基于自適應遺傳算法的混合Flow shop調度研究.pdf

1、隨著市場競爭的日趨激烈，以顧客訂貨為導向的、多品種、小批量生產已成為現代工業(yè)的主要生產模式。準時生產制JIT(just in time)正是為應對這一挑戰(zhàn)而提出的，而如何實現準時交貨？怎樣將作業(yè)的生產計劃分解到具體機器上？如何尋找合理的調度方案？實現客戶希望的完工期與工廠實際的完成時間相一致；以求資源與任務之間合理高效地匹配，這是一個復雜的問題。 從數學層面上講：調度問題屬于組合數學范疇。隨著任務與資源量的擴大，由其組合所生成的

2、可行方案也急劇暴漲，這就是所謂的NP問題。如何從漸趨無窮多的調度方案中找出一個最優(yōu)解，是優(yōu)化算法所面臨的重要難題。在現今眾多的優(yōu)化算法中，遺傳算法作為一種非確定性的擬生態(tài)隨機優(yōu)化算法得到了廣泛的應用，其具有不依賴于問題模型的特性、全局最優(yōu)性、隱含并行性等特點，使得其可應用于作業(yè)車間調度問題。 以交貨期為導向，確定合適的調度方案，控制各作業(yè)的完工期與交貨期的偏離程度最小可以從兩方面為企業(yè)帶來經濟效益。一方面，由此得到各作業(yè)準確的開

3、工時間，就可以準確控制原材料的入庫時間，減少存儲費用，加速物料與資金的流通速度，提高生產效率；另一方面，各作業(yè)與交貨期偏離程度達到最小，在因延遲交貨方面所受到的罰款也會最小。這從存儲成本與懲罰成本兩個方面保證了企業(yè)成本的最小化，為實現準時化生產了奠定基礎。 本文針對混合Flow shop調度問題，提出了一種基于大變異算子自適應遺傳算法(Adaptive genetic algorithms)的求解方法，給出了染色體的編碼與解碼方

4、法，并利用 MATLAB 編程實現了算法的仿真。本文主要做了如下幾點工作： （1)建立了以準時交貨為目標的引線框架產品車間調度問題的數學優(yōu)化模型； （2)針對混合Flow shop調度問題，提出了一種基于遺傳算法的求解方法，給出了染色體的編碼解碼方法和相應的遺傳算子； （3)為改進標準遺傳算法的全局搜索能力，對交叉與變異算子進行了自適應改造；建立了用于求解混合Flow shop調度的自適應遺傳算法； （4)