基于最小最大遗憾值准则的置换流水车间鲁棒调度模型
发布时间：2021-07-21 11:56
在此企业改革大方向下,生产调度系统作为企业生产系统重要的环节之一。一方面应当继续发挥生产调度系统在降低企业生产成本、缩短生产周期、提升生产效率,以及优化资源配置等方面的功能。另一方面,应当将生产系统的柔性和稳定性考虑进调度模型,提升生产系统的稳定性和抵御风险的能力。在不确定条件下稳定及时供货,加强企业下游客户的满意度提升企业竞争力寻求与供应链中企业的战略性合作机会。本文针对传统车间调度模型假定加工环境确定且优化目标单一的限制,本文研究加工时间不确定的置换流水车间调度问题,在最小最大遗憾值准则下构建同时考虑拖期和总完工时间鲁棒调度模型。通过有向图工具对最大遗憾值情景（即最差情景）进行分析,并运用遗传算法进行模型求解。实验仿真结果证明了本文所提出模型的有效性,也弥补了经典调度模型中仅考虑总完工时间鲁棒性的不足。主要完成了如下几方面的内容:1)将工件在设备上的加工时间通过区间表示,此种不确定因素的表示方法较随机或模糊变量表示方法既简便并且具有较高的准确性。同时,结合有向图工具将无限数量的加工时间情景缩小至有限数量的、可计算的加工时间情景。并且基于最小最大遗憾值准则,构建了以最大完工时间遗憾值...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
技术路线
重庆大学硕士学位论文3最小最大遗憾值调度模型构建及求解22图3.1有向图工具Fig.3.1Toolofdirectedgragh定义(,)表示构成0,0v到m,nv最长加权路径经过的所有顶点的集合，可得：(,)=∑(,)∈(,)(3.8)因此，调度方案在加工时间情景p下的遗憾值可以转化为:(,)′()=∑(,)∈(,)∑′(,)∈(′,)(3.9)其中，(,)表示加工时间情景s和调度方案π中从0,0v到m,nv的最长加权路径,(′,)表示加工时间情景s和调度方案中从0,0v到m,nv的最长加权路径。由上可见，使得公式（3.1）最大worst-casescenario须是极点情景，worst-casescenario满足以下形式：(,)∈(,)\(′,):=(3.10)(,)∈(′,)\(,):=(3.11)因此，worst-casescenario可以转化表示为：(,)∈(,):=(3.12)(,)(,):=(3.13)其中,(,)表示从0,0v到m,nv的一条可能路径上的所有顶点的集合。由于没有现成的多项式算法可以识别哪一条路径能使遗憾值最大，故而每一条路径都需
重庆大学硕士学位论文3最小最大遗憾值调度模型构建及求解243.3模型求解由于该PFSP的NP-hard性质，本文采用元启发式算法中遗传算法进行求解。其中，输入为加工时间上、下限矩阵，机器数量和工件数量，输出为调度方案。主要流程步骤如图3.2所示：图3.2模型求解流程图Fig.3.2FlowchartoftheAlgorithmforproposedmodel①有向图工具将无限数量情景缩减成有限数量由于本文是对L公司的新产品生产优化研究，新产品的生产相对于较成熟的产品而言较难确定不确定加工时间的概率分布函数或隶属度函数，故而通过区间表示，但是区间表示不确定加工时间会使得加工时间的情景数量无限，因此本算法首先通过有向图工具对加工时间情景进行缩减。②编码与初始解本文采用实数编码，一个染色体即是n个数的排列。本文初始解构成：为了满足初始解的多样性随机生成10个调度初始解。同时为了加快问题的求解速度，运用了解决流水车间生产调度问题中加工时间不确定最常用的处理方法MIH方法确定加工时间情景，并用NEH方法求出调度方案，并对此调度方案进行交换变异，生成9个调度方案。基于工序的编码方式表示的染色体可以表示成：[k1,k2,k3kl]
【参考文献】：
期刊论文
[1]求解一类柔性装配流水车间调度问题的混合分布估计算法[J]. 李子辉,钱斌,方德斌,胡蓉,张桂莲. 管理工程学报. 2017(04)
[2]基于后悔值准则的个性化产品鲁棒调度[J]. 许晓晴,张宗明,林军,崔文田. 工业工程与管理. 2017(05)
[3]面向多目标流水车间调度的混合遗传算法[J]. 罗哲. 湖南科技学院学报. 2017(10)
[4]置换流水车间调度问题的中心引力优化算法求解[J]. 刘勇,马良. 运筹与管理. 2017(09)
[5]基于HDABC算法的置换流水车间调度策略[J]. 刘刚,黄崇争. 控制工程. 2017(09)
[6]变邻域改进遗传算法求解混合流水车间调度问题[J]. 崔琪,吴秀丽,余建军. 计算机集成制造系统. 2017(09)
[7]改善式BVEDA求解多目标调度问题[J]. 裴小兵,陈慧芬,张百栈,陈孟辉. 山东大学学报(工学版). 2017(04)
[8]基于优势种群的离散果蝇优化算法求解无等待流水车间调度问题[J]. 张其亮,俞祚明. 计算机集成制造系统. 2017(03)
[9]基于种群的多层次迭代贪婪算法优化阻塞流水车间调度问题[J]. 张其亮,俞祚明. 计算机集成制造系统. 2016(10)
[10]利用猫群算法求解流水车间调度问题[J]. 马邦雄,叶春明. 现代制造工程. 2014(06)
硕士论文
[1]基于蜂群繁殖算法的流水车间调度问题研究[D]. 郭鹏.华中科技大学 2012
[2]基于JIT生产模式的汽车标准件企业的生产计划与控制研究[D]. 张莺.西安理工大学 2009
[3]改进遗传算法在调度领域中的应用[D]. 王书振.西安电子科技大学 2003
本文编号：3294979
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
技术路线
重庆大学硕士学位论文3最小最大遗憾值调度模型构建及求解22图3.1有向图工具Fig.3.1Toolofdirectedgragh定义(,)表示构成0,0v到m,nv最长加权路径经过的所有顶点的集合，可得：(,)=∑(,)∈(,)(3.8)因此，调度方案在加工时间情景p下的遗憾值可以转化为:(,)′()=∑(,)∈(,)∑′(,)∈(′,)(3.9)其中，(,)表示加工时间情景s和调度方案π中从0,0v到m,nv的最长加权路径,(′,)表示加工时间情景s和调度方案中从0,0v到m,nv的最长加权路径。由上可见，使得公式（3.1）最大worst-casescenario须是极点情景，worst-casescenario满足以下形式：(,)∈(,)\(′,):=(3.10)(,)∈(′,)\(,):=(3.11)因此，worst-casescenario可以转化表示为：(,)∈(,):=(3.12)(,)(,):=(3.13)其中,(,)表示从0,0v到m,nv的一条可能路径上的所有顶点的集合。由于没有现成的多项式算法可以识别哪一条路径能使遗憾值最大，故而每一条路径都需
重庆大学硕士学位论文3最小最大遗憾值调度模型构建及求解243.3模型求解由于该PFSP的NP-hard性质，本文采用元启发式算法中遗传算法进行求解。其中，输入为加工时间上、下限矩阵，机器数量和工件数量，输出为调度方案。主要流程步骤如图3.2所示：图3.2模型求解流程图Fig.3.2FlowchartoftheAlgorithmforproposedmodel①有向图工具将无限数量情景缩减成有限数量由于本文是对L公司的新产品生产优化研究，新产品的生产相对于较成熟的产品而言较难确定不确定加工时间的概率分布函数或隶属度函数，故而通过区间表示，但是区间表示不确定加工时间会使得加工时间的情景数量无限，因此本算法首先通过有向图工具对加工时间情景进行缩减。②编码与初始解本文采用实数编码，一个染色体即是n个数的排列。本文初始解构成：为了满足初始解的多样性随机生成10个调度初始解。同时为了加快问题的求解速度，运用了解决流水车间生产调度问题中加工时间不确定最常用的处理方法MIH方法确定加工时间情景，并用NEH方法求出调度方案，并对此调度方案进行交换变异，生成9个调度方案。基于工序的编码方式表示的染色体可以表示成：[k1,k2,k3kl]
【参考文献】：
期刊论文
[1]求解一类柔性装配流水车间调度问题的混合分布估计算法[J]. 李子辉,钱斌,方德斌,胡蓉,张桂莲. 管理工程学报. 2017(04)
[2]基于后悔值准则的个性化产品鲁棒调度[J]. 许晓晴,张宗明,林军,崔文田. 工业工程与管理. 2017(05)
[3]面向多目标流水车间调度的混合遗传算法[J]. 罗哲. 湖南科技学院学报. 2017(10)
[4]置换流水车间调度问题的中心引力优化算法求解[J]. 刘勇,马良. 运筹与管理. 2017(09)
[5]基于HDABC算法的置换流水车间调度策略[J]. 刘刚,黄崇争. 控制工程. 2017(09)
[6]变邻域改进遗传算法求解混合流水车间调度问题[J]. 崔琪,吴秀丽,余建军. 计算机集成制造系统. 2017(09)
[7]改善式BVEDA求解多目标调度问题[J]. 裴小兵,陈慧芬,张百栈,陈孟辉. 山东大学学报(工学版). 2017(04)
[8]基于优势种群的离散果蝇优化算法求解无等待流水车间调度问题[J]. 张其亮,俞祚明. 计算机集成制造系统. 2017(03)
[9]基于种群的多层次迭代贪婪算法优化阻塞流水车间调度问题[J]. 张其亮,俞祚明. 计算机集成制造系统. 2016(10)
[10]利用猫群算法求解流水车间调度问题[J]. 马邦雄,叶春明. 现代制造工程. 2014(06)
硕士论文
[1]基于蜂群繁殖算法的流水车间调度问题研究[D]. 郭鹏.华中科技大学 2012
[2]基于JIT生产模式的汽车标准件企业的生产计划与控制研究[D]. 张莺.西安理工大学 2009
[3]改进遗传算法在调度领域中的应用[D]. 王书振.西安电子科技大学 2003
本文编号：3294979
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3294979.html
