生產(chǎn)計(jì)劃與調(diào)度的集成優(yōu)化.pdf

1、目前在解決生產(chǎn)計(jì)劃問題時(shí)常常使用遞階優(yōu)化算法進(jìn)行求解，然而這些算法都存在著明顯的不足，如生成的生產(chǎn)計(jì)劃不能保證得到一個(gè)可行的調(diào)度解。因此本文針對(duì)幾種情形提出了新的求解方法以避免上述算法的不足之處。首先針對(duì)遞階生產(chǎn)計(jì)劃分解問題進(jìn)行了研究，給出了求解該問題的兩種算法，并通過(guò)大量算例對(duì)這兩種算法的性能進(jìn)行了評(píng)估。然后針對(duì)遞階生產(chǎn)計(jì)劃分解方法的不足，重點(diǎn)研究了幾類車間生產(chǎn)計(jì)劃和調(diào)度的集成優(yōu)化問題。并在與相應(yīng)遞階分解方法比較的基礎(chǔ)上，通過(guò)大量算例

2、驗(yàn)證了本文提出的集成優(yōu)化方法的有效性。 1.研究了一類典型jobshop車間的遞階生產(chǎn)計(jì)劃分解問題，建立了五種生產(chǎn)計(jì)劃分解模型，以滿足不同生產(chǎn)目標(biāo)的需要。由于上述模型為非線性規(guī)劃模型，文中給出了線性化過(guò)程，將上述模型轉(zhuǎn)化為線性規(guī)劃模型，并利用常規(guī)的線性規(guī)劃算法(文中利用卡馬卡算法)進(jìn)行了求解。但是當(dāng)問題規(guī)模很火時(shí)，上述模型已不能使用常規(guī)的線性規(guī)劃算法進(jìn)行求解了，因此文中提出一種基于卡馬卡算法的關(guān)聯(lián)預(yù)測(cè)法米求解大規(guī)模問題。算例研究

3、表明對(duì)于目標(biāo)函數(shù)極大化問題，關(guān)聯(lián)預(yù)測(cè)法平均比卡馬卡算法快4.62倍，但是得到的最優(yōu)目標(biāo)值平均比卡馬卡算法小0.06％。 2.針對(duì)一類零件加工有準(zhǔn)備時(shí)間且為成批生產(chǎn)的jobshop車間，建立了生產(chǎn)計(jì)劃與調(diào)度的整體優(yōu)化模型，并提出了一種混合遺傳算法(HGA)對(duì)其進(jìn)行求解。文中分析了批量開工時(shí)間與批量和在制品存儲(chǔ)量之間的關(guān)系，證明了批量開工時(shí)間的計(jì)算公式，該公式的計(jì)算復(fù)雜度與批量大小無(wú)關(guān)，因此極大地簡(jiǎn)化了模型的復(fù)雜程度。遞階生產(chǎn)計(jì)劃模

4、型中一般只給出設(shè)備的粗能力負(fù)荷，無(wú)法保證得到一個(gè)可行的調(diào)度解，因此本文建立了詳細(xì)的調(diào)度約束，在此基礎(chǔ)上進(jìn)而給出設(shè)備的準(zhǔn)確負(fù)荷，從而可以保證調(diào)度解的可行性。由于問題解的結(jié)構(gòu)十分復(fù)雜，本文擴(kuò)展了普通遺傳算法染色體的表達(dá)方式，提出一種分段編碼策略并對(duì)交叉和變異算子進(jìn)行了相應(yīng)修改，算法中引入了啟發(fā)式調(diào)度規(guī)則來(lái)改善初始群體，可以有效地提高算法的計(jì)算效率。文中還提出了一種遞階生產(chǎn)計(jì)劃和調(diào)度方法(HPPSA)對(duì)該問題進(jìn)行求解，計(jì)算實(shí)驗(yàn)表明對(duì)于目標(biāo)函數(shù)

5、極小化問題，HGA獲得的最優(yōu)目標(biāo)值平均比HPPSA小13.69％，但是HGA的計(jì)算時(shí)間平均比HPPSA多1.48倍。 3.研究了一類并行生產(chǎn)線上生產(chǎn)調(diào)度和批量分割的同時(shí)優(yōu)化問題。給出了產(chǎn)品在生產(chǎn)線上連續(xù)加工時(shí)產(chǎn)品批量的完工時(shí)間計(jì)算公式，并證明了該公式的正確性。考慮相鄰批次在生產(chǎn)線上加工會(huì)產(chǎn)生重疊，給出了產(chǎn)品批量開工時(shí)間的一個(gè)下界。然后證明了批量連續(xù)發(fā)交時(shí)保證緩沖區(qū)總是可用的充分條件，并在此基礎(chǔ)上提出了一個(gè)求解批量開工時(shí)間的迭代算

6、法，其特點(diǎn)是計(jì)算復(fù)雜度與批量火小無(wú)關(guān)。最后通過(guò)建立的批次發(fā)交模型和提出的批量分割啟發(fā)算法，構(gòu)造了一種基于遺傳進(jìn)化的啟發(fā)式方法以求解該類問題。計(jì)算實(shí)驗(yàn)表明，該方法通過(guò)批量分割可以有效地平衡生產(chǎn)線上的負(fù)荷。 4.研究了一類多級(jí)制造系統(tǒng)中生產(chǎn)計(jì)劃和調(diào)度的集成優(yōu)化問題。對(duì)第一級(jí)車間，提出了零部件批量的完工時(shí)間計(jì)算公式，并證明了各設(shè)備上零部件加工應(yīng)滿足的加工順序約束。對(duì)第二級(jí)車間，證明了當(dāng)產(chǎn)品批量大于緩沖區(qū)容量時(shí)，產(chǎn)品批次連續(xù)生產(chǎn)的充要條

7、件，然后利用提出的批量動(dòng)態(tài)分割合并算法，對(duì)第二級(jí)車間的產(chǎn)品批量進(jìn)行動(dòng)態(tài)分割。文中將該算法與遺傳算法相結(jié)合，提出了一種基于遺傳進(jìn)化的啟發(fā)式算法(IGA)用于求解本文中的多級(jí)制造系統(tǒng)生產(chǎn)計(jì)劃和調(diào)度集成優(yōu)化問題。另外在IGA算法的基礎(chǔ)上，按照遞階生產(chǎn)計(jì)劃分解原理，提出了一種遞階分解算法(HPPGA)。計(jì)算結(jié)果表明對(duì)于目標(biāo)函數(shù)極小化問題，HPPGA獲得的最優(yōu)目標(biāo)值平均比IGA大13.58％。 最后將本文的研究成果應(yīng)用于某汽車車身廠的汽車