考虑工件转移及工人资源的分布式柔性作业车间调度研究

摘要

近年来，分布式柔性作业车间调度问题(DFJSP)逐步受到研究者的关注，开展DFJSP研究有利于企业在全球化背景下，充分运用分布式企业资源，快速响应市场需求，降低生产成本，并增强企业市场竞争力。现有的DFJSP研究假定一个工件的所有工序只能分配到一个生产单元进行加工，而实际生产中普遍存在一个工件的所有工序由多个工厂联合加工来完成生产的情况，这使得现有的DFJSP研究与实际不符。此外，在现实的制造环境中，不同工人在操作机器的能力上存在差异，合理分配工人资源，能够稳定生产和降低工人成本。然而，现有DFJSP研究只针对工厂和机器资源进行调度，缺乏对工人资源的考虑，这可能导致生产系统存在许多不合理的工人分配，最终延长生产周期和增加人工成本。围绕上述问题，本文开展了如下研究：　　(1)针对分布式制造系统中，工件可以由多个工厂进行联合加工的情况，研究了考虑工件转移的DFJSP问题(DFJSPT)，以最大完工时间、机器的最大负荷和总能耗为优化目标，构建了DFJSPT问题的多目标调度模型，其中每道工序都允许在工厂内或者工厂之间转移一次。围绕分布式企业如何对工人资源进行高效分配的问题，研究了考虑工人资源的DFJSP问题(DFJSPW)，以最大完工时间、工人的最大平均工作负荷和加工能耗为优化目标，建立了DFJSPW问题的多目标调度模型，其中一个工人能够操作多台机器，不同工人操作同一机器的时间不同。　　(2)设计了一种高效的模因算法(EMA)用于求解DFJSPT模型。在EMA的设计上，提出了一种有效的染色体编码方法对调度问题进行表达，基于染色体编码方法设计了相应的解码、初始化、交叉和变异操作。此外，提出了基于关键路径的局部搜索操作，用于优化交叉和变异操作后的组合种群。为了验证EMA算法的有效性，构造了40个DFJSPT算例来进行验证。在算例测试前，运用Taguchi方法确定了EMA算法参数。通过与三种流行的多目标优化算法在求解DFJSPT的性能对比，证实了EMA算法的有效性。　　(3)开发了一个改进模因算法(IMA)用于求解DFJSPW模型。采用了与EMA相同的算法框架、解码、非支配排序操作，改进了编码、交叉、变异等操作，并设计了有效的初始化方法和局部搜索操作来提高算法性能。构造了50个DFJSPW算例来验证IMA算法的性能。通过两组对比实验，证实了所提初始化方法和局部搜索操作的有效性。另外，与三种流行的多目标优化算法的对比实验结果表明，IMA算法在求解DFJSPW具有高效性。

目录

声明

第 1 章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 分布式柔性作业车间调度研究现状

1.2.2 多目标优化算法研究现状

1.3 研究内容与组织安排

第 2 章 调度模型构建

2.1 分布式柔性作业车间调度基础理论

2.2 考虑工件转移的分布式柔性作业车间调度模型

2.2.1 问题描述

2.2.2 模型建立

2.3 考虑工人资源的分布式柔性作业车间调度模型

2.3.1 问题描述

2.3.2 模型建立

2.4 本章小结

第 3 章 面向 DFJSPT 模型求解的 EMA 算法设计

3.1 EMA 算法设计

3.1.1 算法框架

3.1.2 编码和解码

3.1.3 初始化操作

3.1.4 交叉操作

3.1.5 变异操作

3.1.6 局部搜索操作

3.2 算例验证

3.2.1 DFJSPT 算例构建

3.2.2 评价指标

3.2.3 参数设定

3.2.4 EMA 初始化效果验证

3.2.5 EMA 局部搜索操作效果验证

3.2.6多目标优化算法比较

3.3 本章小结

第 4 章 面向 DFJSPW 模型求解的 IMA 算法设计

4.1 IMA 算法设计

4.1.1 染色体编码

4.1.2 初始化操作

4.1.3 交叉操作

4.1.4 变异操作

4.1.5 局部搜索操作

4.2 算例验证

4.2.1 DFJSPW 算例构建

4.2.2 参数设定

4.2.3 IMA 初始化效果验证

4.2.4 IMA 局部搜索操作效果验证

4.2.5 多目标优化算法比较

4.3 本章小结

总结与展望

参考文献

致谢

附录 攻读硕士学位期间的学术成果