面向双柔性多目标工作车间调度的智能算法研究

发布时间：2020-09-18 14:32

　　 柔性工作车间调度问题(FJSP)是得到最广泛研究的一类组合优化问题,针对该问题的研究对于提高工作车间效率、降低加工成本有重要的意义。然而伴随着车间加工模式、企业追求目标的变化,FJSP问题也需要融合新的加工元素以满足新形势下的加工要求。传统的FJSP问题中通常仅考虑机器作为车间唯一的资源约束,对其它资源约束如人工、工装约束的研究并不多见,这使得调度模型很难与实际工况相吻合。同时,在国家大力提倡绿色制造的背景下,如何对制造系统中的绿色指标建模从而实现加工过程中的能耗控制、环境保护也是亟需解决的问题。此外,如何设计高效的算法对新的模型求解也是一个重点和难点。本文研究内容如下:(1)提出考虑机器资源约束、人工资源约束的双柔性多目标调度车间模型,其中人工作为车间中的有限资源与机器共同决定工序的加工时间。建立了基于工艺约束、机器约束、人工约束的数学模型,以最小化最大加工时间、最小化最大机器负荷、最小化机器总负荷为优化目标。提出了综合考虑机器、人工约束和绿色指标的双柔性多目标车间调度模型,研究了不同机器和人工选择下对能耗、噪声、切削回收和安全指标影响,优化目标为最小化加工成本、最小化最大加工时间和最优化绿色性能。(2)针对双柔性多目标调度车间模型提出了一种模因算法(MA),根据问题特性设计相应的编码方法和解码方法,以及交叉和变异算子,提出一种消除算子以保证种群中的个体多样性。此外,本文提出了一种基于关键路径的邻域搜索算子,通过与非支配排序算法(NSGA-II)集成实现问题值域内的精确搜索。设计了一套用于验证算法有效性的算例,与另外两种成熟的多目标算法的对比实验表明本文提出的MA算法有很好的寻优性能。(3)针对融合绿色指标的双柔性调度问题的多目标特性,设计了一种非支配集成适应度排序算法(NEFR),介绍并改进了集成适应度排序算法,利用非支配排序和改进集成适应度排序共同决策进行个体选优。设计了两种基于关键路径且能够兼顾三个目标的邻域搜索算子,分别嵌入到NEFR框架中加强算法的局部搜索性能。基于传统FJSP问题算例设计了31个验证算例,对NEFR分别进行了横向和纵向的多组对比实验,结果表明NEFR在解决多目标调度问题上有更好的性能,并且证明了提出的邻域搜索策略的有效性。
【学位单位】：湖南大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O224
【部分图文】：

需要定义实数数字与工序序号之间的映射关系，使得每道工序都能用 1 到∑ 1的实数唯一表示。图3.2 给出了存在两个工件，每个工件拥有两道工序情况下的映射关系。根据工件和工序的个数不同，可以动态生成映射关系。

分代表对应工件的每道工序选择的加工机器编号。在本例中，MA 的第一部分含 3 和 2 两个数字，分别表示工件 1 的第一道工序选择机器号为 3，工件 1 的二道工序选择的加工机器为机器 2，第二部分与第一部分同理。与 MA 类似，A 序列也分为两部分，长度等于 OS 序列的长度。WA 每部分包含数字的含义为选择操作 MA 中对应位置机器的工人序号。例如第一部分中的两个数字为 2 和，分别表示工人 2 被选择以操作机器 3 加工工件 1 的第一道工序，工人 5 被选择操作机器 2 加工工件 1 的第二道工序。通过染色体可以得到工序、机器和人工对应关系，表示为：{(O11, M3, W2), (O21, M1, W2), (O12, M2, W5), (O22, M4, W4)}。过确定以上的对应关系，查询原始数据表 2.1，可以得到每道工序的加工时间。图 3.2 工序和实数的映射关系

MO-FJSPW的活动解码

【相似文献】

相关期刊论文 前10条

1 谷峰,陈华平,卢冰原,古春生;粒子群算法在柔性工作车间调度中的应用[J];系统工程;2005年09期

2 ;工业上应用成果[J];微计算机信息;1989年04期

3 张守刚;吴龙成;王艳;纪志成;;基于分布估计算法的硫化车间调度[J];系统仿真学报;2017年09期

4 马慧民;叶健飞;;柔性车间调度与设备维护的联合优化研究[J];机械设计与制造;2015年07期

5 黄英杰;姚锡凡;;基于目标级联法和粒子群算法的柔性分布式车间调度[J];中南大学学报(自然科学版);2012年01期

6 朱良学;;遗传算法在车间调度中的应用[J];软件导刊;2007年17期

7 季娜;蔡红霞;钱晖;;基于滚动时域优化策略的玻璃深加工车间调度研究[J];工业控制计算机;2017年03期

8 高亮;高海兵;周驰;;基于粒子群优化的开放式车间调度[J];机械工程学报;2006年02期

9 谷峰;陈华平;卢冰原;;基于遗传算法的模糊柔性工作车间调度优化[J];系统工程与电子技术;2006年07期

10 谷峰;陈华平;卢冰原;;基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用[J];系统工程理论方法应用;2006年06期

相关会议论文 前10条

1 谷峰;陈华平;卢冰原;;自适应多目标遗传算法在柔性工作车间调度中的应用[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

2 李桂芬;鞠彦兵;;基于仿真和遗传算法的车间调度优化方法研究[A];2006中国控制与决策学术年会论文集[C];2006年

3 魏杰;李铁克;;基于随机性参数混合免疫算法的工艺车间调度研究[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

4 陈可嘉;季平;;一种集成MRP与车间调度的混合整数规划模型[A];2006年中国运筹学会数学规划分会代表会议暨第六届学术会议论文集[C];2006年

5 张秀丽;黄越;刘念;;基于混合优化算法的多目标柔性工作车间调度[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

6 朱晓东;;基于TC-TPN的SMT产品制造系统车间调度[A];2008中国电子制造技术论坛论文集[C];2008年

7 张翠林;王烁;王军强;;考虑约束松弛的柔性流水调度研究[A];发展战略性新兴产业，助推新能源装备制造——2014年第四届全国地方机械工程学会学术年会暨新能源装备制造发展论坛论文集[C];2014年

8 甘屹;李胜;;蚁群算法的参数优化配置研究[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

9 刘辙;彭亮;崔广才;吴学礼;;混合遗传算法在车间调度中的应用[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

10 姚丹;郭放;石金华;;基于混合算法的网络化制造车间调度研究[A];全国先进制造技术高层论坛暨第七届制造业自动化与信息化技术研讨会论文集[C];2008年

相关重要报纸文章 前5条

1 田晓翠邋郑瑞丹;念好质量经打好安全牌[N];人民铁道;2008年

2 通讯员 谢晓刚;信息化让设备质量管理耳聪目明[N];人民铁道;2009年

3 张立民;印刷企业创新要多角度深切入[N];中国新闻出版报;2010年

4 通讯员 朱明熹;小改造做出节支大文章[N];人民铁道;2009年

5 王继征;ERP既带来技术也带来理念[N];中国纺织报;2007年

相关博士学位论文 前10条

1 鞠全勇;智能制造系统生产计划与车间调度的研究[D];南京航空航天大学;2007年

2 金亮亮;基于网络图与工艺规划集成的车间调度建模与优化[D];华中科技大学;2016年

3 林仁;离散制造企业资源弹性约束下作业车间调度问题研究[D];西南交通大学;2016年

4 王芳;面向碳效优化的柔性流水车间调度研究[D];华中科技大学;2017年

5 李新宇;工艺规划与车间调度集成问题的求解方法研究[D];华中科技大学;2009年

6 黄云峰;车间调度和谐范式与多智能体系统情智集成的研究[D];重庆大学;2010年

7 曾强;离散制造企业批量生产车间调度智能优化研究[D];重庆大学;2010年

8 温海骏;不确定环境下再制造生产计划与车间调度集成优化研究[D];合肥工业大学;2015年

9 王桂荣;分时电价下炼钢连铸生产调度优化方法[D];山东大学;2017年

10 郭文胜;基于敏捷制造模式的虚拟车间协同作业原理与应用实践[D];四川大学;2002年

相关硕士学位论文 前10条

1 李浩;基于粒子群优化算法的车间调度系统的研究与设计[D];宁夏大学;2018年

2 程冰;基于群体智能算法的车间调度方法研究[D];江南大学;2018年

3 任清华;双柔性流水车间调度及其与运输集成调度研究[D];湖南大学;2018年

4 公旭冉;面向双柔性多目标工作车间调度的智能算法研究[D];湖南大学;2018年

5 余方平;基于改进布谷鸟算法的车间调度研究[D];湖南大学;2017年

6 黄河知源;工艺不确定再制造车间调度算法研究[D];湖南大学;2017年

7 张耀辉;某汽车零部件制造公司车间调度系统的开发与应用[D];天津工业大学;2018年

8 秦莹莹;带恶化特征的车间调度优化研究[D];郑州大学;2018年

9 赵一霞;改进自适应非支配排序遗传算法在多目标车间调度的研究与应用[D];大连交通大学;2017年

10 郑凡;考虑订单选择的流水车间调度及其智能优化算法研究[D];武汉理工大学;2015年

本文编号：2821776