论文部分内容阅读
柔性制造和绿色制造是《中国制造2025》规划中的主线,也是制造企业转型升级的关键。由于多目标柔性作业车间调度问题最契合柔性化生产的实际环境,逐渐成为车间调度领域研究的重点,因此研究多目标柔性作业车间低碳调度问题具有重要理论与实践意义。本文混合免疫遗传算法,研究多目标柔性作业车间低碳调度问题的建模与求解。首先,基于对机械加工过程的分析,建立了结合空载功率和加工时间的机器能源消耗计算公式,进而在传统柔性作业车间调度模型的基础上增加新的约束条件,并从生产效率、设备利用率、能源资源三个方面建立以最大完工时间最小、瓶颈机器负荷最小、能源消耗总量最小为目标的新型调度模型。其次,为求解调度模型,本文结合免疫算法和遗传算法提出基于记忆指导的免疫遗传算法(MG-IGXA)。算法包括遗传算法模块(GA)、记忆库模块(ML)和免疫算法模块(IA)三部分,其中以GA为基本框架,引入IA和ML弥补GA存在的局部收敛、缺乏对优良个体记忆等方面的不足,以提升算法效率。在GA模块中,结合基于工件剩余加工时间最大的启发式规则和随机化法方法初始种群,改善初始解质量;采用多元化的遗传操作寻优,在交叉操作中利用相似度阈值引入ML模块的精英解,指导种群优化的方向。ML模块使用记忆库保存每次迭代产生的精英解,避免丢失精英解从而导致算法退化。在IA模块中,基于海明距离计算个体的亲和度、相似度阈值和个体浓度,根据相似度阈值消除冗余个体,防止后代生成冗余信息;采用与初始种群相同的方法生成新个体,并由相似度阈值决定其是否加入种群,以保证种群多样性。针对多个优化目标,对种群进行修剪保证算法收敛至均匀分布的Pareto曲面。最后,在基准算例的基础上添加与能耗相关的功率数据以测试MG-IGXA。以解的质量和分布度作为MG-IGXA和MOGA的评价标准,对26组基准算例进行测试,每组算例都连续运行20次,共520组实验结果。结果表明,MG-IGXA能得到质量更优、分布更均匀的Pareto非支配解集,而且随着问题的增加,MG-IGXA的优化程度更为显著,进一步验证了模型和算法的可行性和优越性。