求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

发布时间：2021-11-29 02:22

　　针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程（Advanced Planning and Scheduling,APS）中大规模复杂供应链调度问题提供了可借鉴的方法。 

【文章来源】：现代制造工程. 2020,(04)北大核心CSCD

【文章页数】：10 页

【部分图文】：

图1 分布式混合流水线车间示意

已知每个生产订单包含的产品型号和数量,及每种产品在各流水线上各道工序的处理时间,要求确定所有生产订单在各个流水线上的分配情况以及各流水线上的生产订单的加工顺序,使得调度指标最优,从而提升产能。1.2 数学模型

基于以上分析本文提出一种改进双层嵌套式遗传算法(Improved Double Nested Genetic Algorithm,IDNGA),改进双层嵌套式遗传算法流程如图3所示。外层遗传算法旨在计算各流水线的生产订单分配方案,得到各流水线的待生产订单列表,即内层遗传算法的母染色体;内层遗传算法根据外层算法得到的母染色体计算该流水线生产方案的最优解,同时作为反馈,为各流水线的调度指标的求解提供基础依据;综合所有流水线的最优排产方案计算出总体生产时间、准时交货率等,来评价该种群是否满足停止条件。内、外层遗传算法通过约束条件进行衔接和修正,进而获得整体最优解。

【参考文献】：
期刊论文
[1]基于混合的多目标遗传算法的多目标流水车间逆调度问题求解方法[J]. 牟健慧,郭前建,高亮,张伟,牟建彩.  机械工程学报. 2016(22)
[2]求解分布式置换流水线调度问题的化学反应优化算法[J]. 沈婧楠,王凌,王圣尧.  清华大学学报(自然科学版). 2015(11)
[3]基于改进免疫遗传算法的混合车间调度研究[J]. 汤洪涛,丁彬楚,李修琳,鲁建厦.  中国机械工程. 2014(09)
[4]批量生产集成调度问题的嵌套式混合遗传算法[J]. 郑永前,董洁,Lilian Forbach.  计算机集成制造系统. 2014(01)
[5]超大规模车间作业调度优化方法研究与仿真[J]. 刘军,陈瑞生,王晔楠.  计算机仿真. 2013(02)
[6]混合流水线调度研究进展[J]. 王凌,周刚,许烨,金以慧.  化工自动化及仪表. 2011(01)
[7]嵌套式模糊自适应遗传算法[J]. 喻寿益,邝溯琼.  控制工程. 2010(01)
[8]模糊自适应遗传算法[J]. 张大斌,王婧,刘桂琴,朱侯.  计算机工程与设计. 2008(18)
[9]遗传算法种群多样性的分析研究[J]. 张晓缋,戴冠中,徐乃平.  控制理论与应用. 1998(01)

硕士论文
[1]遗传算法及其在聚类分析中的应用[D]. 王婧.华中师范大学 2009



本文编号：3525645