论文部分内容阅读
制造业是推动国民经济发展的重要力量。随着全球性市场竞争的加剧和需求的多样化,制造企业不仅需要通过先进的生产加工技术来提高产品质量,还需要引进先进的管理技术以寻求最佳的生产方式来进一步提高企业的生产效率。采用合理且有效的生产调度策略可以最大限度发挥资源的能力以实现企业效益最大化,是提高制造企业管理水平的关键技术之一。在生产调度领域,柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem,FJSP)是经典作业车间调度问题的拓展,体现了工件加工路线的柔性化,即一道工序可以在多台机器上进行加工,一台机器也可以加工多种不同类型的工序。实际生产往往需要同时优化多个目标,例如不仅需要缩短产品的完工时间以满足交货期的要求,还需要提高机器利用率以降低生产成本。因此近年来,多目标柔性作业车间调度问题(Multi-Objective FJSP,MO-FJSP)越来越受到学者的关注。本文针对MO-FJSP,首先研究该问题的相关约束和目标函数,建立了数学模型;然后利用求解多目标优化问题最为先进的算法之一—第三代非支配排序遗传算法(Reference-point Based Non-dominated Sorting Genetic Algorithm,NSGA-Ⅲ)对其进行求解,引入一种有效的邻域搜索对NSGA-Ⅲ算法进行改进,并通过多个标准实例对其有效性进行验证;最后在混合NSGA-Ⅲ的基础上,设计开发了调度原型系统,为基于元启发式算法生产调度技术的基础研究开展了积极的探索。论文的主要研究内容和成果如下:(1)给出了 MO-FJSP的相关概念和定义,对机器生产能力、工序的工艺路线和生产日历等约束条件进行梳理,确定了最小化最小完工时间、总机器负荷和机器最大负荷三个优化目标,建立了 MO-FJSP的数学模型。(2)针对传统的优化算法在求解多目标柔性作业车间调度问题时,具有容易陷入局部最优和收敛速度慢等缺陷,研究对其进行求解的混合第三代非支配排序遗传算法。该混合算法由具有全局搜索能力的NSGA-Ⅲ和具有局部搜索能力的邻域搜索算法组成。为了提高初始种群的质量,提出一种针对优化多目标的组合启发式方法进行种群初始化;为增加种群多样性,提出四种有效的变异算子;利用NSGA-Ⅲ独特的基于参考点的选择机制从种群中保留优秀的个体;采用基于关键路径的邻域搜索方法对子代种群进行进一步精炼;为了从Pareto最优解集中选取最终方案,提出了基于改进NSGA-Ⅲ归一化过程的多目标调度策略。最后通过国际通用的基准算例进行测试,验证了所提方法的有效性。(3)对车间调度涉及的机器、工件和工序三个要素的时空和属性关系进行深入分析,设计了合理的数据库结构;在混合NSGA-Ⅲ为系统核心算法的基础上,开发了调度原型系统,该系统主要包括三个模块:调度数据的输入和处理模块、关键参数和约束设置模块以及甘特图、机器负荷图和派工单组成的输出模块。该调度系统具有较快的计算速度、简洁的操作界面和一定的工程应用价值。