并行遺傳算法在車(chē)間作業(yè)調(diào)度問(wèn)題上的應(yīng)用.pdf

1、車(chē)間作業(yè)調(diào)度(JSSP)在企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)中占有十分重要的地位.生產(chǎn)調(diào)度系統(tǒng)也是CIMS、ERP等系統(tǒng)中的重要組成部分.生產(chǎn)調(diào)度位于CIMS體系結(jié)構(gòu)中的中間層,是控制與管理一體化的接合部.向上要給企業(yè)經(jīng)營(yíng)戰(zhàn)略決策層提供決策依據(jù),向下要安排生產(chǎn)加工任務(wù),指導(dǎo)監(jiān)督控制層的動(dòng)作.因些,生產(chǎn)調(diào)度是實(shí)施CIMS的關(guān)鍵.由于車(chē)間作業(yè)調(diào)度問(wèn)題是一個(gè)典型的NP-hard問(wèn)題,因此受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注.對(duì)它的研究具有很高的理論意義和實(shí)際意義.

2、 迄今為止,已有很多關(guān)于車(chē)間作業(yè)調(diào)度問(wèn)題的研究方法,如分枝定界法、基于優(yōu)先規(guī)則的啟發(fā)式方法,但是常見(jiàn)的JSSP的困難性和復(fù)雜性使傳統(tǒng)的搜索方法很難在合理的時(shí)間內(nèi)找到最優(yōu)解.近年來(lái),已經(jīng)引進(jìn)了一些人工智領(lǐng)域的新技術(shù)來(lái)解決這些問(wèn)題,如模擬退火(SA)、禁忌搜索(TA)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、遺傳算法(GA)等等. 遺傳算法是一類(lèi)借鑒生物界的進(jìn)化規(guī)律演化而來(lái)的隨機(jī)化搜索方法,其主要特點(diǎn)是直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作,不存在求導(dǎo)和函數(shù)連

3、續(xù)性的限定;具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力;采用概率化的尋優(yōu)方法,能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間,自適應(yīng)地調(diào)整搜索方向,不需要確定的規(guī)則.遺傳算法的這些性質(zhì),已被人門(mén)廣泛地應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、信號(hào)處理、白適應(yīng)控制和人工生命等領(lǐng)域. 并行遺傳算法(PGA)是過(guò)去十幾年以來(lái)GA研究的熱點(diǎn)之一,無(wú)論是理論還是應(yīng)用上都取得一些成熟的成果.因此本文將PGA用于求解JSSP調(diào)度問(wèn)題,本文主要有以下幾項(xiàng)內(nèi)容:(1)介紹分析了車(chē)間

4、作業(yè)調(diào)度的問(wèn)題描述、模型表示、特點(diǎn)以及對(duì)它的研究方法和研究現(xiàn)狀.本文將JSSP的研究方法分為兩大類(lèi),最優(yōu)化方法和近似/啟發(fā)式方法;(2)作為并行遺傳算法的基礎(chǔ),介紹了標(biāo)準(zhǔn)遺傳算法的來(lái)源,生物學(xué)方面的背景,編碼方式,適應(yīng)度函數(shù),基本遺傳操作(選擇、交叉、變異),基本參數(shù)的設(shè)置原則;(3)介紹了并行遺傳算法的分類(lèi),以及他們各自發(fā)展的歷史現(xiàn)狀,粗粒度并行遺傳算法的遷移策略,分為兩種同步遷移和異步遷移;(4)詳細(xì)介紹了針對(duì)JSSP的特點(diǎn)設(shè)計(jì)的新