【摘要】：在“中國制造2025”和“工業(yè)4.0”的大背景下,如何提高制造企業(yè)的生產(chǎn)效率和競爭力成為工業(yè)界重點關(guān)注的問題。調(diào)度在工業(yè)生產(chǎn)中起著決定性的作用,它能直接影響企業(yè)的生產(chǎn)效率,進而影響客戶的滿意率。而柔性作業(yè)車間調(diào)度的優(yōu)化始終是調(diào)度問題研究領(lǐng)域中的一大熱點,一方面它與制造企業(yè)的實際生產(chǎn)十分吻合,另一方面它也是實現(xiàn)制造企業(yè)高效率生產(chǎn)的關(guān)鍵因素之一。鑒于以上所述,本文以柔性作業(yè)車間調(diào)度問題(Flexible job shop scheduling problem,簡稱FJSP)為研究對象,去研究如何運用人工蜂群算法解決單目標和多目標優(yōu)化調(diào)度問題。通過對柔性作業(yè)車間調(diào)度問題的本質(zhì)進行深入研究,從數(shù)學模型和析取圖模型兩方面去構(gòu)建FJSP的模型,并根據(jù)實際生產(chǎn)情況,確定了決策變量、約束條件和優(yōu)化指標。建立模型之后,引入人工蜂群算法,并通過對相關(guān)測試函數(shù)的仿真驗證了人工蜂群算法在優(yōu)化問題上良好的求解性能。同時通過對幾個簡單的FJSP實例的優(yōu)化求解,證明了人工蜂群算法在求解FJSP上的可行性。在求解以最大完工時間為最小化目標的FJSP時,本文設(shè)計了一種改進的人工蜂群算法,主要的改進和突破包括:為豐富初始種群的多樣性,采用混合規(guī)則進行初始化;雇傭蜂階段引入改進RPOX交叉算子增強局部搜索能力;跟隨蜂階段加入基于模擬退火的局部搜索提升了算法的全局搜索和開發(fā)能力。使用兩個測試集中的15個實例進行仿真,并通過與其他文獻中不同算法的仿真結(jié)果進行對比,驗證了所提出的改進人工蜂群(IABC)算法在求解單目標FJSP的有效性,IABC算法能夠得到最優(yōu)的調(diào)度方法。最后將所提出的IABC算法應(yīng)用于飛機總裝生產(chǎn)線的實際生產(chǎn)數(shù)據(jù)中,得到了最優(yōu)的調(diào)度方案,從而證明了算法在實際生產(chǎn)中的應(yīng)用價值。將單目標FJSP延伸到多目標FJSP,以最大完工時間、最大機器負荷和機器總負荷為優(yōu)化目標,并對人工蜂群算法進行了改進,包括在雇傭蜂階段加入領(lǐng)域搜索、跟隨蜂階段采用錦標賽選擇策略和優(yōu)化外部檔案集更新機制等。通過以上改進,使算法在求解多目標優(yōu)化問題上的性能得以提升,最后通過仿真驗證了所提出的算法能夠得到質(zhì)量更高的Pareto最優(yōu)解。
【圖文】：

類：進度安排（Project Scheduling）；排程（Single Machine Scheduling）；式車間調(diào)度（Open Shop Scheduling）；作業(yè)調(diào)度（后衍生出柔性流水作業(yè)調(diào)度）；車間調(diào)度（后衍生出柔性作業(yè)車間調(diào)度）。關(guān)于作業(yè)車間調(diào)度問題的研究最早出現(xiàn)在 1954 年，Johns析解法來對雙機組流水車間調(diào)度優(yōu)化進行研究，打開了作研究大門。經(jīng)過學者們和工業(yè)生產(chǎn)人員 60 多年的研究和應(yīng)已經(jīng)成為一個獨立的研究分支，并且取得了非常豐碩的研間調(diào)度問題（Job Shop Scheduling Problem，簡稱 JSP）[6]是器是唯一的且加工時間也是固定的為前提，通過對每臺機來優(yōu)化既定的系統(tǒng)目標（如加工時間最少等）。一般研究車經(jīng)典的作業(yè)車間調(diào)度問題為基礎(chǔ)進行研究，每個工件的每上加工，并且僅僅只能加工一次，加工時間是確定的，，如

小批量離散生產(chǎn)方式所替代，一個制造企業(yè)的核心競爭是否能在較短的生產(chǎn)周期內(nèi)，生產(chǎn)出較低成本、較高質(zhì)年來，帶有一定柔性的生產(chǎn)系統(tǒng)逐漸涌現(xiàn)，使得經(jīng)典 得到直接應(yīng)用，其局限性被無限地放大。因此，柔性作 Job Shop Scheduling Problem，簡稱 FJSP，以下 FJSP 代應(yīng)運而生，迅速成為學者們重點關(guān)注的研究內(nèi)容。FJS地與實際生產(chǎn)過程相契合，研究成果的實用性也得以提990 年率先采用多項式算法對兩個工件的 FJSP 問題進行者。FJSP 也是一類非常經(jīng)典的組合優(yōu)化問題，它放寬臺機器加工的約束，允許工件的任意一道工序可以在多間允許不相同[8]，如圖 1-2 所示。這使得在實際生產(chǎn)過的負荷，對資源進行更加靈活地選擇，從而提高生產(chǎn)效中需要同時對機器選擇加工的工序以及工序加工的順序，使得問題的求解難度大大提升[9]。因此，F(xiàn)JSP 是比題[9,10]。
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TH165;TP18

【參考文獻】

相關(guān)期刊論文 前9條

1 梁小曉;韋崇崗;;基于人工蜂群算法的物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù)研究[J];組合機床與自動化加工技術(shù);2013年05期

2 陸漢東;何衛(wèi)平;周旭;李亞杰;;基于禁忌搜索的柔性作業(yè)車間分批調(diào)度[J];上海交通大學學報;2012年12期

3 李傳鵬;王桂從;崔煥勇;;柔性作業(yè)車間調(diào)度問題研究現(xiàn)狀及發(fā)展趨勢[J];組合機床與自動化加工技術(shù);2012年11期

4 黃玲玲;劉三陽;高衛(wèi)峰;;具有人工蜂群搜索策略的差分進化算法[J];控制與決策;2012年11期

5 畢曉君;王艷嬌;;加速收斂的人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年12期

6 王輝;;一種帶共享因子的人工蜂群算法[J];計算機工程;2011年22期

7 高衛(wèi)峰;劉三陽;姜飛;張建科;;混合人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年05期

8 張國輝;高亮;李培根;張超勇;;改進遺傳算法求解柔性作業(yè)車間調(diào)度問題[J];機械工程學報;2009年07期

9 公茂果;焦李成;楊咚咚;馬文萍;;進化多目標優(yōu)化算法研究[J];軟件學報;2009年02期

相關(guān)博士學位論文 前4條

1 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

2 張國輝;柔性作業(yè)車間調(diào)度方法研究[D];華中科技大學;2009年

3 康飛;大壩安全監(jiān)測與損傷識別的新型計算智能方法[D];大連理工大學;2009年

4 程蓉;復(fù)雜生產(chǎn)環(huán)境下優(yōu)化調(diào)度方法研究與系統(tǒng)實現(xiàn)[D];華中科技大學;2006年

相關(guān)碩士學位論文 前5條

1 彭郎軍;基于螢火蟲算法的柔性作業(yè)車間調(diào)度問題研究[D];湘潭大學;2016年

2 王李凡;基于多目標優(yōu)化的射孔方案研究[D];西安石油大學;2014年

3 朱文凡;基于遺傳算法的多柔性作業(yè)車間調(diào)度問題研究[D];合肥工業(yè)大學;2014年

4 魯麗君;改進蟻群算法在柔性作業(yè)車間調(diào)度中的應(yīng)用研究[D];首都經(jīng)濟貿(mào)易大學;2012年

5 陳罡;柔性作業(yè)車間調(diào)度問題的一種求解算法及其實現(xiàn)[D];西安電子科技大學;2012年

本文編號：2611717