论文部分内容阅读
生产制造系统作为一类人造的复杂系统,具有非线性、不确定性、多目标性、多约束性、强约束性、NP难、多局部最优性等特点。生产过程的调度问题是工业等制造系统一个重要的研究领域,也是理论研究中一个非常复杂、困难的问题之一。智能优化算法在求解复杂的生产车间调度问题方面,已经有了较长时间的研究历史,其在学术界和工业界已经成为一个热门的研究领域。分布估计算法是进化算法这一领域中新兴的算法种类。不同其他进化算法依据旧解生成新解的机制,分布估计算法依据分布概率模型对解信息的描述,能够有效地求解复杂的流水车间调度问题优化问题。本文将分布估计算法应用于求解三类新兴的复杂流水车间调度问题。主要的研究工作如下:(1)针对带有设置时间和到达时间的分布式零等待流水线调度问题(the distributed No-wait flow shop with Sequence Dependent Setup Times and Arrival times,DNPFSP with SDSTs and RDs,DNFSSP),提出一种自适应的分布估计算法对该问题进行求解,优化的目标为最小化其最大化完成时间(makespan)。算法利用分布概率模型对优质解的信息描述,对新解的生成进行指导。使用变邻域局部搜索算法对优质解的邻域空间进行搜索。通过对不同规模的测试问题的求解并与其他算法进行比较,验证了所提分布估计算法的有效性和鲁棒性。(2)针对带装配的分布式置换流水线调度问题(Distributed Assembly Permutation Flow-Shop Scheduling Problem,DAFSSP),提出一种改进版的分布估计算法对该问题进行求解,优化的目标为最小化其最大化完成时间(makespan)。算法利用分布概率模型对从产品层面和工件层面对优质解的描述信息,对新解的生成进行指导。使用变邻域局部搜索算法对优质解从产品序列、工件序列和可执行解三个层面对邻域空间进行搜索。通过对不同规模的测试问题的仿真,并与其他算法进行比较,验证了所提分布估计算法的有效性和鲁棒性。(3)针对带装配的分布式异构流水线调度问题(Distributed Heterogeneous Assembly Permutation Flow-Shop Scheduling Problem,DAFSSP),提出一种改良的分布估计算法(ameliorated estimation of distribution algorithm,AEDA)对该问题进行求解,优化的目标为最小化其最大化完成时间(makespan)。本章中将ECF规则改变后应用在本问题中,并提出适应本问题的局部搜索。通过对不同规模的测试问题的仿真,并与其他算法进行比较,验证了所提分布估计算法的有效性和鲁棒性。