关键词:
柔性作业车间
AGV
充电阻塞
多目标优化
改进NSGA-Ⅱ
摘要:
柔性制造系统由于其良好的市场适应性和灵活性,近些年来被越来越多的企业采用,其生产效能受物流效率的直接影响,自动引导车(Automated Guided Vehicle,AGV)作为一种高效的自动化、智能化搬运工具正逐步取代人工搬运,以改善柔性制造系统运作水平。柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP)是为优化制造任务执行路径和资源利用率的一类NP-hard组合优化问题,因其在提高柔性制造系统制造任务执行能力方面的显著效果且难以求解,逐渐成为研究的热点。随着AGV在柔性制造系统中的广泛应用,考虑AGV的FJSP也受到国内外学者广泛研究。本文在现有研究的基础上,针对考虑AGV充电阻塞的智能物流调度问题开展了研究,其更加符合柔性制造系统实际运作情况,同时,相比于传统FJSP以及一般仅考虑AGV搬运的FJSP,其求解复杂度更高,需统筹优化加工工序、任务分配、充电调度等多个维度,这对求解算法的鲁棒性和优化能力提出了更高要求,针对该问题求解,本文提出了一种改进NSGA-Ⅱ算法(NSGA-Ⅱ-NEW),并通过不同算例验证了其性能和有效性。具体工作如下:
(1)在经典FJSP模型的基础上,深入分析了考虑AGV充电阻塞约束的柔性作业车间智能物流调度问题的特点,并构建了以最小化最大完工时间和能耗为优化目标的多目标数学模型。该模型充分考虑了AGV充电阻塞对调度方案的影响,为后续算法设计提供了参考。
(2)针对传统NSGA-Ⅱ算法的局限性提出了三点改进策略。首先,设计了混合种群初始化规则,通过结合三种不同的初始化策略使得种群能够在搜索空间中拥有更好的覆盖度;其次,引入变邻域搜索算法,提出了基于N8的变邻域搜索策略,有效增强了算法的局部搜索能力;最后,采用了基于I-Elitism的精英保留策略,通过隔离优秀个体的基因,确保了进化过程中优良解的稳定性。特别地,针对AGV调度问题,本研究提出了一种新型AGV分配策略,该策略综合考虑了AGV运输路径和实时电量状态,在提升AGV利用率的同时有效避免了充电阻塞的发生。
(3)设计了系统性的实验方案,通过不同规模案例验证了改进算法的有效性和优良性。首先,采用正交实验法对算法关键参数进行优化配置;接着,通过标准算例验证提出的多种改进策略的有效性;然后,将所改进的NSGA-Ⅱ-NEW算法与NSGA-Ⅱ、MOEA/D算法进行了对比分析,评估算法整体性能的优越性;最后,分析研究了AGV数量对优化目标的影响,发现了AGV配置的边际效益递减规律,为实际生产中的AGV配置决策提供了理论依据。