论文部分内容阅读
柔性流水车间有限缓冲区排产优化问题的主要特征为:每道工序可以拥有多台并行机,并且工序之间存在缓冲区且缓冲区容量有限,工件在当前机器加工完毕后,若下一道工序的所有工位均被占用,则工件进入缓冲区等待,由于技术水平的低下以及存储设备和生产工艺方面的限制,工件在流水车间相邻工序间的缓冲数量受到严格的限制,若缓冲区己满,则工件在当前机器上等待,直到缓冲区空闲。缓冲区容量的有限性会导致阻塞问题,所以柔性流水车间有限缓冲区排产优化问题是类较为复杂的NP-hard问题。工件的加工顺序、工位的选择、有限缓冲区的容量,直接关系到企业的生产效率,另外,随着当今各类产品的市场需求的多样化和个性化,车间不仅生产任务量大,而且生产任务类型繁多,这必然导致实际加工系统的稳定性降低,对工位的选择和中间缓冲区容量要求进一步提高。因此,本文的研究内容具有重要的理论意义和实际应用价值。柔性流水车间有限缓冲区排产优化问题(Flexible Flow Shop Scheduling Problem with Limited Buffer LBFFSP),是在传统流水车间排产优化问题(Flow Shop Scheduling Problem FSP)上又结合了有限缓冲区的约束,使排产优化问题更加复杂。本文研究内容如下:(1)首先针对柔性流水车间有限缓冲区排产优化问题提出数学规划模;(2)根据LBFFFSP问题模型,将Hopfield神经网络算法充当LBFFSP问题的全局优化算法,并采用离散估计概率论来估计有限缓冲区数目,优化目标为最小化最大完工时间,该算法提出了 FFSP问题换位矩阵,构建了 LBFFSP问题的能量函数,并运用能量函数渐进稳定的特性求解LBFFSP问题的最小化最大完工时间;(3)由于标准Hopfield神经网络算法在求解LBFFSP问题时,极易陷入局部最优,本文则采用一种基于模拟退火的Hopfield神经网络算法充当全局优化算法,该算法寻优速度快,并且可以接受较差解,通过仿真实验证明模拟退火的Hopfield神经网络算法是求解FFSP问题的一种有效方法。