论文部分内容阅读
随着我国制造业的不断发展以及国际竞争环境的日趋激烈,精益化的生产管理越来越受到企业重视。其中生产调度是精益化生产管理的重要研究课题之一,因此生产调度问题成为了工业界和学术界的研究热点。制造企业可以通过合理的生产调度缩短产品的生产周期,提高设备的利用率,将半成品、成品等的库存控制在合理范围内。柔性化作业车间调度问题(job shop scheduling problem,FJSP)符合较多制造企业的实际生产情况。同时,有学者已经证明FJSP问题属于NP-hard问题。因此研究该问题不仅具有重要的理论价值,而且对提升企业生产效率、增强企业市场竞争力有着极大的实际意义。本文研究了已有文献解决柔性化作业车间调度问题的相关解决方法,其中精确方法适用于小规模问题的求解,当面对大规模生产调度问题时,精确方法难以保证在合理的时间范围内求解出答案。近似方法近年来发展迅速,其中群智能算法在求解FJSP问题具有较好的效果。本文在研究了相关的群智能算法后总结了该类算法的算法流程及相关的改进方法,并提出了改进的遗传算法和萤火虫算法用于解决FJSP问题。本文的主要工作如下:(1)在研究了群智能算法解决FJSP问题的相关文献后归纳总结了群智能算法的算法流程及关键步骤,并对其中的编解码方法、种群的初始化原则、常用的局部搜索方法进行了介绍。(2)对解决FJSP问题的遗传算法进行改进,提出了一种评价种群分散性的指标,并根据该种群分散性指标来选择新个体进入下一代种群的策略,对种群在解空间的分布进行控制。最后通过三个标准的FJSP问题验证了算法的可行性和有效性。(3)首先详细介绍了原始萤火虫算法的原理及相关参数对算法的影响,然后基于离散型的单目标优化FJSP问题,提出了一种基于优秀个体邻域搜索的离散型萤火虫算法,最后同样用标准FJSP问题验证算法的可行性和有效性。(4)将上述改进的算法应用到齿轮生产车间的生产调度上,设计了生产调度的流程。最后在精益化生产管理平台中实现了相关的功能模块。