制造業(yè)是推動國民經(jīng)濟發(fā)展的重要力量。隨著全球性市場競爭的加劇和需求的多樣化,制造企業(yè)不僅需要通過先進的生產(chǎn)加工技術來提高產(chǎn)品質(zhì)量,還需要引進先進的管理技術以尋求最佳的生產(chǎn)方式來進一步提高企業(yè)的生產(chǎn)效率。采用合理且有效的生產(chǎn)調(diào)度策略可以最大限度發(fā)揮資源的能力以實現(xiàn)企業(yè)效益最大化,是提高制造企業(yè)管理水平的關鍵技術之一。在生產(chǎn)調(diào)度領域,柔性作業(yè)車間調(diào)度問題(Flexible Job-Shop Scheduling Problem,FJSP)是經(jīng)典作業(yè)車間調(diào)度問題的拓展,體現(xiàn)了工件加工路線的柔性化,即一道工序可以在多臺機器上進行加工,一臺機器也可以加工多種不同類型的工序。實際生產(chǎn)往往需要同時優(yōu)化多個目標,例如不僅需要縮短產(chǎn)品的完工時間以滿足交貨期的要求,還需要提高機器利用率以降低生產(chǎn)成本。因此近年來,多目標柔性作業(yè)車間調(diào)度問題(Multi-Objective FJSP,MO-FJSP)越來越受到學者的關注。本文針對MO-FJSP,首先研究該問題的相關約束和目標函數(shù),建立了數(shù)學模型;然后利用求解多目標優(yōu)化問題最為先進的算法之一—第三代非支配排序遺傳算法(Reference-point Based Non-dominated Sorting Genetic Algorithm,NSGA-Ⅲ)對其進行求解,引入一種有效的鄰域搜索對NSGA-Ⅲ算法進行改進,并通過多個標準實例對其有效性進行驗證;最后在混合NSGA-Ⅲ的基礎上,設計開發(fā)了調(diào)度原型系統(tǒng),為基于元啟發(fā)式算法生產(chǎn)調(diào)度技術的基礎研究開展了積極的探索。論文的主要研究內(nèi)容和成果如下:(1)給出了 MO-FJSP的相關概念和定義,對機器生產(chǎn)能力、工序的工藝路線和生產(chǎn)日歷等約束條件進行梳理,確定了最小化最小完工時間、總機器負荷和機器最大負荷三個優(yōu)化目標,建立了 MO-FJSP的數(shù)學模型。(2)針對傳統(tǒng)的優(yōu)化算法在求解多目標柔性作業(yè)車間調(diào)度問題時,具有容易陷入局部最優(yōu)和收斂速度慢等缺陷,研究對其進行求解的混合第三代非支配排序遺傳算法。該混合算法由具有全局搜索能力的NSGA-Ⅲ和具有局部搜索能力的鄰域搜索算法組成。為了提高初始種群的質(zhì)量,提出一種針對優(yōu)化多目標的組合啟發(fā)式方法進行種群初始化;為增加種群多樣性,提出四種有效的變異算子;利用NSGA-Ⅲ獨特的基于參考點的選擇機制從種群中保留優(yōu)秀的個體;采用基于關鍵路徑的鄰域搜索方法對子代種群進行進一步精煉;為了從Pareto最優(yōu)解集中選取最終方案,提出了基于改進NSGA-Ⅲ歸一化過程的多目標調(diào)度策略。最后通過國際通用的基準算例進行測試,驗證了所提方法的有效性。(3)對車間調(diào)度涉及的機器、工件和工序三個要素的時空和屬性關系進行深入分析,設計了合理的數(shù)據(jù)庫結(jié)構;在混合NSGA-Ⅲ為系統(tǒng)核心算法的基礎上,開發(fā)了調(diào)度原型系統(tǒng),該系統(tǒng)主要包括三個模塊:調(diào)度數(shù)據(jù)的輸入和處理模塊、關鍵參數(shù)和約束設置模塊以及甘特圖、機器負荷圖和派工單組成的輸出模塊。該調(diào)度系統(tǒng)具有較快的計算速度、簡潔的操作界面和一定的工程應用價值。
【學位單位】：中國工程物理研究院
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TH165;TP18
【部分圖文】：

１．２．１求解多目標柔性作業(yè)車間調(diào)度問題的元啟發(fā)式算法??１．２．１．１遺傳算法??遺傳算法是一種模擬生物進化過程的元啟發(fā)式算法，其流程圖如圖１．２所示。??初始化種群??配對選擇??Ｉ??變化算子??否?＋??計算適應值??Ｉ??環(huán)境選擇??是???否終＾＞＞??最優(yōu)群體??Ｇ結(jié)束）??圖１．２遺傳算法流程圖??在遺傳算法中，首先要對染色體進行編碼，然后采用隨機或啟發(fā)式的方法產(chǎn)生預設??數(shù)目的染色體，這些染色體組成了初始種群，初始種群進入迭代過程。在每代中，首先??需要選擇種群中的個體進行配對以產(chǎn)生新的染色體，這個過程稱之為配對選擇；然后選??擇種群中的某些個體來經(jīng)過變化算子后產(chǎn)生新的子代個體，常用的變化算子包括交叉和??變異算子；接著計算子代每個個體的目標值；最后在選擇種群中合適的個體進入下一輪??迭代中，即環(huán)境選擇。綜上所述，遺傳算法有三個顯著的特點［１４］：??（１）

１．２．１．３人工蜂群算法??人工蜂群算法是Ｋａｒｅｂｏｇａ等提出的，該算法受蜂群尋找食物源的過程啟發(fā)ｔＷ，其??流程圖如圖１．４所示。??在人工蜂群算法中，蜂群歸為三種類型：引領蜂、跟隨蜂和偵查蜂，問題的每個解??都用相應食物源表示，整個蜂群的目標是尋找花蜜量最多的食物源，即最優(yōu)解。人工蜂??群算法首先隨機產(chǎn)生一個初始化種群，即食物源，將這些食物源隨機安排給引領蜂，并??對引領蜂對應的食物源進行鄰域搜索：然后計算引領蜂對應食物源的適應值，與跟隨蜂??共享；最后，評定跟隨蜂食物源的適應值，對其進行一次鄰域搜索，計算其適應值，并??保留兩者中的較優(yōu)解；若某個食物源多次更新沒有改進，則對應引領蜂變?yōu)閭刹榉�，隨??機搜索新食物源。??７??

?Ｃ結(jié)束）??圖１．３粒子群算法流程圖??在求解ＭＯ－ＦＪＳＰ方面：１＾１１等［３（）］考慮最大完工時間和平均流通時間兩個目標，提出??一種改進粒子群算法，采用一種新的編碼方式，種群的每個粒子都附帶工序排序和機器??選擇信息：Ｇｒｏｂｌｅｒ［３１＾ｈ對最大完工時間和最大延遲時間兩個目標，在粒子群算法中融入??優(yōu)先級的概念，提高了該算法的搜索性能；１＾６１〇＾等［３２］以最大完工時間、機器最大負荷??和總機器負荷為優(yōu)化目標，采用一種自適應參數(shù)的粒子群算法對其進行求解；Ｓａｄｒｚａｄｅｈ??等［３３］考慮最大完工時間和平均流經(jīng)過時間兩個目標，利用一種分階段的粒子群算法；仲??于江等［３４］選取最大完工時間、機器最大負荷和總機器負荷三個目標，將小生境技術融入??到粒子群算法中
【相似文獻】

相關期刊論文 前10條

1 袁良照;翟華;張?zhí)m軍;高廣權;王玉山;;基于NSGA-Ⅱ算法的八連桿機械壓力機桿系設計[J];重型機械;2017年02期

2 謝峰;;基于改進NSGA-Ⅱ算法的路網(wǎng)養(yǎng)護決策優(yōu)化研究[J];中外公路;2017年03期

3 楊桂芝;王廣澤;胡楠楠;趙麗華;;NSGAⅡ在供應商選擇中的應用[J];哈爾濱理工大學學報;2017年05期

4 周保民;張建國;;基于粒子融合NSGA-Ⅱ的永磁無刷直流電機多目標優(yōu)化[J];電子世界;2013年07期

5 魏武;鄧高燕;;NSGA-Ⅱ在蛇形機器人中的優(yōu)化與控制[J];計算機工程;2012年08期

6 李凱斌;盧建剛;吳燕玲;孫優(yōu)賢;;基于NSGA-Ⅱ考慮性能的燒結(jié)礦配料優(yōu)化[J];江南大學學報(自然科學版);2009年01期

7 顧春華;劉鑫平;羅飛;丁煒超;;基于同步更新外部歸檔集的NSGA-Ⅱ改進算法[J];計算機工程與應用;2018年20期

8 羅柏文;楊華科;周知進;王朝輝;;基于改進型NSGA-Ⅱ算法的深海高頻變壓器優(yōu)化研究[J];中國海洋平臺;2016年05期

9 劉洪娟;高寒冰;姜大立;甘明;;基于NSGA-Ⅱ算法的復雜供應鏈網(wǎng)絡庫存協(xié)同控制[J];物流技術;2015年03期

10 劉書明;李明明;王歡歡;王琦;孟凡琳;陳晉端;;基于NSGA-Ⅱ算法的給水管網(wǎng)多目標優(yōu)化設計[J];中國給水排水;2015年05期

相關博士學位論文 前10條

1 王杜娟;生產(chǎn)調(diào)度中應對干擾的重調(diào)度模型和算法研究[D];大連理工大學;2015年

2 申瑞珉;高維多目標進化算法及其軟件平臺研究[D];湘潭大學;2015年

3 袁源;基于分解的多目標進化算法及其應用[D];清華大學;2015年

4 戴春妮;高光譜顯微圖像的特征提取與分類方法及其應用研究[D];華東師范大學;2009年

5 Okafor Ekene Gabriel;復雜系統(tǒng)失效率評估與多目標優(yōu)化方法研究[D];南京航空航天大學;2012年

6 張福坤;油田中后期開發(fā)優(yōu)化與決策研究[D];中國地質(zhì)大學;2014年

7 柯鵬;基于多目標進化算法的車輛路徑問題的研究[D];武漢大學;2013年

8 常輝;衛(wèi)星星座協(xié)同優(yōu)化設計研究[D];華中科技大學;2012年

9 何善君;自動小車存取系統(tǒng)的建模及其若干關鍵技術研究[D];廈門大學;2008年

10 劉鎏;多目標優(yōu)化進化算法及應用研究[D];天津大學;2010年

相關碩士學位論文 前10條

1 阮礽恩;基于混合NSGA-Ⅲ的多目標柔性作業(yè)車間調(diào)度問題研究[D];中國工程物理研究院;2019年

2 魏冰;NSGA-Ⅱ算法的改進及在機組組合優(yōu)化中的應用[D];華北電力大學;2019年

3 譚智雄;基于NSGA-Ⅱ算法及機器學習的壓水堆組件裝載方案優(yōu)化研究[D];華南理工大學;2019年

4 汪文文;基于改進NSGA-Ⅱ算法的應急配送中心選址模型研究[D];武漢理工大學;2018年

5 曹海濤;基于改進NSGA-Ⅱ的多目標柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2019年

6 張藝;基于改進NSGA-Ⅱ算法的含分布式電源的配電網(wǎng)無功優(yōu)化[D];蘭州理工大學;2019年

7 王祥;基于改進NSGA-Ⅱ算法的應急物資模塊化調(diào)度問題建模與求解[D];合肥工業(yè)大學;2018年

8 楊世君;基于混合NSGA2的混流裝配線設施規(guī)劃與布局應用研究[D];蘇州大學;2018年

9 洪健;基于NSGA-Ⅱ的精沖工藝參數(shù)優(yōu)化的仿真研究[D];南華大學;2018年

10 李帥;基于NSGA-Ⅱ的蒸汽動力系統(tǒng)經(jīng)濟性與環(huán)境影響優(yōu)化[D];大連理工大學;2018年

本文編號：2889908