基于改进遗传算法的多目标柔性作业车间调度问题研究

阅读量：

300

作者：

何浩

展开

摘要：

在经济发展的全球化时代,随着科学技术的不断提高,市场竞争越来越激烈。企业生产过程需要高效稳定运行的同时还需要资源能够得到合理的优化配置,从而使企业在竞争中更好地获得经济效益。柔性作业车间调度问题是制造领域重要的研究问题,有效的调度方案能够减少生产成本,提高资源的利用率,因此具有重要的研究意义。遗传算法具有简单通用、鲁棒性强等特点,是一种广泛应用的全局优化算法,在求解柔性作业车间问题中广泛应用,但仍存在一些不足。本文主要对遗传算法进行研究,并对该算法在求解多目标柔性作业车间调度问题做进一步改进,主要做了以下几个方面的工作:1.针对遗传算法在求解多目标问题时搜索效率低、局部搜索能力弱和易早熟等问题,提出了一种改进的遗传算法,该算法结合了遗传算法的全局能力和混沌算法的局部搜索能力,采用了一种双层染色体编码方案对基于工序顺序和基于机器分配进行编码,采用一种极值评价机制,可以有效解决遗传算法易早熟和局部搜索能力弱的问题,通过对算例进行仿真,实验结果表明改进算法在寻优精度和收敛能力上明显优于遗传算法。2.针对多目标柔性作业车间调度问题中求解权重难以确定导致调度方案不佳的问题,提出了一种基于动态随机搜索的改进遗传算法(DRSGA)。该算法用功效系数法将最小化所有作业完成时间和机器的总负载转化为单一的目标,采用一种可变影响空间的评价方法在保证非劣解均匀分布的同时维护了种群多样性,最后为了避免关键路径不必要的搜索,采用动态随机搜索和擂台赛法则来有效调整工序的排序从而得到最优调度方案。算例的仿真实验结果表明在寻优精度和收敛能力有所提高,可以有效解决多目标的柔性工作车间调度问题。3.针对柔性作业车间中复杂的批量划分和批次调度问题,提出一种基于改进遗传算法的柔性分批调度算法,该算法设计了基于工件排序、批次数量和设备的双层染色体编码方法,采用随机规则和启发方式来进行种群初始化,然后对染色体进行标准化来扩大工序的邻域搜索范围,在此基础上进行基于关键路径的邻域搜索,最后对算例进行仿真实验,结果表明改进的遗传算法能有效解决柔性工作车间多目标分批调度问题。

展开

关键词：

柔性作业车间；多目标优化；遗传算法；动态随机搜索；关键路径

学位级别：

硕士

DOI：

CNKI:CDMD:2.1016.906648