以優(yōu)化生產(chǎn)排程,縮短生產(chǎn)周期為目標(biāo),研究了多工序的批量調(diào)度問(wèn)題,以遺傳算法為基礎(chǔ),提出了一種帶有權(quán)重的生產(chǎn)調(diào)度算法。遺傳算法產(chǎn)生初始種群,采用兩次編碼轉(zhuǎn)換,使得初始種群攜帶的信息更為完善,將排隊(duì)時(shí)間和運(yùn)輸時(shí)間與加工時(shí)間分離,根據(jù)不同的時(shí)間權(quán)重得到最為合適的時(shí)間組合,使得總的生產(chǎn)周期最小。根據(jù)同一機(jī)器不同零件和同一零件不同工序分為多種情況,分別得出對(duì)應(yīng)的加工時(shí)間和等待時(shí)間,根據(jù)不同的時(shí)間權(quán)重,得到全局最優(yōu)解。結(jié)合實(shí)例進(jìn)行仿真實(shí)驗(yàn),結(jié)果表明了算法的可行性、準(zhǔn)確性。 

【文章來(lái)源】：計(jì)算機(jī)與數(shù)字工程. 2020,48(06)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

加工示意圖tij=TTdej-1+tranij+TTij

第48卷有工件加工，如圖2。圖1加工示意圖圖2加工示意圖tij=TTij-1+TTijwij=TTij-1情況三：若待加工工件有緊前工序且待加工工件的緊前工序所用時(shí)間大于當(dāng)前機(jī)器加工前一種工件的加工時(shí)間，如圖3。圖3加工示意圖tij=TTdej-1+tranij+TTijwij=TTdej-1-TTij-1情況四：若待加工工件有緊前工序且待加工工件的緊前工序所用時(shí)間小于當(dāng)前機(jī)器加工前一種工件的加工時(shí)間，待加工工件的運(yùn)輸時(shí)間與工件等待時(shí)間重合，如圖4。圖4加工示意圖tij=TTij-1+TTijwij=TTij-1-TTdej-1情況五：若待加工工件有緊前工序且待加工工件的緊前工序所用時(shí)間小于當(dāng)前機(jī)器加工前一種工件的加工時(shí)間，待加工工件的運(yùn)輸時(shí)間與工件等待時(shí)間部分重合，如圖5。圖5加工示意圖tij=TTij-1+TTij+tranij-（TTij-1-TTdej-1）wij=TTij-TTdej-1-（TTij-1-TTdej-1）4批量生產(chǎn)調(diào)度的加權(quán)遺傳算法4.1遺傳算法的基本思想遺傳算法從可能代表問(wèn)題潛在解集的一個(gè)種群開(kāi)始，一個(gè)種群由包含基因特征的染色體組成，染色體是經(jīng)過(guò)編碼的從性狀到基因的映射。初始種群按照優(yōu)勝劣汰的原則，根據(jù)適應(yīng)度大小挑選若干個(gè)體，通過(guò)交叉、變異，產(chǎn)生符合問(wèn)題解的新的個(gè)體，再?gòu)闹刑暨x種群數(shù)量的個(gè)體的一系列遺傳操作。經(jīng)過(guò)多次操作，最終得出問(wèn)題的近優(yōu)解或最優(yōu)解［5］。交叉運(yùn)算：雙親染色體部分基因相互交換重組，產(chǎn)生新的符合問(wèn)題解的個(gè)體。變異運(yùn)算：改變父代染色體的部分基因，產(chǎn)生新的符合問(wèn)題解的個(gè)體。選擇運(yùn)算：根據(jù)各個(gè)染色體適應(yīng)度大小，選擇適應(yīng)度高?

圖3。圖3加工示意圖tij=TTdej-1+tranij+TTijwij=TTdej-1-TTij-1情況四：若待加工工件有緊前工序且待加工工件的緊前工序所用時(shí)間小于當(dāng)前機(jī)器加工前一種工件的加工時(shí)間，待加工工件的運(yùn)輸時(shí)間與工件等待時(shí)間重合，如圖4。圖4加工示意圖tij=TTij-1+TTijwij=TTij-1-TTdej-1情況五：若待加工工件有緊前工序且待加工工件的緊前工序所用時(shí)間小于當(dāng)前機(jī)器加工前一種工件的加工時(shí)間，待加工工件的運(yùn)輸時(shí)間與工件等待時(shí)間部分重合，如圖5。圖5加工示意圖tij=TTij-1+TTij+tranij-（TTij-1-TTdej-1）wij=TTij-TTdej-1-（TTij-1-TTdej-1）4批量生產(chǎn)調(diào)度的加權(quán)遺傳算法4.1遺傳算法的基本思想遺傳算法從可能代表問(wèn)題潛在解集的一個(gè)種群開(kāi)始，一個(gè)種群由包含基因特征的染色體組成，染色體是經(jīng)過(guò)編碼的從性狀到基因的映射。初始種群按照優(yōu)勝劣汰的原則，根據(jù)適應(yīng)度大小挑選若干個(gè)體，通過(guò)交叉、變異，產(chǎn)生符合問(wèn)題解的新的個(gè)體，再?gòu)闹刑暨x種群數(shù)量的個(gè)體的一系列遺傳操作。經(jīng)過(guò)多次操作，最終得出問(wèn)題的近優(yōu)解或最優(yōu)解［5］。交叉運(yùn)算：雙親染色體部分基因相互交換重組，產(chǎn)生新的符合問(wèn)題解的個(gè)體。變異運(yùn)算：改變父代染色體的部分基因，產(chǎn)生新的符合問(wèn)題解的個(gè)體。選擇運(yùn)算：根據(jù)各個(gè)染色體適應(yīng)度大小，選擇適應(yīng)度高的個(gè)體進(jìn)入下一代。遺傳算法的步驟［6］如下。1）根據(jù)問(wèn)題，隨機(jī)產(chǎn)生符合問(wèn)題解的初始種群，產(chǎn)生的個(gè)體數(shù)目確定，每個(gè)個(gè)體表現(xiàn)為染色體123456789101112131020101040305020303020

【參考文獻(xiàn)】：
期刊論文
[1]煉鋼生產(chǎn)調(diào)度系統(tǒng)的研究及應(yīng)用[J]. 李子修,甄景燕,張華.  內(nèi)燃機(jī)與配件. 2018(18)
[2]改進(jìn)的粒子群算法在多目標(biāo)車(chē)間調(diào)度的應(yīng)用[J]. 李浩,畢利,靳彬鋒.  計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[3]網(wǎng)絡(luò)化制造車(chē)間資源優(yōu)化及車(chē)間調(diào)度分析[J]. 劉菁,李玥.  現(xiàn)代經(jīng)濟(jì)信息. 2018(05)
[4]變鄰域改進(jìn)遺傳算法求解混合流水車(chē)間調(diào)度問(wèn)題[J]. 崔琪,吳秀麗,余建軍.  計(jì)算機(jī)集成制造系統(tǒng). 2017(09)
[5]生產(chǎn)調(diào)度系統(tǒng)在企業(yè)中的應(yīng)用實(shí)踐之研究[J]. 李康.  通訊世界. 2017(02)
[6]基于多種群遺傳算法的永磁渦流驅(qū)動(dòng)器的多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 時(shí)統(tǒng)宇,王大志,李召.  電工技術(shù)學(xué)報(bào). 2016(S2)
[7]鋼構(gòu)企業(yè)生產(chǎn)調(diào)度系統(tǒng)的研究與應(yīng)用[J]. 花季偉,佟靜翠,雷兆明.  計(jì)算機(jī)應(yīng)用與軟件. 2016(09)
[8]新形勢(shì)下煤礦企業(yè)生產(chǎn)調(diào)度系統(tǒng)及管理工作探析[J]. 王俊鋒.  機(jī)械管理開(kāi)發(fā). 2016(06)
[9]基于三階段改進(jìn)蟻群算法的多工藝路線柔性作業(yè)車(chē)間調(diào)度[J]. 楊小龍,張潔.  制造業(yè)自動(dòng)化. 2015(08)
[10]基于知識(shí)管理的車(chē)間調(diào)度規(guī)劃[J]. 王傲勝.  價(jià)值工程. 2014(28)

碩士論文
[1]改進(jìn)的交互式遺傳算法研究及應(yīng)用[D]. 劉冠宇.淮北師范大學(xué) 2018



本文編號(hào)：3451788