定制生产型企业集团多项目调度方法研究

发布时间：2017-10-16 12:05

  本文关键词：定制生产型企业集团多项目调度方法研究

  更多相关文章： 定制生产型企业集团 多项目调度 分层递阶协调 两层规划 优化算法

【摘要】：定制生产型企业集团普遍存在于我国的装备制造行业中,其通常按项目制的方式组织生产,具有面向订单设计生产、产品单件小批,以及跨地域多子公司协同、多项目并行等特点。这决定了定制生产型企业集团的多项目调度与计划不仅具有单体企业项目调度问题的复杂性,而且还具有分层决策、递阶协调、各子公司独自计划等特点与复杂性,需考虑企业集团化背景下多项目的选择与分配、资源共享、集中采购等典型问题。然而当前的多项目调度与计划的研究主要集中在单体企业的集中式决策方法和虚拟企业联盟的分散式决策方法上,这些求解模型与优化方法通常不适用于企业集团分层递阶调控体系下的多项目调度问题的求解。因此,非常有必要分析定制生产型企业集团多项目调度的新问题,研究其在分层决策、递阶协调基础上的求解模型与求解算法,从而提高整个集团的资源利用率,增强子公司间的协调运作水平,缩短项目工期,降低项目总成本。本文的研究工作主要包括以下几方面：(1)分析企业集团的分层递阶调控模式,在此基础上提出企业集团精简的两层递阶协调模型和与此相应的多项目调度两层规划统一数学模型,并指出在多项目选择与分配、考虑资源共享、考虑集中采购的多项目调度问题中集团层和子公司层各自优化的内容和相应的求解算法。(2)子公司中的项目调度问题,可归结为单个或多个资源受限的项目调度问题(RCPSP/RCMPSP),而RCMPSP可通过合并多个项目的方式转化成RCPSP问题来求解。因此,针对RCPSP问题,提出了一种动态多样性的进化策略求解算法DDES。算法通过动态控制种群的多样性和使用多样性重启方法来实现全局搜索能力和局部探测能力的平衡,并设计了一种基于最大资源利用率的两点交叉算子和基于插入的变异算子来产生新个体,使用基于多样性的精英保留选择算子来产生新种群。仿真实验表明,DDES的求解质量和收敛速度明显优于基本进化策略BES,而与当前其他的一些优秀算法相比,也表明DDES能很好地兼顾求解质量和求解效率的平衡。(3)针对企业集团根据各个子公司的实际生产能力(资源可用量、成本),从备选项目集中选择最佳项目组合,再合理分配到各子公司,由各子公司分别进行调度,以获得最大集团总收益的问题,构建了数学模型,并提出了两种基于项目收益优先级的启发式算法(优先值不变的启发式算法FPA和优先值可变的启发式算法VPA)和一种混合智能优化算法(遗传-粒子群算法GA-PSO),在GA-PSO中还提出了一种压缩搜索空间和缩短搜索时间的策略来提高寻优效率。仿真实验表明,在各种问题规模下,GA-PSO都优于FPA和VPA,而时间和空间压缩策略在保证求解质量的前提下,能显著地缩短求解时间。(4)针对考虑集团内资源共享的情况,以集团的项目总成本最小为优化目标,构建了多项目调度数学模型,先提出一种基于DDES的集中式方法DDES-CM来求解,然后分析了该方法在实际应用中的不足,又提出了一种基于路径重连的离散粒子群算法DPSO-PR。DPSO-PR针对编码AllDifferent问题提出了一种新的粒子位置更新方法,用于确定各子公司使用共享资源的顺序,而在共享资源初始化分配阶段,提出了一种基于最大资源使用成本优先值的快速分配方法,在共享资源迭代再分配阶段则设计了一种串行分配方法。仿真实验表明,在绝大多数情况下,特别是中、大规模的问题中,DPSO-PR求得的项目总成本小于DDES-CM,且随着问题规模的增大,项目成本减少率也增大；此外,与连续AllDifferent粒子群算法PSO-CA相比,也表明DPSO-PR的粒子位置更新方式能更快找到更优的解。(5)针对考虑集团集中采购的情况,以集团项目总成本最小为优化目标,构建了多项目调度数学模型,先对该问题的一些相关概念进行了定义,并指出该问题实际是一个分组数不确定的分组优化问题,然后提出了基于传统分组遗传算法的GGA-CP算法和带禁忌列表的分组离散粒子群算法GDPSO-TL。在GDPSO-TL中,使用粒子解码的规范化来解决编码的冗余问题,使用禁忌列表来避免对已有分组策略的重新搜索。仿真实验表明,采用集中采购方式的多项目调度方法(GDPSO-TL和GGA-CP)求得的项目总成明显小于采用分散采购方式的方法,GDPSO-TL的求解质量优于GGA-CP,且在求解中、小规模问题时,GDPSO-TL的求解效率更好。(6)针对实际中企业集团难以一开始就同时考虑多项目选择与分配、资源共享、集中采购的问题,提出了企业集团多项目调度阶段化求解流程,并将该求解流程与前述的研究方法应用在某大型模具企业集团中,开发了该模具企业集团多项目调度管理系统,最后以该企业集团的一个实际案例再次验证了本文所提出的多项目调度研究方法的有效性。
【关键词】：定制生产型企业集团 多项目调度 分层递阶协调 两层规划 优化算法
【学位授予单位】：广东工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：F426.4;F273
【目录】：

• 摘要4-7
• ABSTRACT7-32
• 第一章 绪论32-47
• 1.1 课题研究的背景及意义32-35
• 1.1.1 企业集团化发展趋势32
• 1.1.2 定制生产型企业集团生产制造模式的特征32-33
• 1.1.3 企业集团化背景下项目调度面临的新问题33-34
• 1.1.4 研究目的及意义34-35
• 1.2 相关问题的国内外研究现状35-44
• 1.2.1 企业集团35-36
• 1.2.2 资源受限单(多)项目调度问题36-38
• 1.2.3 项目组合选择与调度问题38-39
• 1.2.4 企业集团项目调度问题39-41
• 1.2.5 分布式多项目调度问题41-42
• 1.2.6 文献综述总结与问题分析42-44
• 1.3 课题来源及研究内容44-47
• 1.3.1 课题来源44
• 1.3.2 研究目标及主要内容44-45
• 1.3.3 章节组织结构45-47
• 第二章 定制生产型企业集团多项目调度优化建模研究47-51
• 2.1 引言47
• 2.2 企业集团递阶协调模型47-48
• 2.3 企业集团多项目调度两层递阶优化建模48
• 2.4 两层递阶优化问题48-50
• 2.4.1 企业集团多项目调度两层递阶优化建模48-49
• 2.4.2 企业集团多项目调度两层递阶优化求解算法49-50
• 2.5 本章小结50-51
• 第三章 求解资源受限项目调度的动态多样性进化策略51-65
• 3.1 引言51
• 3.2 RCPSP问题描述51-52
• 3.3 基本进化策略52-53
• 3.4 求解RCPSP的动态多样性进化策略53-54
• 3.5 DDES的具体实现54-58
• 3.5.1 个体表示和初始种群生成54
• 3.5.2 调度产生方案和双向对齐技术54-55
• 3.5.3 个体差异55-56
• 3.5.4 最大资源利用率两点交叉算子56-57
• 3.5.5 基于增强插入的变异算子57-58
• 3.5.6 基于多样性的精英保留选择算子58
• 3.6 仿真实验与分析58-63
• 3.6.1 DDES参数设置58-60
• 3.6.2 DDES与BES的比较60-61
• 3.6.3 DDES与其他启发式算法的比较61-63
• 3.7 RCMPSP的求解63-64
• 3.8 本章小结64-65
• 第四章 企业集团多项目选择与分配调度研究65-91
• 4.1 引言65
• 4.2 问题描述65-66
• 4.3 数学模型66-68
• 4.4 基于优先值的启发式算法68-70
• 4.4.1 优先值不变的启发式算法68-69
• 4.4.2 优先值可变的启发式算法69-70
• 4.4.3 基于DDES的子公司项目调度70
• 4.5 遗传-粒子群混合算法70-77
• 4.5.1 基于GA-PSO的两层三阶段求解流程71
• 4.5.2 基于GA的项目选择71-74
• 4.5.3 基于PSO的项目分配74-76
• 4.5.4 基于DDES的多项目调度76
• 4.5.5 GA-PSO算法搜索空间和时间压缩策略76-77
• 4.6 仿真实验与分析77-90
• 4.6.1 测试数据78-82
• 4.6.2 实验结果与分析82-90
• 4.7 本章小结90-91
• 第五章 考虑资源共享的企业集团多项目调度研究91-114
• 5.1 引言91
• 5.2 问题描述91-92
• 5.3 数学模型92-93
• 5.4 基于DDES的集中式方法93-95
• 5.5 基于路径重连的离散粒子群算法95-105
• 5.5.1 DPSO-PR的求解流程95-96
• 5.5.2 企业集团共享资源分配方法96-99
• 5.5.3 考虑离散共享资源的子公司多项目调度求解99-102
• 5.5.4 DPSO-PR粒子位置公式和运算符的重新定义102-104
• 5.5.5 DPSO-PR粒子位置更新的具体实现104-105
• 5.6 仿真实验与分析105-112
• 5.6.1 测试数据105-106
• 5.6.2 实验结果与分析106-112
• 5.7 本章小结112-114
• 第六章 考虑集中采购的企业集团多项目调度研究114-143
• 6.1 引言114
• 6.2 问题描述114-115
• 6.3 数学模型115-118
• 6.4 相关概念的定义及其求解118-121
• 6.4.1 正向采购子网络118
• 6.4.2 反向采购子网络118-119
• 6.4.3 项目的最小采购成本119
• 6.4.4 项目完工期上限119
• 6.4.5 采购活动最早开始时间119-120
• 6.4.6 正向采购子网络的最优活动列表120
• 6.4.7 采购活动最晚开始时间120
• 6.4.8 项目耦合120-121
• 6.4.9 项目解耦规则121
• 6.5 分组遗传算法121-123
• 6.5.1 编码方式122
• 6.5.2 交叉操作122-123
• 6.5.3 变异操作123
• 6.6 带禁忌列表的分组离散粒子群算法123-133
• 6.6.1 GDPSO-TL的求解流程124-125
• 6.6.2 粒子的编码表示及其标准化125-126
• 6.6.3 禁忌列表与变异操作126
• 6.6.4 粒子解码126-128
• 6.6.5 采购子网络求解128-130
• 6.6.6 带指定采购时间点的子公司多项目调度求解130-133
• 6.7 仿真实验与分析133-142
• 6.7.1 测试数据133-136
• 6.7.2 实验结果与分析136-142
• 6.8 本章小结142-143
• 第七章 模具企业集团多项目调度管理系统与应用验证143-168
• 7.1 引言143
• 7.2 模具企业集团多项目协调计划管理背景143-144
• 7.3 企业集团多项目调度阶段化求解方法144-145
• 7.4 系统设计与实现145-156
• 7.4.1 系统体系结构145-146
• 7.4.2 系统功能设计146-149
• 7.4.3 系统实现149-156
• 7.5 应用实例156-167
• 7.6 本章小结167-168
• 总结与展望168-170
• 参考文献170-184
• 攻读学位期间以第一作者发表的论文184-185
• 攻读学位期间承担和主要参与的项目185-187
• 致谢187

，

本文编号：1042559