基于動態(tài)優(yōu)化的動態(tài)調(diào)度問題研究.pdf

1、生產(chǎn)調(diào)度是指在滿足一定生產(chǎn)約束條件下，為生產(chǎn)任務分配可用的生產(chǎn)資源，使得一個或多個目標最優(yōu)。以往的研究主要集中在靜態(tài)調(diào)度上，工件、設備等相關(guān)信息已知且不變。而在實際生產(chǎn)環(huán)境中往往存在大量實時擾動事件，如工件動態(tài)到達、機器故障、工件加工時間改變等，這些擾動事件會導致原調(diào)度變得很差甚至不再可行，需要重新生成新的調(diào)度方案以適應變化的生產(chǎn)環(huán)境和條件要求，這類問題可歸結(jié)為動態(tài)調(diào)度問題。對動態(tài)調(diào)度的研究相比于靜態(tài)調(diào)度更具實際意義，是工業(yè)界急需解決的

2、難點。常規(guī)的靜態(tài)調(diào)度方法主要是針對確定性靜態(tài)調(diào)度問題求解，無法適應環(huán)境的變化，不再適合于動態(tài)調(diào)度問題。動態(tài)優(yōu)化方法由于能夠適應于環(huán)境的變化，尋找的是最優(yōu)解的軌跡，而成為國際前沿熱點研究方法。
　　本文在動態(tài)因素分析的基礎(chǔ)上，首先以單機生產(chǎn)調(diào)度為背景，對動態(tài)優(yōu)化進行基礎(chǔ)研究，提出動態(tài)差分進化算法;然后以煉鋼-連鑄生產(chǎn)調(diào)度為背景，對動態(tài)優(yōu)化進行應用研究，提出增量式動態(tài)差分進化算法，最后以此為核心開發(fā)了相應的決策支持系統(tǒng)。具體內(nèi)容概括如

3、下：
　　1)針對動態(tài)調(diào)度中的動態(tài)因素進行分析。分別以一般生產(chǎn)環(huán)境和鋼鐵生產(chǎn)環(huán)境為背景，分析動態(tài)調(diào)度問題中存在的共性動態(tài)因素和針對鋼鐵生產(chǎn)的特殊性動態(tài)因素，總結(jié)了動態(tài)調(diào)度中的實時擾動事件及分類，對其產(chǎn)生原因及來源進行探討，然后，根據(jù)擾動事件對問題的影響程度，采取不同的處理策略。
　　2)針對公共交貨期下工件動態(tài)到達的單機提前/拖期(E/T)調(diào)度問題進行研究。該問題的任務是在公共交貨期下，將多個按照不同到達時間動態(tài)到達的工件安

4、排在一臺機器上加工，目標是找到一個可行調(diào)度方案使工件提前/拖期總懲罰量最小。根據(jù)問題特點建立數(shù)學模型，并設計了基于工件排列的差分進化與分布估計算法(DE&EDA)混合方法。為了加強算法性能，將局部搜索方法應用到DE&EDA混合算法中，實驗結(jié)果表明了算法的有效性。
　　3)針對準備時間與順序相關(guān)的動態(tài)單機調(diào)度問題進行研究。該問題中工件隨時間動態(tài)到達，工件的所有信息提前不可知，直到工件已經(jīng)到達或者即將到達，其任務是將多個已到達的工件安

5、排在一臺機器上加工，目標是最小化最大延遲時間。根據(jù)問題特點建立了給定時間窗的數(shù)學規(guī)劃模型，并提出動態(tài)差分進化算法在新工件到達時快速調(diào)整原調(diào)度以適應環(huán)境的變化。針對DE算法由于其連續(xù)性而不能直接求解調(diào)度問題的缺點，使用以工件排列為個體編碼的算法結(jié)構(gòu)。針對計算負擔隨著問題規(guī)模的增大而呈指數(shù)增長的問題，提出基于分解的加速方法來改進算法的效率。計算結(jié)果表明所提算法是快速有效的。
　　4)針對煉鋼-連鑄動態(tài)調(diào)度問題進行研究。該問題的目標是當

6、發(fā)生不可預知的實時擾動事件時，快速動態(tài)調(diào)度生成新的調(diào)度方案以適應變化的生產(chǎn)環(huán)境和條件要求?？紤]實際工藝約束和實時信息，將爐次的加工時間加入到?jīng)Q策變量中進行決策，建立了動態(tài)擾動下的煉鋼-連鑄動態(tài)調(diào)度模型，目標是最小化總懲罰費用，包含斷澆損失懲罰費用、爐次總等待時間懲罰費用、加工時間偏差懲罰費用及最大完工時間懲罰費用四項。
　　5)上述的煉鋼-連鑄動態(tài)調(diào)度問題既具有動態(tài)調(diào)度問題的復雜性，又具有實際問題的工藝約束，非常難于求解。針對這個

7、難題，提出增量式動態(tài)差分進化算法，其特征為:(1)以增量機制更新種群，將前一環(huán)境中的好解修復適應于新環(huán)境中，繼而使用差分進化算法產(chǎn)生新調(diào)度;(2)引入新的記憶策略和外部存檔策略，并且為了保證種群的多樣性，加入隨機搜索過程，提出一種改進的變異策略;(3)提出一種基于實數(shù)編碼矩陣的個體表達。其中，記憶策略用來存儲及使用兩代前的種群信息，而外部存檔策略用來保存最近搜索的優(yōu)勢解?；陔S機生成數(shù)據(jù)和實際生產(chǎn)數(shù)據(jù)的計算實驗結(jié)果證明所提算法的有效性。