流水車間批量流調(diào)度問題求解方法研究.pdf

1、批量流是實現(xiàn)最佳生產(chǎn)技術(shù)的一種有效手段，能夠縮短機(jī)器等待閑置時間，降低在制品庫存，加快工件在生產(chǎn)過程中的流動。流水車間批量流調(diào)度問題是經(jīng)典流水車間調(diào)度問題的擴(kuò)展，也是最困難的組合優(yōu)化問題之一。該問題具有重要的實際意義和理論價值，引起了越來越多的學(xué)者和技術(shù)人員的重視。論文以入侵性雜草優(yōu)化算法（Invasive Weed Optimization algorithm,IWO）和人工蜂群算法（Artifical bee colony opti

2、mization,ABC）為主要技術(shù)手段，對流水車間批量流調(diào)度問題進(jìn)行深入研究，提出了與問題特征有機(jī)結(jié)合的高效智能優(yōu)化調(diào)度算法。
　　針對等量分批流水車間批量流調(diào)度問題，建立了數(shù)學(xué)規(guī)劃模型，運用IWO和ABC分別優(yōu)化最大完工時間和總流經(jīng)時間。首先，采用基于加工批次序列的編碼和針對批次序列的操作算子，設(shè)計了IWO和ABC的新解產(chǎn)生方法，使之作用于離散域，直接產(chǎn)生可行鄰域解，得到了離散IWO(Discrete IWO,DIWO)和離散

3、ABC(Discrete ABC,DABC)。然后，基于啟發(fā)式算法提出了一種初始化方法，該方法能夠產(chǎn)生質(zhì)量高、分散性好的種群，為DIWO和DABC提供了好的搜索起點；基于鄰域解的相似性和問題特征設(shè)計了一種插入鄰域快速評價算法，有效地降低了鄰域搜索的時間復(fù)雜度；分析了DIWO和DABC的優(yōu)化機(jī)理，從新解產(chǎn)生、選擇算子、進(jìn)化機(jī)制等方面提出了改進(jìn)算法性能的措施，并嵌入局部搜索算法來增強(qiáng)算法的局部搜索能力。最后，采用ANOVA和試錯法對所提DI

4、WO和DABC進(jìn)行參數(shù)標(biāo)定。大量的仿真試驗結(jié)果表明，所提算法在解決等量分批流水車間批量流調(diào)度問題上顯著優(yōu)于相關(guān)文獻(xiàn)中的其他智能優(yōu)化方法。
　　針對批次內(nèi)零空閑等量分批流水車間批量流調(diào)度問題、機(jī)器零空閑等量分批流水車間批量流調(diào)度問題、零等待等量分批流水車間批量流調(diào)度問題和序列相關(guān)準(zhǔn)備時間的等量分批流水車間批量流調(diào)度問題，分別建立了數(shù)學(xué)規(guī)劃模型。采用DIWO和DABC分別優(yōu)化最大完工時間和總流經(jīng)時間。針對問題的不同特征，設(shè)計了DIWO

5、和DABC的操作算子、解碼方法和插入鄰域快速評價算法，使之能夠求解不同的調(diào)度問題。仿真試驗表明了所提算法的有效性和優(yōu)越性。
　　針對流水車間批量流集成調(diào)度問題，同時考慮批次分割和批次排序，提出了一種數(shù)學(xué)規(guī)劃模型。以最小化最大完工時間為目標(biāo)，設(shè)計了一種改進(jìn)DIWO集成調(diào)度算法。采用分段編碼方法表示批次分割和批次排序兩個子問題。針對批量分割部分，設(shè)計了±1變異和隨機(jī)變異兩種鄰域算子。針對批次排序部分，設(shè)計了插入操作、互換操作和隨機(jī)操作

6、三種鄰域算子。研究了六種不同的鄰域解產(chǎn)生方式和提高算法局部搜索能力的方法。提出了一種改進(jìn)DABC集成調(diào)度算法優(yōu)化總流經(jīng)時間，引入一個新的控制參數(shù)平衡雇傭蜂和觀察蜂的搜索能力，改進(jìn)了偵察蜂的隨機(jī)搜索策略以引導(dǎo)算法向優(yōu)良區(qū)域探索。仿真試驗證明了所提算法的有效性。
　　在算法研究的基礎(chǔ)上，根據(jù)某汽車發(fā)動機(jī)公司連桿加工車間的生產(chǎn)過程，分析了實際存在的流水車間批量流調(diào)度問題，將所提算法應(yīng)用于實際生產(chǎn)，驗證了所提算法的可行性和有效性。