论文部分内容阅读
生产调度是在生产任务给定的前提下，确定合理的市场决策，将有限的物质资源分配给不同的工作任务，使得预定的目标最优或者最大化近似最优的问题。随着近年来，市场竞争越来越激烈，企业的实际生产调度问题对企业经济效率的影响日益加重，而传统的优化方法已无法满足实际生产中复杂的大规模的调度问题的求解。因此，各种不同的智能优化方法在近几年不断的涌入调度领域中，使得调度问题的研究取得了很大的进展。本文研究了流程工业间歇生产过程中的多产品生产过程，即Flow Shop的几种不同类型的调度问题，同时，针对实际生产过程中的各种不确定因素，提出了协同免疫克隆优化算法，通过大量的仿真试验，验证了调度模型的正确性以及优化算法的有效性和优越性。
本文的主要研究内容可概括为：
(1)克隆选择机制所描述的记忆、学习和进化等特性越来越得到人工智能研究学者的重视，通过克隆选择使亲和度较高的抗体被确定性地参与进化，并募集新成员以维持群体自身平衡。免疫系统是一个具有自组织记忆特性的高度进化系统，将克隆选择机制与免疫系统结合起来，使得系统具有更迅速的进化能力。而免疫克隆算法作为一种新兴起来的智能算法已被有些学者应用于其他领域，但是利用免疫克隆算法来解决实际生产调度问题的报道却很少。本文在基本的免疫克隆算法基础上，在局部操作中引入激励度评价函数，使得抗体应答抗原的综合能力不仅和其亲和力有关，而且与其浓度也有关系，增加新的突变操作，从而扩大搜索范围。同时引入一种新的竞争&合作型协同进化机制，针对生产调度模型特点，提出了协调免疫克隆算法。
(2)研究了流程工业间歇生产过程中的Flow Shop的不同类型的得到问题，针对零等待存储策略、中间储罐时间有限的Flow Shop调度问题，根据各问题特点，建立相应模型，并将协同免疫克隆算法引入这些调度问题中，提出解决此类调度问题的CICAZW算法和CICAFIST算法，通过对不同类型及规模达到问题进行大量仿真验证了调度模型的正确性以及优化算法的有效性和优越性。
(3)针对实际生产过程中的处理时间的不确定的情况，研究了Flow Shop中间存储时间有限的约束条件下的不确定产品处理时间的调度问题，利用模糊规划理论，基于中间隶属度最大建立调度模型，提出突变概率自适应变化的协同免疫克隆算法，CICAFISTU算法，通过大量仿真验证了调度模型的正确性以及优化算法的有效性和优越性。最后，对本文的研究工作进行了总结，并展望了调度问题进一步研究的方向和应用前景。