基于知識的自組織優(yōu)化算法在多品種小批量離散制造中的應用.pdf

1、棒材、板材等不同類型鋼材的混合制造屬于典型的多品種小批量離散制造。不同品種鋼材的混合制造過程需要頻繁切換工藝路線，導致制造系統(tǒng)的物流和信息流復雜，各生產環(huán)節(jié)的耦合度高。對于生產過程中最為典型的可變交叉生產線上的訂單分配方案設計問題，由于傳統(tǒng)的控制算法難以達到滿意效果，目前仍需專家依靠長期經驗來制訂，而人工方式不可避免地存在備選方案少、關鍵性能指標難以準確量化等問題。因此，研究如何制訂鋼鐵企業(yè)的一體化集成生產計劃，對于降低能源消耗、提升經

2、濟效益等生產目標的實現(xiàn)具有重要意義。
　　針對上述問題，本文提出了基于鄰域知識的自組織優(yōu)化算法，以規(guī)則的形式將專家知識引入到模型推演與候選解搜索過程中，利用自組織優(yōu)化算法有效解決鋼材制造與訂單分配問題。具體來說，本文通過分析煉鋼、連鑄和軋制三個生產階段的特點，建立了從煉鋼到軋制的生產過程模型，實現(xiàn)了對生產過程中任一訂單相關的物料流動情況的仿真推演。物流模型中各設備間的耦合關系和訂單沖突形成的約束導致可行解空間劃分和適應度函數設計難

3、以進行，也難以映射為標準的組合優(yōu)化問題，為此引入自組織優(yōu)化算法，利用自組織臨界狀態(tài)找出當前解中對耦合與沖突貢獻最大的變量作為改進對象，并通過鄰域搜索方法改進該變量的值，從而提升了當前解的全局適應度。為提升鄰域搜索的效率，針對鋼鐵生產過程的業(yè)務特點引入人工專家經驗，通過制定規(guī)則對鄰域構建方向進行限制，保證了搜索過程中違反的約束條件個數單調遞減。
　　仿真實驗結果表明，對于難以將約束作為懲罰項量化并加入適應度函數的應用場景，遺傳算法等