论文部分内容阅读
随着全球经济一体化的到来,市场竞争变得越来越激烈。企业只有改善生产管理才能在竞争中处于不败地位。研究资源、任务、时间和性能指标四者关系的生产调度作为生产管理核心,逐步受到大家的重视,在此领域内,车间作业调度(Job Shop Scheduling Problem ,JSP)是最为典型和普遍的。JSP问题已被证明是NP难问题,具有复杂性和多目标性等特点。长期来以学者们利用各种智能计算方法来对其求解。其中遗传算法因其弱依赖性和鲁棒性被广泛应用。目前大多数针对该问题的研究都是静态的,但在实际生产过程中,受到各种随机因素的影响,产品的加工时间和交货期是不确定的。所以本文在现有理论基础上,基于遗传算法深入研究了模糊JSP问题。首先,本文对生产调度问题及其研究现状进行了阐述,给出车间作业调度问题的定义,在此基础上研究了JSP问题的数学模型。针对遗传算法在求解确定调度问题中早熟和收敛速度慢等问题,设计了一种基于工序编码和双点顺位交叉(TPOX)算子的改进遗传算法,避免了非法解的产生,大大加快了问题最优解的收敛速度。根据8个经典Benchamarks算例对比实验,证明了该算法的有效性。其次,在模糊理论的基础上,用三角模糊数和梯形模糊数来表示模糊加工时间和模糊交货期,分三种情况定义了模糊JSP问题的数学模型。针对基于模糊加工时间和模糊交货期下的最大加权满意度的目标函数,运用相似度的概念来初始化种群,设计求解该问题遗传算法,并深入讨论了算法中适应度值的计算方法。最后,用Sakawa提出的这类问题的经典算例对基于模糊JSP调度问题的遗传算法来进行验证,并对红峡机械厂的某调度实例进行了仿真。通过对两个算例仿真实验结果的分析,证明了改进后设计的遗传算法在求解模糊JSP问题上的有效性和可行性,可指导实际车间生产,值得推广。