论文部分内容阅读
生产调度问题是企业组织管理生产过程的关键和核心,合理优化的调度方案能够提高企业综合管理水平,为企业带来经济及社会效益。生产调度是非常复杂的优化问题,涉及多目标、多约束、不确定性等。对生产调度中不同的约束条件以及不确定的生产环境予以考虑有利于制定出贴近实际生产的调度方案,但同时也会增加求解难度,导致传统优化方法求解困难,甚至根本无法求解。本文深入研究了处理时间不确定条件下几类带约束的复杂流水车间调度问题,通过模糊规划方法建立了相应的调度模型,并针对具体问题提出了几种有效的智能优化算法。本文的主要研究成果概括如下：(1)针对带交货期窗口的提前拖期flowshop调度问题,考虑处理时间不确定的情况,采用三角模糊数描述不确定的处理时间,通过中间值最大隶属度法建立了以最小化提前拖期总惩罚为调度目标的模糊规划模型,并提出一种基于分散搜索机制的粒子群算法(Scatter Search Based Particle Swarm Optimization, SSPSO)对其进行优化求解。SSPSO算法将分散搜索机制引入到粒子群算法中,综合考虑解的多样性和算法的收敛速度,同时为了进一步提高算法性能,在算法中使用了差分进化操作以及临界准则。仿真实验数据验证了SSPSO算法在求解上述模糊调度模型时具有较好的性能。(2)针对中间存储时间有限的flowshop调度问题,采用一种模糊数排序的方法建立了处理时间不确定的模糊规划模型,将模糊最大完工时间的平均数和标准差进行加权作为调度目标。并提出一种改进粒子群和分布估计算法(Improved Particle Swarm Optimization with Estimation of Distribution Algorithm, IPSO-EDA)对上述模型进行求解。IPSO-EDA算法在基本粒子群更新公式中引入基于所有粒子自身最优位置的优质个体分布信息,改进了算法的更新机制,同时采用基于NEH的初始化和局部搜索策略提高算法的性能。此外,采用正交设计方法研究了算法参数对IPSO-EDA算法的影响,并对中间存储时间限制和不确定性权重系数进行了分析讨论。通过仿真对比实验验证了所提出的调度算法的优越性。(3)针对带并行机的混合flowshop调度问题(Hybrid Flowshop Scheduling, HFS),研究了基于向量表述方式的建模方法,考虑不确定的处理时间,采用模糊数排序法建立了问题的模糊规划模型,并提出一种改进分布估计算法(Improved Estimation of Distribution Algorithm, IEDA)对其进行优化求解。IEDA算法采用基于向量表述的编码方式,在种群初始化和多样性策略中引入破坏重建操作,在算法出现停滞时对最优个体进行基于破坏重建操作的变邻域局部搜索。采用正交设计方法选取IEDA算法的参数,并对调度目标中的权重系数进行了分析讨论,与其他算法的对比实验数据验证了IEDA调度算法具有较好的性能。