【摘要】：批處理機(jī)調(diào)度(或簡稱批調(diào)度)是一類具有很強(qiáng)應(yīng)用背景的新型調(diào)度優(yōu)化問題,在生產(chǎn)制造過程中具有廣泛應(yīng)用。經(jīng)典生產(chǎn)調(diào)度中通常有機(jī)器單件加工的假設(shè),批調(diào)度打破了該假設(shè),允許多個工件組成一批同時進(jìn)行加工。因而在批調(diào)度問題的求解中,不僅需要考慮選擇加工機(jī)器的問題,還需要考慮工件成批問題。批調(diào)度問題相對于經(jīng)典調(diào)度而言更為復(fù)雜,目前,很多批調(diào)度問題均已經(jīng)被證明是NP難的。因而對這類調(diào)度問題進(jìn)行研究在理論和實踐上均有重要的意義。 目前,已經(jīng)有不少針對批處理機(jī)調(diào)度問題的研究,但主要集中在單機(jī)以及相同平行機(jī)的加工環(huán)境,隨著柔性制造等生產(chǎn)制造模式的興起和發(fā)展,將批處理機(jī)調(diào)度問題擴(kuò)展到多機(jī)環(huán)境下更為一般的情況將顯得越發(fā)必要。 本文對平行機(jī)環(huán)境中相同平行機(jī)、同類平行機(jī)和不相關(guān)平行機(jī)加工環(huán)境下的批處理機(jī)調(diào)度問題以最小化制造跨度(Makespan)為優(yōu)化目標(biāo)做了研究。論文主要工作與創(chuàng)新點如下： 1)將批處理機(jī)調(diào)度問題擴(kuò)展到分布式環(huán)境下,提出了批調(diào)度問題的一個新模型。 在該模型中,工件動態(tài)到達(dá)各批處理機(jī),且在加工之前和之后需要有運(yùn)輸時間。證明了該模型是NP難的,并通過問題的一個下界來衡量各算法性能。給出了分布式環(huán)境下批分配的一個啟發(fā)式算法AR(assignment rule)以及一個分批準(zhǔn)則BR(batching rule),在此基礎(chǔ)上對問題的求解提出了若干啟發(fā)式算法。仿真實驗表明各算法均可以對問題進(jìn)行有效的求解,加入分批準(zhǔn)則對于算法有進(jìn)一步的優(yōu)化作用。 2)對同類機(jī)加工環(huán)境下具有不同尺寸工件的批處理機(jī)調(diào)度問題進(jìn)行了研究。 同類機(jī)環(huán)境中機(jī)器具有不同加工速率,并且每臺機(jī)器相對所有工件加工速率相同。由于該問題是NP難解的,論文給出了一個下界以衡量所提啟發(fā)式算法的性能,并證明了該下界的有效性。提出批的“隱性加工時間”概念,并以此為基礎(chǔ)提出一個新的局部優(yōu)化算法LORPT (Local Optimization with Recessive Processing Time)對最大最小蟻群算法(MMAS)進(jìn)行改進(jìn)。使用啟發(fā)式算法MMAS-LPTUM(Longest Processing Time for Uniform Machines)對同類機(jī)環(huán)境下批調(diào)度問題進(jìn)行求解。通過仿真實驗將MMAS和遺傳算法(Genetic Algorithm)、微粒群優(yōu)化算法(Particle Swarm Optimization)及BFLPT(BestFit Longest Processing Time)等做了比較和性能分析。 3)對同類機(jī)環(huán)境下工件動態(tài)到達(dá)的批處理機(jī)調(diào)度問題做了研究,優(yōu)化目標(biāo)為最小化Makespan,提出若干啟發(fā)式算法對問題進(jìn)行求解。 將分批準(zhǔn)則BR擴(kuò)展到同類機(jī)環(huán)境以優(yōu)化工件成批過程。成批完成后,使用ARUM(Assignment Rule for Uniform parallel Machines)將批分配到同類機(jī)。文章同時給出一個下界以衡量算法性能。仿真實驗表明,所提啟發(fā)式算法算法可以有效求解調(diào)度問題,分批準(zhǔn)則BR對各啟發(fā)式算法具有明顯改進(jìn)效果。 4)對不相關(guān)機(jī)加工環(huán)境下最小化Makespan的批處理機(jī)調(diào)度問題給出若干啟發(fā)式算法進(jìn)行求解。 不相關(guān)機(jī)加工環(huán)境下,各機(jī)器對任一工件具有不相關(guān)的加工速度。根據(jù)不同調(diào)度機(jī)制提出兩組啟發(fā)式算法對問題進(jìn)行求解。給出一下界以衡量所提啟發(fā)式算法性能。仿真實驗結(jié)果表明,相對于其它啟發(fā)式算法J_SC-BFLPT具有更優(yōu)的求解性能及更好的魯棒性。 【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2012
【分類號】：TH186

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 胡常偉;不一致熔煉任務(wù)的平行機(jī)批調(diào)度問題研究[D];廣東工業(yè)大學(xué);2013年

，

本文編號：2712294