关键词:
柔性作业车间调度
改进人工蜂群算法
加速度非线性增减
目标权重
摘要:
柔性作业车间调度问题(Flexible Job Schedule Problem,FJSP)是一个经典的NP-hard问题,在FJSP中,存在若干个工件需要被一组机器进行加工处理,每个工件存在若干个工序。同一个工件的加工顺序存在先后顺序约束,每道工序可在其可选机器集中任意一个机器进行加工,每台机器同时只能处理一个工序,而如何得到同时满足几个优化需求的调度方案则是该问题的目标。目前,许多科学家正专注于使用经济指标作为柔性作业车间调度(FJSP)问题的研究主题,而对车间能耗等绿色指标的考虑有限。同时,许多针对多个优化目标的的FJSP研究中,由于需要同时考虑生产效率、生产成本、客户满意度等多个优化目标,这导致FJSP的求解难度增大,因此多通过数学规划模型和优化算法进行求解,并没有考虑决策者等人为因素的参与对调度方案的影响。因此,本文主要围绕W公司柔性作业生产车间,针对考虑能耗的多目标柔性作业车间调度问题的数学模型与人工蜂群算法展开研究,并将人为决策因素考虑到最终调度方案中。
首先,本文综合分析了对于FJSP的评价因素得出了评价调度方案的四大目标,即最大完工时间、最小总负荷、最小车间总能耗和客户满意度,构建了一个同时优化传统目标与能耗指标的的混合整数规划模型。并在该模型中,引入机器的加工参数—加工速度,讨论其对优化目标的影响。
其次,本文结合标准人工蜂群算法(ABC)设计出了一个改进的人工蜂群算法对FJSP模型进行求解。针对FJSP模型的特征,本文在编码和解码部分首先设计了双重实数编码和左移插入解码方式。其次在种群初始化部分设计了随机规则和三种优先选择规则相结合的种群初始化策略。再次,在雇佣蜂阶段和观察蜂阶段设计了IPOX交叉策略和变步长策略进行交叉和变异,接着引入加速度非线性增减策略影响蜂群的移动速度以避免算法过早收敛或陷入局部最优。最后针对决策者的人为参与提出AHP评价方法确定优化目标的权重数值。
最后,在算例实验中,本文基于经典算例设计了适用于FJSP模型的测试算例,对改进的人工蜂群算法的整体与局部性能进行测试,测试结果表明改进后的算法在解决多目标柔性作业车间调度问题上是完全可行且高效率的。同时,为解决W公司柔性作业车间调度问题,将不同权重方案的优化结果进行比较,为决策者选出综合最优的调度方案。
在理论方面,本研究为考虑能耗的FJSP模型构建和群智能算法改进方面提供了一定参考价值。在实践方面,本研究能够帮助企业提高车间生产效率、减少能源消耗和提升客户满意度,并为企业参与绿色车间调度提供一定指导意见。为决策者在面临多种情况下的调度需求提供多种解决方案。