不確定條件下魯棒性生產(chǎn)調度的研究.pdf

1、生產(chǎn)調度是CIMS(ComputerIntegratedManufacturingSystem)和CIPS(ComputerIntegratedProcessingSystems)的一個重要組成部分，是生產(chǎn)管理的核心和關鍵技術。合理的生產(chǎn)調度方法可以為企業(yè)部門帶來顯著的經(jīng)濟效益。隨著對生產(chǎn)調度問題研究的不斷深入，人們逐漸發(fā)現(xiàn)現(xiàn)實世界中存在的不確定因素對生產(chǎn)過程和調度過程的影響不可忽略。由于各種不確定性因素的存在，使得應用確定性的模型很難

2、取得預想的結果，經(jīng)典的離線計算最優(yōu)輸入并開環(huán)執(zhí)行的方法一般不會產(chǎn)生最優(yōu)的性能，在線的調整在所難免，這使得調度問題成為一個需要不斷優(yōu)化的動態(tài)過程。如何在復雜的不確定環(huán)境中尋找合理的調度方法，使調度具備一定魯棒性的同時，又具有一定的最優(yōu)性是調度問題中的一個難點，具有重要的理論和實際意義，也是本課題的研究目的。 不確定優(yōu)化理論為科學的解決不確定條件下的生產(chǎn)調度問題提供了理論基礎和新的思路，但在計算及反應決策者態(tài)度等方面仍然需要進一步研

3、究。本文以不確定優(yōu)化為理論基礎，通過對模型，主要是隨機規(guī)劃和魯棒優(yōu)化模型的分析和改進，提出幾種不確定條件下尋找魯棒調度策略的新方法，并以化工批處理過程的短期調度過程為例，建立了不確定條件下的魯棒調度模型，給出了模型的算法以及調度策略的實現(xiàn)方法。 在回顧了確定性、不確定生產(chǎn)調度的發(fā)展歷史，闡述了不確定優(yōu)化理論的研究現(xiàn)狀和不足之后，本文對不確定條件下的魯棒性生產(chǎn)調度方法進行了研究，主要研究內容和成果概括如下： 首先研究了不確

4、定條件下生產(chǎn)調度的柔性、穩(wěn)定性和魯棒性，給出了相應的定義和測量指標。指出不確定條件下的生產(chǎn)調度問題實際上是一個調度策略的選擇問題，由于不同的生產(chǎn)背景、不確定情況，以及決策者不同的決策態(tài)度，導致選擇的調度策略不同。給出了選擇魯棒調度策略的基本原則和建立魯棒調度數(shù)學模型時應注意的問題。 生產(chǎn)調度過程中經(jīng)常出現(xiàn)一些隨機因素，為調度模型的建立和求解造成了一定的困難。在工程中經(jīng)常采用的期望值模型簡單，但很多情況下不能保證所求解的魯棒性。為

5、此本文對期望值模型的魯棒性能進行了分析，給出了提高期望值模型魯棒性的方法。該方法采用機會約束規(guī)劃的思想，根據(jù)模型中隨機參數(shù)的概率分布的不同情況，提出了使期望值模型的可行解滿足魯棒性能指標的充分條件，并據(jù)此構造了魯棒性約束，收縮解空間，使改進后的期望值模型可以保證系統(tǒng)的魯棒性要求。與基于隨機模擬的機會約束規(guī)劃相比，該方法可以減少大量的計算時間，并彌補了已有魯棒優(yōu)化方法不能充分利用概率信息、以及無法解決右端參數(shù)變化的不足。仿真實驗結果表明該

6、模型可以滿足系統(tǒng)要求。而且這種方法還可以方便地推廣到非線性優(yōu)化模型中。 鑒于帶補償?shù)亩A段隨機規(guī)劃模型無法根據(jù)決策者的決策需求控制約束的可行機會，建立了機會可控的補償隨機規(guī)劃模型，提出運用基于遺傳算法和單純形法的分解算法求解模型。在此基礎上，提出了基于補償?shù)亩A段魯棒調度策略，允許約束在一定容許程度的條件下違背和補償，使軟約束更具備可操作性，然后將補償成本記入總目標，對總目標進行尋優(yōu)，從而在可行和最優(yōu)化之間達到一種新的平衡。在補

7、償和機會可控思想的指導下，針對需求不確定的化工批處理過程的短期調度問題，建立了魯棒調度模型。仿真結果表明了這種模型可以找到更具魯棒性、令決策者滿意的調度策略。 提出了處理時間不確定條件下基于在線調整的魯棒調度新策略，該策略由基本調度策略和在線調整過程兩部分構成，并以化工批處理過程的短期調度問題為例說明了策略的實現(xiàn)過程。首先針對已有的基于事件點的模型在描述存儲狀態(tài)時存在的不足，建立了具有分解的結構的調度模型。模型通過對存儲建立時間

8、函數(shù)來準確的描述存儲狀態(tài)，在彌補原有模型缺點的同時，使其呈獻特有的分解結構，為求解提供方便的同時，與所提出的魯棒調度策略相呼應，其中主問題對應基本調度策略，子問題對應在線調整過程，為分析不確定因素提供了方便。設計了基于簡單推理和遺傳算法的分解算法求解模型，這使得算法的搜索空間大為減小，提高了求解效率。在此基礎上，采用上述分解算法對含有不確定因素的調度模型求最優(yōu)解，以獲取基本調度策略，并說明了在線調整的方法以及在線調整的可行性。這種方法只

9、需收集足夠的現(xiàn)場信息，不需要進行復雜的在線計算，從而解決了在線調度中的實時計算問題，提高了在線調整的反應速度。 針對不確定條件下生產(chǎn)調度問題的階段性，綜合考慮多種不確定因素，研究了不確定條件下的決策過程，提出了一種三階段調度決策方法，將調度過程分為基本調度、在線調整和補償三個決策階段，并建立了三階段調度模型。模型以傳統(tǒng)的數(shù)學規(guī)劃模型為基礎，根據(jù)調度過程的特點將變量和約束分類，采取不同的處理方法，滿足不同階段的不同需求。最后，以化