不確定環(huán)境下柔性作業(yè)車間調(diào)度模型與優(yōu)化算法研究.pdf

1、柔性作業(yè)車間調(diào)度問題(Flexible Job-shop Scheduling Problem,FJSP)因機器的柔性選擇更加貼近實際加工情況，同時，車間加工環(huán)境的不確定性因素日益凸顯，導致加工時間等參數(shù)難以獲得精確值，傳統(tǒng)的調(diào)度方式已不能滿足實際生產(chǎn)需要。所以，對不確定環(huán)境下柔性作業(yè)車間的調(diào)度模型及求解方法進行研究顯得非常有意義。
　　本文針對不確定環(huán)境下的柔性作業(yè)車間調(diào)度問題，首先基于模糊理論對問題進行建模，然后基于離散和聲搜

2、索(Discrete Harmony Search,DHS)算法求解單目標與多目標問題，最后對實際案例求解分析。主要研究成果及創(chuàng)新點如下：
　　(1)基于模糊理論對不確定環(huán)境下的FJSP模型進行了研究。首先對不確定加工參數(shù)進行了模糊化處理，選用一般三角模糊數(shù)描述加工時間，一般梯形模糊數(shù)描述交貨時間，更加符合實際加工情況。然后根據(jù)加工效率、客戶滿意度以及設備運行負荷設計了5個目標函數(shù)。最后對滿意度計算中完工時間與交貨時間隸屬度函數(shù)相

3、交的27種情況進行了討論。
　　(2)基于DHS對不確定環(huán)境下的單目標FJSP的優(yōu)化方法進行了研究。在傳統(tǒng)的DHS算法上做了以下改進：設計了基于工序和設備的離散編碼方式，采用主動解碼策略進行解碼；提出了啟發(fā)式的初始化方法；對于傳統(tǒng)DHS容易陷入局部最優(yōu)的問題，提出了一種自適應產(chǎn)生雙子代和聲策略；對于搜索效率較慢的問題，提出了批量更新記憶庫的策略。最后設計仿真試驗，通過計算分析得出以下結(jié)論：改進的DHS算法與傳統(tǒng)DHS相比，在求解精

4、度和效率方面均表現(xiàn)出了較大的優(yōu)勢，與經(jīng)典的GA相比，在求解性能上也有一定突破。
　　(3)基于DHS對不確定環(huán)境下的多目標FJSP的優(yōu)化方法進行了研究。結(jié)合Pareto優(yōu)化思想，設計了多目標DHS算法。首先對多個目標基于Pareto和動態(tài)擁擠距離進行排序選擇，對原記憶庫進行精英保留，然后自適應更新和聲產(chǎn)生新的記憶庫。最后設計仿真試驗，通過計算發(fā)現(xiàn)：多目標DHS算法求得的Pareto前沿面比NSGA-II算法更加逼近真實的Paret