关键词:
柔性作业车间
智能算法
节能调度
摘要:
伴随着国内环境污染问题的加重,国家和地方政府对于环境保护也越来越重视,为了有效应对这种形势,企业要制定更加灵活合理的生产计划和车间调度方案,同时在调度管理的过程中,也需要考虑环保和能耗的指标要求。在作业车间系统中,通过设备调整的方式使得产品加工路径变得柔性,可以有效提高车间调度的效率和灵活性,但是柔性加工路径的增加也相应提高了车间调度问题的复杂度,以往的研究验证了柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP)是一种具有NP难特性的组合优化问题。然而,在当今环保的严峻形势下,在实际车间调度过程中增加能耗和碳排放等优化指标,可以使得调度方案在提高生产效率,降低制造成本的同时,有效减少对环境的污染,进而为企业提供一种绿色和可持续的生产方式。因此,结合柔性作业车间生产的实际,构建合理的节能调度问题模型,并设计高效的求解算法具有重要的理论和实际意义。本文主要针对不同车间生产环境特点,研究构建不同类型的柔性作业车间节能调度问题(Energy-Saving Flexible Job Shop Scheduling Problem,EFJSP)模型,并设计合理高效的求解算法,主要完成了以下工作:首先,研究了单目标柔性作业车间节能调度问题(Single-Objective Energy-saving Flexible Job Shop Scheduling Problem,SO_EFJSP),构建了以加工成本和能耗成本之和最小作为优化目标的问题模型。在所建问题模型中,设备的能量消耗成本包括加工能耗成本和空载能耗成本两个部分。为了有效求解该问题,设计了一种改进的鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA)。首先引入一种基于随机键的升序排列规则(Ranked-Order-Value,ROV)的转换机制来实现FJSP问题解与鲸鱼个体位置向量之间的相互转换;其次,采用基于一定比例全局搜索、局部搜索和随机搜索的混合式种群初始化方法,以提高初始种群的质量;再次,设计了非线性收敛因子和自适应惯性权重系数来增强算法协调全局搜索和局部寻优的能力;同时,引入自适应调整搜索策略以防止算法陷入局部最优;最后,通过对随机算例和标准算例的仿真实验验证了所建模型的正确性和所提算法的有效性。其次,提出了求解单目标柔性作业车间节能调度问题的离散鲸鱼优化算法(Discrete Whale Optimization Algorithm,DWOA)。针对IWOA在求解过程中,由于转换机制的引入而导致其求解速度较慢的不足,借鉴鲸鱼优化算法的求解思想,设计了一种新的元启发式算法——离散鲸鱼优化算法。DWOA采用三种不同的交叉操作替代传统鲸鱼优化算法中“收缩包围”、“螺旋式位置移动”、“随机搜索”三种迭代操作,进而使得算法可以直接对SO_EFJSP进行求解,避免了转换机制的引入而导致的计算时间的增加;同时,为了有效平衡算法的全局搜索能力和局部寻优能力,采用6种不同的动态调整曲线来对收敛因子a进行改进,对应得到6种改进算法;最后通过对由14个标准算例和5个随机算例组成的19个算例的仿真实验,验证了所提DWOA在求解SO_EFJSP方面的具有良好的综合性能。再次,研究了低维多目标柔性作业车间节能调度问题(Low-Dimensional Multi-Objective Energy-Saving Flexible Job Shop Scheduling Problem,LDMO_EFJSP)。针对SO_EFJSP只考虑成本指标的单一性,构建了以最小化最大完工时间、总延期时长、设备总能耗为优化目标的LDMO_EFJSP模型。该模型中所有机器的转速恒定,并设计了一种基于稀疏度的改进的NSGA-Ⅱ算法,该算法通过对稀疏解执行不同邻域搜索操作的方式,得到局部搜索子代种群,并与原有种群组成新种群,以此来增强种群的多样性,提高算法的求解精度,然后运用加权法从所得Pareto解集中选出最优折衷解。最后通过企业实例和标准算例的对比仿真实验,验证了所提算法的优越性。最后,研究了高维多目标柔性作业车间节能调度问题(Many-Objective Energy-Saving Flexible Job Shop Scheduling Problem,MO_EFJSP)。针对LDMO_EFJSP模型没有考虑到机器转速对调度结果的影响,进一步构建了以最小化最大完工时间、总延期时长、设备总负荷、设备总能耗为优化目标的MO_EFJSP模型。该模型中每台机器都有多档加工速度可供选择,并针对改进NSGA-Ⅱ算法不适合求解高维多目标优化问题的不足,运用寻优能力更强的改进非支配排序遗传算法Ⅲ(Non-dominated S