離散制造車間多生產(chǎn)模式下作業(yè)調(diào)度研究.pdf

1、車間作業(yè)調(diào)度是制造企業(yè)生產(chǎn)管理中十分重要且關鍵的環(huán)節(jié)，是實現(xiàn)先進制造和提高生產(chǎn)效益的主要方法和手段。論文針對離散制造車間多生產(chǎn)模式下作業(yè)調(diào)度較難優(yōu)化的問題，以智能算法為主要技術(shù)手段，對其進行了系統(tǒng)而深入研究，提出了調(diào)度優(yōu)化方案。主要研究內(nèi)容如下：
　　 ①對車間調(diào)度問題進行了概述，重點對調(diào)度發(fā)展過程、分類、特點、基礎理論、指標體系、算法編碼進行了歸納與總結(jié)；對車間調(diào)度研究現(xiàn)狀和車間作業(yè)調(diào)度研究現(xiàn)狀做了系統(tǒng)的分析；提出車間作業(yè)調(diào)度

2、研究中的不足，明確研究的目的。
　　 ②對多生產(chǎn)模式下Job Shop調(diào)度進行了總體研究；把車間作業(yè)調(diào)度問題細分為單目標經(jīng)典生產(chǎn)模式下Job Shop調(diào)度問題、多目標靜態(tài)柔性非模糊生產(chǎn)模式下Job Shop調(diào)度問題、多目標靜態(tài)柔性模糊生產(chǎn)模式下Job Shop調(diào)度問題、多目標動態(tài)柔性生產(chǎn)模式下Job Shop調(diào)度問題等四個子問題；在此基礎上，對論文所要研究的Job Shop調(diào)度四個子問題的總體數(shù)學模型、一般典型流程和總體技術(shù)框架

3、進行了深入研究。
　　 ③針對單目標經(jīng)典生產(chǎn)模式下Job Shop調(diào)度問題，分別從改善算法結(jié)構(gòu)和算法融合的角度出發(fā)，提出了兩種優(yōu)化技術(shù)：基于改進免疫克隆算法的優(yōu)化技術(shù)和基于含精英策略的小生境遺傳模擬退火算法的優(yōu)化技術(shù)。前者，在融入并行計算和種群協(xié)同競爭思想的基礎上，通過免疫記憶機制、克隆增殖、高頻變異和交叉算子的操作，取得了深度搜索和廣度尋優(yōu)之間的平衡；后者，通過小生境技術(shù)、自適應雙點交叉和互換變異策略、精英保留策略改善算法性能

4、，并采用這兩種優(yōu)化技術(shù)對以最小化加工周期為目標的經(jīng)典Job Shop調(diào)度問題進行了優(yōu)化。
　　 ④針對多目標靜態(tài)柔性非模糊生產(chǎn)模式下Job Shop調(diào)度過程中只考慮工件和機器設備而忽略人機協(xié)同的問題，提出人機協(xié)同配置的調(diào)度優(yōu)化技術(shù)。解決方案的基本思路如下：根據(jù)目前絕大多數(shù)調(diào)度理論僅關注機器設備單一資源調(diào)度的特點，提出人機雙資源協(xié)同配置的多目標優(yōu)化模型；并設計了可實現(xiàn)工藝路線和人機配合的兩層柔性約束的三層編碼方式；采用遺傳算法非支

5、配解集思想對多產(chǎn)線共存下的生產(chǎn)路徑進行尋優(yōu)。
　　 ⑤針對多目標靜態(tài)柔性模糊生產(chǎn)模式下Job Shop調(diào)度中的多資源多工藝路線優(yōu)化問題，提出了兩種優(yōu)化技術(shù)：基于多種群遺傳算法的優(yōu)化技術(shù)和基于改進非支配排序遺傳算法的優(yōu)化技術(shù)。前者，采用多目標單一化方法處理多個需要優(yōu)化的目標，建立了以最小化最大完工時間和最大化顧客滿意度為目標的優(yōu)化模型，提出了多種群協(xié)同進化的遺傳算法，并用該算法對多目標靜態(tài)柔性模糊生產(chǎn)模式下Job Shop調(diào)度問題

6、進行了研究；后者，采用非支配解集思想處理多個需要優(yōu)化的目標，建立了以最小化生產(chǎn)總流程時間、最大化客戶滿意度和最小化加工成本為目標的優(yōu)化模型，提出了改進非支配排序遺傳算法，并用該算法對多目標靜態(tài)柔性模糊生產(chǎn)模式下Job Shop調(diào)度問題進行了優(yōu)化。
　　 ⑥針對多目標動態(tài)柔性生產(chǎn)模式下Job Shop調(diào)度中周期和事件雙重擾動的優(yōu)化問題，提出了基于自適應遺傳算法的多目標優(yōu)化技術(shù)，解決方案的基本思路如下：首先，對動態(tài)調(diào)度策略、動態(tài)調(diào)度