混合进化流程。

目录

文摘

英文文摘

声明

第一章绪论

1.1生产计划和调度

1.1.1研究现状

1.1.2研究方法

1.1.3发展趋势

1.2生产协作

1.2.1生产协作的含义

1.2.2生产协作研究状况

1.3本文研究的背景与课题意义

1.4本文研究的思路与内容

第二章遗传算法与差分进化算法

2.1遗传算法

2.1.1遗传算法的基本概念与基本步骤

2.1.2遗传算法的基因操作

2.1.3遗传算法控制参数设定

2.2差分进化算法

2.2.1标准差分进化算法

2.2.2常用的差分进化算法方法

2.2.3差分进化算法的运行参数

2.2.4改进的差分进化算法

2.3本章小结

第三章基于成本的集成计划与调度模型

3.1集成计划与调度的意义

3.1.1 ERP与MES集成的信息交互

3.1.2基于ERP与MES集成的生产管理系统特点

3.2集成协作计划与调度模型

3.2.1问题描述

3.2.2集成协作计划与调度模型描述

3.3算法设计

3.3.1遗传算子设计

3.3.2调度算法设计

3.4算例及仿真分析

3.5本章小结

第四章定单可分的协作计划模型及其进化算法

4.1协作规划及其过程

4.2协作计划模型描述

4.3差分进化算法描述

4.3.1适应度函数

4.3.2约束条件的处理方法

4.3.3算法设计

4.3.4差分进化算法的改进

4.4算例分析

4.5本章小结

第五章定单可分的集成协作计划与调度模型及其混合进化算法研究

5.1集成模型与混合进化算法

5.2集成协作计划与调度模型描述

5.3混合进化算法设计

5.3.1初始种群生成

5.3.2混合算法设计

5.3.3混合进化算法步骤

5.4仿真算例

5.5本章小结

第六章总结与展望

6.1研究总结

6.2研究展望

参考文献

致谢

攻读学位期间发表学术论文目录

攻读学位期间参与科研项目