关键词:
柔性作业车间调度问题
粒子群算法
小生境技术
多目标优化
自动搬运车
摘要:
制造业是支撑现代工业技术发展的重要基础,伴随中国“一带一路”战略的实施,推动企业“走出去”发展,大批国内企业也在积极地寻找新的落脚点,开展国际化经营。在制造类企业的实际生产调度中,柔性作业车间调度的目的是为工序选择合理的加工机器和加工顺序,从而提高车间的生产效率、降低机器设备的损耗等。柔性作业车间调度问题相对于传统的作业车间调度问题增加了工件对机器的可选择性,即工件可以在多台机器中选择一台机器加工,更符合实际车间状态。本文采用改进粒子群算法解决考虑工件运输情况和加入自动搬运车的柔性作业车间调度问题,具体工作如下:首先,通过总结柔性车间调度问题的国内外研究情况,分析目前此类问题研究中的不足,寻找本课题的出发点,并选用粒子群算法求解此类优化问题。其次,针对单目标和多目标优化问题,改进了适用于求解这两类问题的粒子群算法。针对单目标柔性作业车间调度问题,在离散粒子群算法中引入邻域搜索算法和竞争学习机制,分别提高粒子群算法的局部探索和全局开发能力。针对多目标柔性作业车间调度问题,为了保证解集在收敛的同时又能均匀分布在解空间,进而在粒子群算法中结合了小生境技术,将种群划分为多个小种群,在粒子群优化过程中用小种群邻域最优解代替全局最优解,保持粒子在广阔空间寻优,通过控制优化过程中小生境的数量实现算法的收敛。并通过仿真实验分别验证了以上两种改进算法在求解单目标和多目标柔性作业车间调度问题时的可行性和有效性。最后,研究了在复杂约束条件下的柔性作业车间调度问题。针对考虑工件运输时间的柔性作业车间调度问题,设计了动态初始化方法,提高了初始解的质量,从而加快算法的收敛。针对含有自动搬运车的柔性作业车间调度问题,建立了机器和自动搬运车双资源约束的集成调度模型,设计启发式初始化方法提高了种群初始解的质量。并通过仿真实验进行对比,结果表明本文改进的粒子群算法在求解这两类问题时可行高效。