平行機環(huán)境下批處理機調(diào)度問題研究.pdf

1、批處理機調(diào)度（或簡稱批調(diào)度）是一類具有很強應(yīng)用背景的新型調(diào)度優(yōu)化問題，在生產(chǎn)制造過程中具有廣泛應(yīng)用。經(jīng)典生產(chǎn)調(diào)度中通常有機器單件加工的假設(shè)，批調(diào)度打破了該假設(shè)，允許多個工件組成一批同時進行加工。因而在批調(diào)度問題的求解中，不僅需要考慮選擇加工機器的問題，還需要考慮工件成批問題。批調(diào)度問題相對于經(jīng)典調(diào)度而言更為復(fù)雜，目前，很多批調(diào)度問題均已經(jīng)被證明是NP難的。因而對這類調(diào)度問題進行研究在理論和實踐上均有重要的意義。
　　 目前，已經(jīng)

2、有不少針對批處理機調(diào)度問題的研究，但主要集中在單機以及相同平行機的加工環(huán)境，隨著柔性制造等生產(chǎn)制造模式的興起和發(fā)展，將批處理機調(diào)度問題擴展到多機環(huán)境下更為一般的情況將顯得越發(fā)必要。
　　 本文對平行機環(huán)境中相同平行機、同類平行機和不相關(guān)平行機加工環(huán)境下的批處理機調(diào)度問題以最小化制造跨度(Makespan)為優(yōu)化目標做了研究。論文主要工作與創(chuàng)新點如下:
　　 1)將批處理機調(diào)度問題擴展到分布式環(huán)境下，提出了批調(diào)度問題的一個

3、新模型。
　　 在該模型中，工件動態(tài)到達各批處理機，且在加工之前和之后需要有運輸時間。證明了該模型是NP難的，并通過問題的一個下界來衡量各算法性能。給出了分布式環(huán)境下批分配的一個啟發(fā)式算法AR(assignmentrule)以及一個分批準則BR(batchingrule)，在此基礎(chǔ)上對問題的求解提出了若干啟發(fā)式算法。仿真實驗表明各算法均可以對問題進行有效的求解，加入分批準則對于算法有進一步的優(yōu)化作用。
　　 2)對同類機

4、加工環(huán)境下具有不同尺寸工件的批處理機調(diào)度問題進行了研究。
　　 同類機環(huán)境中機器具有不同加工速率，并且每臺機器相對所有工件加工速率相同。由于該問題是NP難解的，論文給出了一個下界以衡量所提啟發(fā)式算法的性能，并證明了該下界的有效性。提出批的“隱性加工時間”概念，并以此為基礎(chǔ)提出一個新的局部優(yōu)化算法LORPT(LocalOptimizationwithRecessiveProcessingTime)對最大最小蟻群算法(MMAS)進行

5、改進。使用啟發(fā)式算法MMAS-LPTUM(LongestProcessingTimeforUniformMachines)對同類機環(huán)境下批調(diào)度問題進行求解。通過仿真實驗將MMAS和遺傳算法(GeneticAlgorithm)、微粒群優(yōu)化算法(ParticleSwarmOptimization)及BFLPT(BestFitLongestProcessingTime)等做了比較和性能分析。
　　 3)對同類機環(huán)境下工件動態(tài)到達的批處

6、理機調(diào)度問題做了研究，優(yōu)化目標為最小化Makespan，提出若干啟發(fā)式算法對問題進行求解。
　　 將分批準則BR擴展到同類機環(huán)境以優(yōu)化工件成批過程。成批完成后，使用ARUM(AssignmentRuleforUniformparallelMachines)將批分配到同類機。文章同時給出一個下界以衡量算法性能。仿真實驗表明，所提啟發(fā)式算法算法可以有效求解調(diào)度問題，分批準則BR對各啟發(fā)式算法具有明顯改進效果。
　　 4)對不