柔性作業(yè)車間的多目標(biāo)動(dòng)態(tài)穩(wěn)健調(diào)度研究.pdf

1、車間調(diào)度方法與優(yōu)化技術(shù)的研究已經(jīng)成為先進(jìn)制造技術(shù)的基礎(chǔ)和關(guān)鍵。在制造業(yè)車間，調(diào)度問(wèn)題的規(guī)模巨大，所涉及的對(duì)象復(fù)雜。調(diào)度優(yōu)化問(wèn)題通常是多目標(biāo)的，而且各目標(biāo)之間往往存在沖突。此外，實(shí)際生產(chǎn)過(guò)程中還存在著不確定的擾動(dòng)因素，比如:機(jī)器故障、加工時(shí)間改變，緊急插單等。因此，對(duì)車間調(diào)度問(wèn)題進(jìn)行深入的研究，能夠更好的指導(dǎo)生產(chǎn)。
　　論文正是在這樣的背景下，結(jié)合實(shí)際生產(chǎn)調(diào)度問(wèn)題所面臨的多目標(biāo)和動(dòng)態(tài)性等問(wèn)題，對(duì)柔性作業(yè)車間的多目標(biāo)調(diào)度問(wèn)題進(jìn)行了研究

2、，并取得了一些有意義的研究成果。
　　論文的主要工作為:
　　(1)對(duì)車間調(diào)度問(wèn)題的研究背景，研究現(xiàn)狀以及研究趨勢(shì)進(jìn)行總結(jié);對(duì)現(xiàn)有的車間調(diào)度算法進(jìn)行對(duì)比分析;闡述了本課題的研究意義和研究目的。
　　(2)對(duì)多目標(biāo)優(yōu)化算法進(jìn)行分析，強(qiáng)調(diào)進(jìn)化算法相對(duì)于傳統(tǒng)多目標(biāo)算法的優(yōu)勢(shì)。并基于工件目標(biāo)的不同，提出了柔性作業(yè)車間的多目標(biāo)調(diào)度問(wèn)題的評(píng)價(jià)指標(biāo)體系。該體系包含時(shí)間、機(jī)器負(fù)荷、成本、交貨期在內(nèi)的柔性作業(yè)車間的調(diào)度目標(biāo)，并討論了各目

3、標(biāo)的計(jì)算方法。
　　(3)根據(jù)實(shí)際制造系統(tǒng)中關(guān)注最多的最大完成時(shí)間最小和提前/拖期懲罰最小為目標(biāo)，建立了柔性作業(yè)車間的多目標(biāo)的調(diào)度模型。另外，論文提出一種包含擾動(dòng)事件評(píng)估、緩沖整合、局部更新、完全重調(diào)度的多級(jí)動(dòng)態(tài)穩(wěn)健調(diào)度策略，彌補(bǔ)了當(dāng)前對(duì)如何減少完全重調(diào)度的次數(shù)，保證調(diào)度方案的連續(xù)性和穩(wěn)健性方面存在的缺陷。
　　(4)對(duì)求解柔性作業(yè)車間的多目標(biāo)調(diào)度問(wèn)題的遺傳算法進(jìn)行改進(jìn)，將免疫算法引入遺傳算法中，利用免疫和熵原理維持種群的多

4、樣性;另外，針對(duì)多目標(biāo)遺傳算法在精英選擇策略方面的不足，引入了分布函數(shù)，最后通過(guò)實(shí)例驗(yàn)證了算法的可行性。
　　(5)針對(duì)實(shí)際制造車間動(dòng)態(tài)性的特點(diǎn)，提出了一種基于滾動(dòng)窗口的多目標(biāo)免疫遺傳算法策略。該策略基于周期和事件驅(qū)動(dòng)的再調(diào)度機(jī)制將調(diào)度過(guò)程分成一系列連續(xù)的靜態(tài)調(diào)度區(qū)間，在每個(gè)區(qū)間內(nèi)用基于Pareto概念的多目標(biāo)免疫遺傳算法進(jìn)行優(yōu)化調(diào)度。并根據(jù)調(diào)度模型目標(biāo)的設(shè)置，提出了相對(duì)應(yīng)的窗口工件選取原則。
　　(6)對(duì)完全重調(diào)度的穩(wěn)健性