论文部分内容阅读
生产调度问题是生产计划中的一个重要部分,也是现代制造业管理的核心技术,其主要任务是在有限的企业资源的条件下,制定一种生产调度方案,使得需求目标达到经济上或性能上的最优。因此,合理的调度方案不仅可以提高企业的综合管理水平,而且可以为企业带来显著的经济效益。另外,生产调度问题通常是多约束、多目标、随机不确定优化问题,已被证明是属于NP-hard问题。本文一方面提出了两种改进的协同微粒群算法,包括基于小生镜共享机制的协同微粒群算法(NCPSO)和模拟退火协同量子微粒群算法(SACQPSO),前一种算法是利用小生镜共享机制对群个体的适应度进行调整,增加对粒子的存优能力和提高了算法的收敛性能,后一种算法引入模拟退火策略和自适应变异策略加强算法的全局搜索能力,并通过量子行为理论来改变粒子的更新方式使得算法更加简单和有效。另一方面对确定条件下的和不确定条件下的离散型制造业生产调度问题作了系统的探讨,并对以上两种情况下的调度问题进行了分析、建模,最后利用改进的算法对其进行优化。本文主要研究成果归纳如下：(1)阐述了生产调度问题,包括确定条件下生产调度问题的特点、分类、研究进展、发展趋势和研究方法以及不确定条件下生产调度问题的分类、建模方法、研究进展和调度策略。(2)系统地探讨了群体智能中的粒子群优化算法(PSO)和协同进化理论。对标准粒子群算法的原理进行阐述,进而给出粒子群算法的流程图,并分析了粒子群算法的相关性质,并介绍了合作型协同进化方式在算法中的实现。同时,描述了小生镜共享机制的原理和操作过程以及模拟退火算法的原理,量子行为理论对粒子的更新方式和自适应变异策略在算法中的重要作用。(3)将提出的两种改进的协同微粒群算法应用到求解确定条件下的流水车间调度问题(FSSP)、确定条件下的作业车间调度问题(JSSP)和标准测试函数优化中。将小生镜协同微粒群算法(NCPSO)求解FSSP和进行函数优化,结果表明了NCPSO算法的高效性。利用模拟退火协同量子微粒群算法(SACQPSO)求解JSSP,仿真实验证明了新算法的可行性和有效性。(4)研究了在工件加工时间不确定条件下的Flow Shop问题,介绍了粗糙集理论与基本运算,并用它建立了粗糙时间FSSP的调度模型,得到了清晰的粗糙FSSP模型,最后用小生镜协同微粒群算法(NCPSO)对此问题进行仿真,结果表明了调度模型和新算法的有效性。再是研究了不确定条件下的Flow Shop提前／拖期调度问题,介绍了模糊集理论与基本运算,在不确定条件下的提前／拖期单位惩罚不同的提前／拖期调度数学模型的基础上,用模糊集理论建立了模糊FSSP的调度模型,得到了清晰的Flow Shop提前/拖期调度问题模型,最后用模拟退火协同量子微粒群算法(SACQPSO)对此问题进行仿真,结果表明了调度模型和新算法的合理有效。