求解多目標(biāo)流水車間調(diào)度問(wèn)題的元啟發(fā)式算法研究.pdf

1、長(zhǎng)期以來(lái)，生產(chǎn)調(diào)度問(wèn)題不僅是生產(chǎn)管理者關(guān)注的重點(diǎn)，同樣也是組合優(yōu)化領(lǐng)域的熱點(diǎn)研究對(duì)象。多目標(biāo)流水車間調(diào)度問(wèn)題作為研究最為詳盡的多機(jī)調(diào)度問(wèn)題中的一個(gè)分支，有著廣泛的應(yīng)用。其任務(wù)是安排一組機(jī)器以特定的順序加工一組工件，同時(shí)通常需要滿足多個(gè)不同的約束條件。合理的加工工序和調(diào)度策略能夠有效降低企業(yè)的生產(chǎn)成本，資本損耗以及管理開(kāi)銷。因此，高效求解多目標(biāo)流水車間調(diào)度問(wèn)題對(duì)于提高生產(chǎn)效率，合理配置生產(chǎn)資源，降低生產(chǎn)管理成本，進(jìn)而提升企業(yè)的綜合競(jìng)爭(zhēng)能力

2、，具有十分重要的理論指導(dǎo)意義和現(xiàn)實(shí)增益價(jià)值。
　　作為一個(gè)經(jīng)典的NP-難類問(wèn)題，目前還沒(méi)有精確算法能夠在多項(xiàng)式時(shí)間內(nèi)解決
　　多目標(biāo)流水車間調(diào)度問(wèn)題。因此，許多啟發(fā)式和元啟發(fā)式算法被用于求解此類問(wèn)題，包括模擬退火，禁忌搜索，探索性的局部搜索，遺傳算法，文化基因算法，蟻群優(yōu)化等等。鑒于超體積方法在多類組合優(yōu)化問(wèn)題中的優(yōu)良表現(xiàn)，本論文將采用超體積貢獻(xiàn)度指標(biāo)作為迭代局部搜索過(guò)程中的選擇機(jī)制，用以求解多目標(biāo)流水車間調(diào)度問(wèn)題。

3、　　本論文采用基于超體積指標(biāo)方法的多目標(biāo)優(yōu)化算法框架，充分考慮流水車間調(diào)度問(wèn)題的自身特點(diǎn)，分別與路徑連接技術(shù)和局部擾動(dòng)機(jī)制進(jìn)行有機(jī)結(jié)合，從而進(jìn)一步提高帕累托近似解集的質(zhì)量。實(shí)現(xiàn)了基于超體積指標(biāo)方法的多目標(biāo)路徑連接算法和多目標(biāo)局部擾動(dòng)搜索算法，用以求解最小化總完成時(shí)間和最小化總延遲時(shí)間的雙目標(biāo)流水車間調(diào)度問(wèn)題。另外，鑒于當(dāng)前高維多目標(biāo)流水車間調(diào)度問(wèn)題的研究現(xiàn)狀，本論文提出了基于超體積方法的多目標(biāo)局部搜索算法對(duì)三個(gè)目標(biāo)和四個(gè)目標(biāo)的流水車間調(diào)