关键词:
柔性作业车间调度
双层编码
关键路径
人工蜂群算法
摘要:
随着制造业的发展,车间自动化的占有比例越来越高,而智能制造是车间发展的大趋势。智能优化在各个产业都发挥着重要的作用,它会直接影响一个工厂的实际生产效率以及生产成本,进而影响不同客户对订单的需求,尤其是交货期方面的需求。柔性作业车间调度问题(Flexible Jobshop Scheduling Problem,简称FJSP)的优化是智能调度的一部分,也是智能优化问题研究领域中的一大热点,解决该问题的方法,也从最开始的精确求解方式到现在可以应用于大规模问题求解的智能优化算法,发展十分迅速。所以,本文以某公司机加车间的生产作业为研究对象,凝练出柔性作业车间调度问题,并针对该问题改进了的算法进行求解。首先,本文将最小化最大加工时间作为柔性作业调度问题的目标函数,建立数学模型。其次,引入人工蜂群算法(Artificial Bee Colony Algorithm,简称ABC)进行求解,但人工蜂群算法一般是求解连续性优化函数的,而无法解决离散型问题,因此本文对解进行了编码并且为了提高算法在求解过程中的搜索精度、克服局部最优等问题,本文对算法的三个阶段也分别进行了改进。在编码方面,为了保证解的准确描述。本文则采用双层编码方式,即在编码中加工工件与机器编码呈现一一对应关系。对算法的改进分别体现在雇佣蜂、观察蜂以及侦察蜂三个阶段,在雇佣蜂阶段运用RPOX交叉算子及工序串和机器串的变异算子,同时记录食物源被开采次数;在观察蜂阶段进行关键路径搜索得到新的邻域解,并将新解与旧解进行比较,选取较好的解。最后读取食物源的开采次数,并将超过限制开采次数的食物源相应的雇佣蜂或观察蜂变成侦察蜂,侦察蜂再进行新食物源的开采。在改进完成后,本文通过两个算例对改进的人工蜂群算法进行验证。通过验证可以发现改进的人工蜂群算法稳定性较好,求解能力较强。最后,将改进的人工蜂群算法应用到了M公司机加车间的柔性作业车间调度问题中,得到的结果是比人工排程提高了12.72%,并且设备之间的有效加工时间也更加均衡。证明了改进的人工蜂群算法在实际生产中的应用价值。