论文部分内容阅读
制造系统的作业车间调度问题是一类典型的NP难题,在分布式、网络化制造环境下,调度问题的规模更大,所涉及的对象更复杂,因而对调度问题研究提出了新的挑战。遗传算法具有全局优化、隐含并行、自组织、自适应和自学习性等特点,用于解决车间调度问题具有一定优势;然而由于调度问题的复杂性和遗传算法的自身缺陷,导致问题求解的效率较低,影响了遗传调度算法的实际应用。 为改善遗传算法在解决动态车间调度问题时的性能,并使之适合于求解网络化制造环境下分布式车间调度问题,本文结合生产实际情况,研究设计了一类改进的遗传算法。首先,分析了网络化制造的特点及其对车间调度问题的要求,进而从调度问题的求解难点及遗传算法的特点等角度,指出目前遗传算法在制造调度系统应用中存在的问题。其次,研究了遗传算法解决生产调度问题的关键技术,包括遗传算子的设计、群体的初始化等遗传算法设计等,提出了解决办法。在此基础上,设计了一类求解单车间生产优化调度问题的改进遗传算法,并进行了计算机仿真研究,以POX交叉和多个体交叉相结合,使父代的优良特性更好地被继承下来,提高算法收敛性和收敛速度,从而降低了由于约束条件的限制而给问题求解带来的难度,减少了算法运行时间。另外,针对网络制造环境下多车间并行调度问题的特点,对遗传算法的编码及遗传操作等进行再设计,并将调度过程分解为静态任务分配和动态资源调度等调度子过程,设计了多车间调度迭代遗传算法,实现满足交货期前提下制造成本最低的动态调度目标,仿真结果证明了所提出算法的可行性与有效性。最后,本文展望了网络化制造调度以及遗传调度算法的发展前景,并指出了今后的研究方向。