基于OCTPN和混合遺傳算法的JSP多目標(biāo)優(yōu)化調(diào)度.pdf

1、本文以面向?qū)ο笾x時(shí)Petri網(wǎng)和混合遺傳算法為工具,對(duì)具有多工藝加工路徑的生產(chǎn)車間調(diào)度問題進(jìn)行了研究。本文的研究結(jié)果和內(nèi)容可概括為以下的幾個(gè)主要方面:
　　 將Petri網(wǎng)的“著色"這一抽象機(jī)制與面向?qū)ο蟮念?、繼承等概念相融合,提出一種面向?qū)ο蟮闹x時(shí)Petri網(wǎng)OCTPN(Obiect-oriented Colored Timed Petri Net)。以O(shè)CTPN為建模工具分別研究了單資源、雙資源和多資源作業(yè)車間調(diào)度優(yōu)

2、化問題。OCTPN模型基于“面向?qū)ο蟆倍皇腔凇懊嫦蜻^程”,把描述系統(tǒng)本質(zhì)和能力部分抽象為不同的對(duì)象,而把描述系統(tǒng)動(dòng)態(tài)行為的進(jìn)程抽象為對(duì)象的實(shí)例,并賦予不同的顏色,較大地改善了制造系統(tǒng)調(diào)度模型規(guī)模龐大和可重用性差的問題。
　　 將一種Pareto排序策略嵌入到Pareto競(jìng)爭(zhēng)方法中,提出了一種新的解決多目標(biāo)優(yōu)化調(diào)度的混合遺傳算法。該方法在執(zhí)行選擇操作時(shí),使用小生境技術(shù)來選取進(jìn)入下一代的個(gè)體,使得搜索盡可能在整個(gè)解空間進(jìn)行,避免

3、算法收斂到局部最優(yōu)。采用多種交叉方法和變異方法提高了算法的收斂速度。為了避免進(jìn)化過程中最優(yōu)解的遺失,采用Pareto解集過濾器保存進(jìn)化過程中出現(xiàn)的最優(yōu)解。通過仿真實(shí)驗(yàn)證明了算法的正確性和優(yōu)越性。在該算法的基礎(chǔ)上研究了雙資源作業(yè)車間的雙目標(biāo)、多目標(biāo)調(diào)度問題。
　　 在雙資源雙目標(biāo)調(diào)度問題中,首先研究了生產(chǎn)周期和生產(chǎn)費(fèi)用的雙目標(biāo)調(diào)度優(yōu)化問題,并對(duì)工人/機(jī)床的比率和工人任務(wù)量的分配對(duì)該種車間的調(diào)度結(jié)果產(chǎn)生的影響進(jìn)行了研究。在雙資源雙目

4、標(biāo)靜態(tài)調(diào)度問題的基礎(chǔ)上,研究了動(dòng)態(tài)調(diào)度問題;對(duì)機(jī)床故障、工人離崗、訂單取消等基于時(shí)間和任務(wù)進(jìn)行分類,決定是否執(zhí)行再調(diào)度;針對(duì)不同的情況進(jìn)行不同的處理,選用合理有效的調(diào)度策略,最大限度地維持作業(yè)車間的生產(chǎn)能力。
　　 在雙資源多目標(biāo)調(diào)度問題中,從企業(yè)不同部門的利益出發(fā),兼顧各個(gè)部門的期望目標(biāo),實(shí)現(xiàn)了對(duì)生產(chǎn)周期、生產(chǎn)費(fèi)用、機(jī)床最大負(fù)載、機(jī)床總負(fù)載和客戶滿意度等多個(gè)目標(biāo)進(jìn)行優(yōu)化,最后利用層次分析方法從得到的最優(yōu)解集中選出符合決策者偏好