论文部分内容阅读
随着市场全球化的到来,企业面临着日趋严重的激烈竞争,为了满足客户的个性化需求,迫切需要生产调度系统能够迅速可靠地实现小批量、短周期、高质量的定制化生产,这对制造系统的柔性水平提出了更高的要求。如何为日趋复杂的柔性制造系统(FMS)提供高效的调度方案成为现代生产管理中的头号问题,这就需要对柔性作业车间调度问题(FJSP)进行深入研究。多目标柔性作业车间调度问题(MO-FJSP)综合考虑了生产过程柔性化和管理决策诉求多样化的特点,更具有一般的研究价值并且研究进展相对比较滞后,因此本文将此作为主要研究课题。进化算法是目前处理组合优化问题最常用和有效的方法,具有通用性强、鲁棒性高等优点,本文选用两种最具有代表性的进化算法来处理MO-FJSP。本文的创新性主要体现在算法的改进以及具体设计方面。本文在现有研究成果的基础之上对MO-FJSP展开研究,主要成果如下:分析MO-FJSP的基本概念,厘清工件、工序和机器三者之间的内在关系,在作出必要假设后建立MO-FJSP的数学模型;传统多目标进化算法在求解MO-FJSP时会存在选择压力不足的问题,而最新的第三代非支配排序遗传算法(NSGA-III)采用了一种基于参考点的环境选择机制,能够有效克服这种困难。本文采用NSGA-III作为主要方法,根据调度解的特点来设计具体的编码、解码方案以及进化算子,并利用启发式规则来对种群进行初始化。最后在国际通用的标准算例上进行测试,通过与几种先进算法的对比来证明NSGA-III在处理MOFJSP时的高效性;布谷鸟搜索算法(CS)具有优异的全局搜索能力,但是局限于求解单目标问题。鉴于NSGA-III很适合处理多目标优化问题,本文参考NSGA-III对标准布谷鸟算法进行改进,并通过一种自学习、自适应邻域搜索算法来增强局部搜索能力。在具体实现时,因为布谷鸟算法的位置更新公式并不适合直接对整数编码进行操作,本文通过寻求并建立整数编码与实数编码之间的映射来解决算法的离散化问题。最后通过标准算例仿真验证改进后算法相比于NSGA-III的优越性。