带准备时间的柔性流水车间多序列有限缓冲区排产优化问题是经典柔性流水车间问题的一种扩展,考虑了工位准备时间和多序列有限缓冲区对生产加工过程的影响。柔性流水车间由于具有多工位多工序的特点,其广泛存在于钢铁生产、车辆制造、半导体封装等行业的生产企业中,柔性流水车间排产优化问题是一类NP-Hard问题,理论研究中经常假设工位无准备时间和缓冲区容量无限大,但实际制造企业由于受到车间资源和生产产品种类多样性的限制,在生产过程中存在多序列有限缓冲区和工位准备时间。工位准备时间受到被加工对象的类型、颜色、形态等多种属性信息的影响。多序列有限缓冲区是由多个加工的序列构成,不仅要考虑缓冲区中每个序列的容量问题,还要考虑工件进出多个序列缓存区的分配选择问题,且工件出缓冲区受到工位准备时间的限制。这类生产车间具有工艺复杂,各生产环节受限制等特点,对生产管控提出了更高要求。目前在解决这类问题时,难以找到更有效的解决方法,导致排产结果不能很好地指导这类车间的生产运作过程,所以研究带准备时间的柔性流水车间多序列有限缓冲区排产优化问题具有重要的理论意义和实际应用价值。本文针对带准备时间的柔性流水车间多序列有限缓冲区的排产优化问题,建立数学规划模型,将改进的鲸鱼优化算法和基于优化目标的初始种群建立方法相结合的算法作为全局优化方法,并将全局优化算法与局部指派规则相结合解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,并通过实验验证了有效性。本文主要研究内容如下:(1)建立具有带准备时间的柔性流水车间多序列有限缓冲区的排产优化问题数学规划模型。在经典的柔性流水车间数学规划模型基础上加入工位准备时间和序列有限缓冲区的模型元素,建立具有多序列有限缓冲区和工位准备时间的数学关系模型。(2)基于鲸鱼优化算法(WOA)的全局优化方法研究。作为一种新颖的基于群体类的元启发式算法,WOA算法简单参数少,且易于使用,是一种寻优时间短,并且能够迅速地在搜索空间里收敛到最优解的优化算法。针对本文求解与实际工程密切相关的复杂的有限缓冲区柔性流水车间排产优化问题,WOA算法能够充分发挥其优势,可以快速求解该类复杂问题。因此本文采用WOA算法求解带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,并验证其有效性和优异性。(3)WOA算法的改进方法研究。由于WOA算法收敛速度较快、易陷入局部极值和进化后期种群多样性降低等缺点。本文通过采用三种方式对算法进行改进,提出一种改进后的鲸鱼优化算法(SLOWOA),并通过仿真实例和对比分析验证其有效性。改进点如下:①在搜索过程中,利用Levy飞行搜索策略思想,扩大了鲸鱼优化算法的搜索范围的同时使其在局部的搜索能力更强。②在个体更新过程中,采用模拟退火的思想,以一定的概率接受新个体,来保持种群在更新中的多样性。③在群体进化后期,群体多样性降低,为了提高群体多样性采用反向学习策略来增强种群多样性。(4)基于优化目标的初始种群建立方法研究。为了进一步提高SLOWOA算法的搜索最优解效率,将基于优化目标初始种群建立方法与改进的鲸鱼优化算法(SLOWOA)结合,提出一种基于优化目标初始种群建立方法的I-SLOWOA算法,以提高初始种群中初始解的质量,加快算法的寻优速度。并通过仿真实例和对比分析验证其有效性。(5)局部指派规则方法研究。工件进缓冲区时,以最大序列缓冲区剩余容量优先规则为最优先规则来控制工件在多个缓冲区的等待队列分配过程,出缓冲区时,按照先进先出的规则来控制工件出缓冲区的顺序。工位选择加工工件时以最小准备时间优先规则为最优先规则来尽量降低准备时间对排产过程的影响。同时将全局优化算法与局部指派规则结合作为解决带准备时间的柔性流水车间多序列有限缓冲区的排产优化问题的方法。