论文部分内容阅读
在生产生活中,车间调度是目前研究的热点,柔性作业车间调度是车间调度中研究较为困难的一个分类。在实际生产过程中,柔性作业车间调度常常需要满足多个目标的要求,而这些目标又可能是互相矛盾的。因此,本文提出了一种多目标优化组合算法来解决多目标柔性作业车间调度问题。本文的主要工作如下:(1)详细总结了四种加载工序的方式和四种在各机器上加工的工序可以往前插入的情况;对整体的工序加载和机器工作安排进行了系统地技术路线总结;(2)将重力搜素算法与Memetic算法结合,建立了一种新的算法,使得此算法不仅能求解多目标组合优化问题,还能保持高效地搜索到全局最优解;(3)设计了算法中的三种变异方式:关于机器变异的单点变异和工序交换的单点变异方式,以及结合了机器变异和工序交换的复合变异方式;(4)算法中引入了三种提高性能的搜索策略:局部搜素、全部搜索(Metropolis思想)和精英策略,并这些策略的效果进行了实验的验证,同时对此次尚未引入算法但同样值得研究的多样性保持策略进行了讨论。文章首先系统性地阐述了多目标柔性作业车间调度问题:对问题进行了文字和数学模型的描述;选择最大完工时间、总机器负荷和最大机器负荷此三个目标作为优化目标;介绍了编码方式和甘特图;详细阐述了四种工序加载的方式和四种工序可以往前插入情形;最后对整个任务的调度安排进行了系统性地技术总结。然后阐述了多目标优化和优化算法的原理:涉及到Pareto解的定义、评估方式(收敛性、分布性和综合性)以及获得方式;介绍了文中提出的组合算法中引用的引力搜索算法和Memetic算法。随后详细阐述了本文提出的改进的组合算法:对离散组合问题的变异搜索方式进行了讨论;随后算法中提出了结合柔性作业车间调度问题的三种变异方式:机器变异和工序交换的单点变异及二者的复合变异方式;算法中引入了三种搜索策略:局部搜索、全局搜索(Metropolis思想)和精英策略后,也对多样性保持策略进行了探讨;最后进行了主要子函数的展示。最后依托于Kacam测试集对算法进行了测试与评价:首先分析了算法运行时质点粒子的速度变化情况,间接反映算法的收敛性;对算法中的划分种群层的参数进行了讨论;将算法搜索到的Pareto解集与其他算法的解进行比较,结果为此文提出的算法搜索到了表现较为良好的Pareto前沿,同时展示了部分解的甘特图;将算法与引入的搜索策略不同的自身变体进行比较,记录和讨论了算法几种变体的CPU时间,以验证了算法中加入的搜索策略的有效性。