论文部分内容阅读
生产调度问题通常具有强约束、NP-hard、多目标、随机不确定等特征,是非常复杂的问题。调度理论和高效算法的研究一直是学术界和工业界的热点课题。差分进化算法(Differential Evolution,DE)作为一种新兴的群体智能优化算法,因其具有较强的全局寻优能力和较快的寻优速率,逐渐成为研究的热点。本文围绕着DE在生产调度中的应用展开了相关的研究。论文的主要工作归纳如下:1.针对基本DE易陷入局部收敛这一缺陷,提出了一种改进的DE(Self-AdaptiveDifferential Evolution,SDE)。在SDE中,首先,对算法参数进行混沌优化,并根据种群个体适应度的优劣自适应地调整个体的缩放因子和交叉概率,有效地平衡了算法的局部与全局搜索能力;其次,通过改进DE的交叉和选择操作,增加了种群的多样性,提高算法的全局收敛能力。2.针对置换Flow Shop和Job Shop调度问题,探讨了SDE在PFSP和JSP求解中的应用。建立了以最小化makespan为目标的PFSP和JSP模型,并采用LOV规则实现从DE个体到加工排序的映射。通过对典型算例的仿真计算和分析比较,验证了SDE在求解PFSP和JSP中的可行性和有效性。3.针对带有限中间存储的流程工业生产调度问题,采用基于统一时间离散化的时间表示方法,建立了以产值最大为目标,包含生产工艺、物料平衡、设备生产能力、贮槽容量和供求等多种约束的车间调度模型,给出了求解该模型的SDE。并结合具体的工程实际,将其应用于隔膜烧碱车间生产调度问题的建模和求解中。通过计算分析了时间段长度大小和贮槽初始容量对调度结果的影响。计算结果验证了该调度模型和调度算法的可行性和有效性。4.在上述理论工作的基础上,结合企业实际生产情况,将理论应用于工程,设计并实现了化工企业车间智能调度系统。最后,对论文的研究工作进行总结,展望了差分进化算法和生产调度理论研究和应用的前景。