论文部分内容阅读
随着全球经济的快速发展,众多企业在提高产品“量”的同时,也在对“质”进行提升。节能降耗逐渐成为制造业一个清晰的共识,结合到车间调度中,车间绿色调度可以为企业降低许多不必要成本。同时,车间绿色调度问题是制造领域的一个研究热点,车间调度问题一般都具有NP-hard、非线性、强约束、多目标、规模大等难以避免的特点,在理论研究中是最为困难的问题之一。智能优化算法是求解车间调度的有效方法,利用这类智能优化算法已经受到学术界和工业界的广泛的关注,而分布估计算法(Estimation of Distribution Algorithm,EDA)是一种新型的基于统计概率模型的进化算法,在多个工业领域已经得到了成功的应用。因此,本文对基于贝叶斯统计的分布估计算法(Bayesian-Statistical-Based Estimation of Distribution Algorithm,BEDA)求解三类复杂作业车间绿色调度问题进行了研究。主要的工作如下:(1)针对最小化最大延迟时间(Maximum Tardiness,MT)和总能量损耗(Total Energy Consumption,TEC)指标下的多目标带交货期的可重入作业车间绿色调度问题,设计了一种基于贝叶斯统计的混合分布估计算法(Hybrid Bayesian-Statistical-Based Estimation of Distribution Algorithm,HBEDA)进行求解。在全局搜索方面,该算法在利用概率模型学习工件之间序的关系,增强了算法的全局搜索能力。在局部搜索方面,设计了一种具有多种策略的局部搜索方法以提高算法的局部搜索能力,仿真实验结果表明了所提算法的有效性。(2)针对最小化最大完工时间(makespan)和低碳(Low Carbon,LC)指标下的多目标柔性作业车间绿色调度问题,设计了一种改进的基于贝叶斯统计的分布估计算法(Improved Bayesian-Statistical-Based Estimation of Distribution Algorithm,IBEDA)。该算法利用四维概率矩阵推断出位置和工件对之间的关系,增强了算法全局搜索能力,同时加入一种改进的基于insert的局部搜索方法,提高算法的局部搜索能力。仿真实验结果表明所提算法的有效性。(3)针对最小化总能量消耗(Total Energy Consumption,TEC)和最大完工时间(makespan)指标下的多目标可重入柔性作业车间绿色调度问题,设计了一种增强型的基于贝叶斯统计的分布估计算法(Enhanced Bayesian-Statistical-Based Estimation of Distribution Algorithm,EBEDA)。首先,该算法在前一问题的基础上,针对柔性作业车间绿色调度问题加入设备分配的改进方法;其次,加入非劣解集中的次优层组成双种群,克服早熟收敛问题;最后,采用改进的局部搜索策略对解进行细致的搜索。仿真实验结果表明所提算法的有效性。