关键词:
人工蜂群算法
柔性作业车间
变步长
两阶段
动态调度
摘要:
柔性作业车间是接纳上层物料、订单任务和生产状态反馈的聚集点,研究柔性作业车间的调度优化对实现智能制造具有重要意义。人工蜂群算法结构简单,鲁棒性强,适用于求解车间调度类NP难的优化问题。基于上述背景,本文对改进人工蜂群算法及其在柔性作业车间调度中的应用展开研究,主要内容如下:首先,建立以最大完成时间为目标的柔性作业车间单目标调度优化模型,提出一种变步长人工蜂群算法。采用基于概率选择交叉个体的方法,平衡算法开发与探索能力;引入搜索阈值提出变步长搜索策略,使大步长与小步长有机结合,提高算法的全局搜索能力;增加侦查蜂数量保持种群的多样性。通过Kacem数据集上的标准算例验证改进策略的有效性,与已有算法对比结果表明,所提算法具有更强的寻优能力和收敛性。其次,以最大完成时间、瓶颈机器负荷和机器总负荷为优化目标,将单目标柔性作业车间调度扩展为多目标问题。受保留解策略对算法搜索方向产生影响的启发,设计两种不同的种群更新策略,提出两阶段混合人工蜂群算法。第一阶段采用独立更新策略,保持解的分散性;第二阶段采用贪婪策略保留新种群,加快算法收敛。提出一种全局搜索能力强的改进逆序变异方法,采用多重变异策略提高种群的多样性。利用Brandimarte数据集的10个算例验证所提算法的有效性,与已有算法相比,所提算法具有更好的种群多样性和收敛性,适用于不同规模的柔性作业车间问题。最后,在传统的生产调度目标基础上,将碳排放这一生态指标纳入调度系统;同时考虑实际生产车间的复杂环境以及生产过程中随时可能出现动态事件,将稳定性也纳入优化目标,构建动态调度模型,提出一种改进的多目标人工蜂群算法。针对碳排放目标加入一种启发式变异方法,结合多重变异策略提高种群多样性。通过仿真实验验证本文算法的快速响应能力,降低动态事件对车间生产的影响,保证车间生产稳定高效运行。