论文部分内容阅读
本文以面向对象着色赋时Petri网和混合遗传算法为工具,对具有多工艺加工路径的生产车间调度问题进行了研究。本文的研究结果和内容可概括为以下的几个主要方面:将Petri网的“着色”这一抽象机制与面向对象的类、继承等概念相融合,提出一种面向对象的着色赋时Petri网OCTPN (Object-oriented Colored Timed Petri Net).以OCTPN为建模工具分别研究了单资源、双资源和多资源作业车间调度优化问题。OCTPN模型基于“面向对象”而不是基于“面向过程”,把描述系统本质和能力部分抽象为不同的对象,而把描述系统动态行为的进程抽象为对象的实例,并赋予不同的颜色,较大地改善了制造系统调度模型规模庞大和可重用性差的问题。将一种Pareto排序策略嵌入到Pareto竞争方法中,提出了一种新的解决多目标优化调度的混合遗传算法。该方法在执行选择操作时,使用小生境技术来选取进入下一代的个体,使得搜索尽可能在整个解空间进行,避免算法收敛到局部最优。采用多种交叉方法和变异方法提高了算法的收敛速度。为了避免进化过程中最优解的遗失,采用Pareto解集过滤器保存进化过程中出现的最优解。通过仿真实验证明了算法的正确性和优越性。在该算法的基础上研究了双资源作业车间的双目标、多目标调度问题。在双资源双目标调度问题中,首先研究了生产周期和生产费用的双目标调度优化问题,并对工人/机床的比率和工人任务量的分配对该种车间的调度结果产生的影响进行了研究。在双资源双目标静态调度问题的基础上,研究了动态调度问题;对机床故障、工人离岗、订单取消等基于时间和任务进行分类,决定是否执行再调度;针对不同的情况进行不同的处理,选用合理有效的调度策略,最大限度地维持作业车间的生产能力。在双资源多目标调度问题中,从企业不同部门的利益出发,兼顾各个部门的期望目标,实现了对生产周期、生产费用、机床最大负载、机床总负载和客户满意度等多个目标进行优化,最后利用层次分析方法从得到的最优解集中选出符合决策者偏好的解作为调度的最优解。最后,用Delphi和Flexsim软件联合开发了实用的生产车间调度软件。