论文部分内容阅读
不确定环境下的制造过程调度问题是学术界和工业界前沿性的研究方向,具有较强的理论意义和实用价值。本论文针对现有进化计算方法在求解不确定调度问题时的不足,从研究能有效反映典型调度问题特性的特征参量入手,基于案例推理机制和适应度地貌理论,提出了适用于典型不确定环境下制造过程调度问题求解的、具有一定通用性的进化计算框架和算法。首先,基于DNA不精确匹配思想,定义了能反映制造过程加工特点的2-level相似度指标;进而提出了融合CBR学习机制和遗传免疫系统(GAs/IAs)优化能力的CBR-GAs/IAs方法。该类方法在确定性和工件随机动态到达环境下的Job-shop问题求解中显示了较好的优化效果和适应能力。其次,采用适应度地貌概念,提出了衡量地貌间结构相似程度的“适应度-距离”相关分析方法(FDA)。以适应度地貌的随机行走自相关函数序列{r(s)}为地貌的特征参量,系统分析了典型调度模型的解空间特性。然后,定义了基于相关地貌的新的调度案例形式,以反映调度问题在工艺路径、加工时间、性能指标和求解方法等方面的相似性,并提出了基于地貌相关性的学习进化框架CFL-EC。进而,分析了典型模糊调度问题的适应度地貌特点和随机样本特性,提出了基于地貌相关性的随机采样进化计算方法FCFL-EC,为模糊调度问题的求解提供了有效方法和崭新思路。最后,研究了机器随机故障环境下的预测调度问题,提出了适应于不确定制造过程调度问题的基于预测调度思想的遗传编程方法。对典型调度问题(Flow-shop、Job-shop)和源于实际色织生产过程的调度实例的数值计算表明:本文所提出的基于进化计算的综合求解框架适应于典型不确定制造环境下调度问题的求解。因而,本文的研究成果为不确定制造环境下调度问题的优化提供了新的思路和方法。