论文部分内容阅读
生产计划和生产调度集成问题是NP (Non-deterministic Polynomial)难问题。生产计划和生产调度的主要目标是充分利用物料、人工、生产设备等资源,提高生产率并使企业获得较高的经济效益。本文研究了一类不确定环境下多产品、多生产基地、多市场的生产计划和生产调度集成建模与优化问题。在多种产品的市场销售价格和需求数量不确定的环境下,以计划周期内总利润最大化为目标,生产计划获得计划时间内任意调度周期内任意生产基地任意产品的产量、库存量、及运输到不同市场的产品数量;生产调度获得任意调度周期内任意生产基地产品生产顺序以及任意产品生产的开始时间和结束时间。本文的主要研究工作如下:(1)系统学习了已有的确定及不确定环境下的生产计划和生产调度集成建模与优化技术。对一类确定环境下多产品、多生产基地、多市场的生产计划和生产调度集成模型进行了深入的研究。(2)由于生产计划和生产调度集成问题是NP难问题,传统的数学规划方法往往不能快速、精确的求解生产计划和生产调度集成数学模型。为求解此问题,本文改进了原始的布谷鸟算法,改进的策略是在算法搜索过程中考虑种群个体间的相互距离,如果个体距离其他个体的距离较近,那么就随机调整该个体的位置。分别使用遗传算法和改进的布谷鸟搜索算法(MCS, Modified Cuckoo Search Algorithm)求解了确定环境下的生产计划和生产调度集成数学模型,仿真实验验证了算法的有效性。(3)建立了产品销售价格不确定环境下的生产计划和生产调度集成随机规划模型,并且使用遗传算法进行了求解。针对产品在市场销售数量的不确定,建立了产品需求不确定下的生产计划和生产调度集成随机规划模型,并用遗传算法进行了求解。仿真结果验证了模型及算法的有效性。(4)在生产过程中遇到外界环境变化时,企业管理人员往往希望制定的生产方案具有较强的鲁棒性。本文使用了6种有界数学集合表示不确定的产品需求和产品销售价格,根据有界数学集合的不同描述方式,建立了相应的生产计划和生产调度集成偏好鲁棒模型,并且用遗传算法进行了求解。仿真结果验证了模型及算法的有效性。