论文部分内容阅读
现代制造业的发展很大程度上取决于车间生产调度的优化过程,车间调度的方法以及优化技术的研究对于推进制造业的现代化具有重要的理论价值与指导意义。作为生产调度问题的一个重要分支,柔性作业车间问题(FJSP)十分接近于实际生产,它是经典作业车间调度问题(JSP)的一个扩展。 传统的粒子群优化(PSO)算法一般适用于连续数学模型的优化,FJSP作为复杂度比较高的组合优化问题,是一种典型的离散模型。本文首先采用一种机制对PSO进行离散化操作,在整个解空间范围内进行全局搜索,然后引入变邻域搜索策略,对种群每次迭代搜寻到的全局最优解进行局部精细搜索,基于此提出一种改进的混合离散粒子群优化算法。针对具体的FJSP问题,本文采用一种基于工件号与机器顺序号的OSMA编码方式来编码粒子,在粒子的更新过程中,将这种离散机制具体化为先后三步操作,分别是基于OS或MA的变异操作、与个体最优位置的POX交叉操作以及与全局最优位置的RPX交叉操作,改进的离散PSO算法能够使种群快速收敛。 接下来以目标函数数目的不同为切入点来研究FJSP,主要分为两个部分:第一个是以最小化最大完工时间为目标,采用考虑了机器负荷平衡机制的全局搜索、局部搜索和随机搜索相结合的方式初始化粒子种群,采用离散粒子群优化(DPSO)算法更新种群粒子,并结合一种变邻域搜索(VNS)策略对每个粒子的邻域进行精细搜索,这是一个单目标FJSP问题;第二个是以最大完工时间、最大机器负荷和总的机器负荷这三个子函数为目标向量,除了采用在单目标FJSP中的种群初始化和粒子更新的处理方式外,针对多目标FJSP的特殊性,本文引入Pareto支配关系这一概念并采用基于此的快速非支配排序法来评价种群粒子,采用独立于种群的外部档案保存非劣解,这是一个多目标FJSP问题。 本文通过对文献中研究较为广泛的标准测试案例的仿真实验,对单目标FJSP给出了最大完工时间的计算结果,另外还给出了要达到收敛所需要的代数;对于多目标FJSP,本文给出了获取的Pareto非支配解的求解结果,以及所得解集的多样性指标。除此之外,对以上两种类型的问题均给出了某个案例的最优解调甘特图。得到的所有结果均与其它同类型的算法进行了比较,可以验证本文两种混合算法的有效性与优越性。