發(fā)布時(shí)間：2017-10-16 12:05

  本文關(guān)鍵詞：定制生產(chǎn)型企業(yè)集團(tuán)多項(xiàng)目調(diào)度方法研究

  更多相關(guān)文章： 定制生產(chǎn)型企業(yè)集團(tuán) 多項(xiàng)目調(diào)度 分層遞階協(xié)調(diào) 兩層規(guī)劃 優(yōu)化算法

【摘要】：定制生產(chǎn)型企業(yè)集團(tuán)普遍存在于我國(guó)的裝備制造行業(yè)中,其通常按項(xiàng)目制的方式組織生產(chǎn),具有面向訂單設(shè)計(jì)生產(chǎn)、產(chǎn)品單件小批,以及跨地域多子公司協(xié)同、多項(xiàng)目并行等特點(diǎn)。這決定了定制生產(chǎn)型企業(yè)集團(tuán)的多項(xiàng)目調(diào)度與計(jì)劃不僅具有單體企業(yè)項(xiàng)目調(diào)度問(wèn)題的復(fù)雜性,而且還具有分層決策、遞階協(xié)調(diào)、各子公司獨(dú)自計(jì)劃等特點(diǎn)與復(fù)雜性,需考慮企業(yè)集團(tuán)化背景下多項(xiàng)目的選擇與分配、資源共享、集中采購(gòu)等典型問(wèn)題。然而當(dāng)前的多項(xiàng)目調(diào)度與計(jì)劃的研究主要集中在單體企業(yè)的集中式?jīng)Q策方法和虛擬企業(yè)聯(lián)盟的分散式?jīng)Q策方法上,這些求解模型與優(yōu)化方法通常不適用于企業(yè)集團(tuán)分層遞階調(diào)控體系下的多項(xiàng)目調(diào)度問(wèn)題的求解。因此,非常有必要分析定制生產(chǎn)型企業(yè)集團(tuán)多項(xiàng)目調(diào)度的新問(wèn)題,研究其在分層決策、遞階協(xié)調(diào)基礎(chǔ)上的求解模型與求解算法,從而提高整個(gè)集團(tuán)的資源利用率,增強(qiáng)子公司間的協(xié)調(diào)運(yùn)作水平,縮短項(xiàng)目工期,降低項(xiàng)目總成本。本文的研究工作主要包括以下幾方面：(1)分析企業(yè)集團(tuán)的分層遞階調(diào)控模式,在此基礎(chǔ)上提出企業(yè)集團(tuán)精簡(jiǎn)的兩層遞階協(xié)調(diào)模型和與此相應(yīng)的多項(xiàng)目調(diào)度兩層規(guī)劃統(tǒng)一數(shù)學(xué)模型,并指出在多項(xiàng)目選擇與分配、考慮資源共享、考慮集中采購(gòu)的多項(xiàng)目調(diào)度問(wèn)題中集團(tuán)層和子公司層各自?xún)?yōu)化的內(nèi)容和相應(yīng)的求解算法。(2)子公司中的項(xiàng)目調(diào)度問(wèn)題,可歸結(jié)為單個(gè)或多個(gè)資源受限的項(xiàng)目調(diào)度問(wèn)題(RCPSP/RCMPSP),而RCMPSP可通過(guò)合并多個(gè)項(xiàng)目的方式轉(zhuǎn)化成RCPSP問(wèn)題來(lái)求解。因此,針對(duì)RCPSP問(wèn)題,提出了一種動(dòng)態(tài)多樣性的進(jìn)化策略求解算法DDES。算法通過(guò)動(dòng)態(tài)控制種群的多樣性和使用多樣性重啟方法來(lái)實(shí)現(xiàn)全局搜索能力和局部探測(cè)能力的平衡,并設(shè)計(jì)了一種基于最大資源利用率的兩點(diǎn)交叉算子和基于插入的變異算子來(lái)產(chǎn)生新個(gè)體,使用基于多樣性的精英保留選擇算子來(lái)產(chǎn)生新種群。仿真實(shí)驗(yàn)表明,DDES的求解質(zhì)量和收斂速度明顯優(yōu)于基本進(jìn)化策略BES,而與當(dāng)前其他的一些優(yōu)秀算法相比,也表明DDES能很好地兼顧求解質(zhì)量和求解效率的平衡。(3)針對(duì)企業(yè)集團(tuán)根據(jù)各個(gè)子公司的實(shí)際生產(chǎn)能力(資源可用量、成本),從備選項(xiàng)目集中選擇最佳項(xiàng)目組合,再合理分配到各子公司,由各子公司分別進(jìn)行調(diào)度,以獲得最大集團(tuán)總收益的問(wèn)題,構(gòu)建了數(shù)學(xué)模型,并提出了兩種基于項(xiàng)目收益優(yōu)先級(jí)的啟發(fā)式算法(優(yōu)先值不變的啟發(fā)式算法FPA和優(yōu)先值可變的啟發(fā)式算法VPA)和一種混合智能優(yōu)化算法(遺傳-粒子群算法GA-PSO),在GA-PSO中還提出了一種壓縮搜索空間和縮短搜索時(shí)間的策略來(lái)提高尋優(yōu)效率。仿真實(shí)驗(yàn)表明,在各種問(wèn)題規(guī)模下,GA-PSO都優(yōu)于FPA和VPA,而時(shí)間和空間壓縮策略在保證求解質(zhì)量的前提下,能顯著地縮短求解時(shí)間。(4)針對(duì)考慮集團(tuán)內(nèi)資源共享的情況,以集團(tuán)的項(xiàng)目總成本最小為優(yōu)化目標(biāo),構(gòu)建了多項(xiàng)目調(diào)度數(shù)學(xué)模型,先提出一種基于DDES的集中式方法DDES-CM來(lái)求解,然后分析了該方法在實(shí)際應(yīng)用中的不足,又提出了一種基于路徑重連的離散粒子群算法DPSO-PR。DPSO-PR針對(duì)編碼AllDifferent問(wèn)題提出了一種新的粒子位置更新方法,用于確定各子公司使用共享資源的順序,而在共享資源初始化分配階段,提出了一種基于最大資源使用成本優(yōu)先值的快速分配方法,在共享資源迭代再分配階段則設(shè)計(jì)了一種串行分配方法。仿真實(shí)驗(yàn)表明,在絕大多數(shù)情況下,特別是中、大規(guī)模的問(wèn)題中,DPSO-PR求得的項(xiàng)目總成本小于DDES-CM,且隨著問(wèn)題規(guī)模的增大,項(xiàng)目成本減少率也增大；此外,與連續(xù)AllDifferent粒子群算法PSO-CA相比,也表明DPSO-PR的粒子位置更新方式能更快找到更優(yōu)的解。(5)針對(duì)考慮集團(tuán)集中采購(gòu)的情況,以集團(tuán)項(xiàng)目總成本最小為優(yōu)化目標(biāo),構(gòu)建了多項(xiàng)目調(diào)度數(shù)學(xué)模型,先對(duì)該問(wèn)題的一些相關(guān)概念進(jìn)行了定義,并指出該問(wèn)題實(shí)際是一個(gè)分組數(shù)不確定的分組優(yōu)化問(wèn)題,然后提出了基于傳統(tǒng)分組遺傳算法的GGA-CP算法和帶禁忌列表的分組離散粒子群算法GDPSO-TL。在GDPSO-TL中,使用粒子解碼的規(guī)范化來(lái)解決編碼的冗余問(wèn)題,使用禁忌列表來(lái)避免對(duì)已有分組策略的重新搜索。仿真實(shí)驗(yàn)表明,采用集中采購(gòu)方式的多項(xiàng)目調(diào)度方法(GDPSO-TL和GGA-CP)求得的項(xiàng)目總成明顯小于采用分散采購(gòu)方式的方法,GDPSO-TL的求解質(zhì)量?jī)?yōu)于GGA-CP,且在求解中、小規(guī)模問(wèn)題時(shí),GDPSO-TL的求解效率更好。(6)針對(duì)實(shí)際中企業(yè)集團(tuán)難以一開(kāi)始就同時(shí)考慮多項(xiàng)目選擇與分配、資源共享、集中采購(gòu)的問(wèn)題,提出了企業(yè)集團(tuán)多項(xiàng)目調(diào)度階段化求解流程,并將該求解流程與前述的研究方法應(yīng)用在某大型模具企業(yè)集團(tuán)中,開(kāi)發(fā)了該模具企業(yè)集團(tuán)多項(xiàng)目調(diào)度管理系統(tǒng),最后以該企業(yè)集團(tuán)的一個(gè)實(shí)際案例再次驗(yàn)證了本文所提出的多項(xiàng)目調(diào)度研究方法的有效性。
【關(guān)鍵詞】：定制生產(chǎn)型企業(yè)集團(tuán) 多項(xiàng)目調(diào)度 分層遞階協(xié)調(diào) 兩層規(guī)劃 優(yōu)化算法
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：F426.4;F273
【目錄】：

• 摘要4-7
• ABSTRACT7-32
• 第一章 緒論32-47
• 1.1 課題研究的背景及意義32-35
• 1.1.1 企業(yè)集團(tuán)化發(fā)展趨勢(shì)32
• 1.1.2 定制生產(chǎn)型企業(yè)集團(tuán)生產(chǎn)制造模式的特征32-33
• 1.1.3 企業(yè)集團(tuán)化背景下項(xiàng)目調(diào)度面臨的新問(wèn)題33-34
• 1.1.4 研究目的及意義34-35
• 1.2 相關(guān)問(wèn)題的國(guó)內(nèi)外研究現(xiàn)狀35-44
• 1.2.1 企業(yè)集團(tuán)35-36
• 1.2.2 資源受限單(多)項(xiàng)目調(diào)度問(wèn)題36-38
• 1.2.3 項(xiàng)目組合選擇與調(diào)度問(wèn)題38-39
• 1.2.4 企業(yè)集團(tuán)項(xiàng)目調(diào)度問(wèn)題39-41
• 1.2.5 分布式多項(xiàng)目調(diào)度問(wèn)題41-42
• 1.2.6 文獻(xiàn)綜述總結(jié)與問(wèn)題分析42-44
• 1.3 課題來(lái)源及研究?jī)?nèi)容44-47
• 1.3.1 課題來(lái)源44
• 1.3.2 研究目標(biāo)及主要內(nèi)容44-45
• 1.3.3 章節(jié)組織結(jié)構(gòu)45-47
• 第二章 定制生產(chǎn)型企業(yè)集團(tuán)多項(xiàng)目調(diào)度優(yōu)化建模研究47-51
• 2.1 引言47
• 2.2 企業(yè)集團(tuán)遞階協(xié)調(diào)模型47-48
• 2.3 企業(yè)集團(tuán)多項(xiàng)目調(diào)度兩層遞階優(yōu)化建模48
• 2.4 兩層遞階優(yōu)化問(wèn)題48-50
• 2.4.1 企業(yè)集團(tuán)多項(xiàng)目調(diào)度兩層遞階優(yōu)化建模48-49
• 2.4.2 企業(yè)集團(tuán)多項(xiàng)目調(diào)度兩層遞階優(yōu)化求解算法49-50
• 2.5 本章小結(jié)50-51
• 第三章 求解資源受限項(xiàng)目調(diào)度的動(dòng)態(tài)多樣性進(jìn)化策略51-65
• 3.1 引言51
• 3.2 RCPSP問(wèn)題描述51-52
• 3.3 基本進(jìn)化策略52-53
• 3.4 求解RCPSP的動(dòng)態(tài)多樣性進(jìn)化策略53-54
• 3.5 DDES的具體實(shí)現(xiàn)54-58
• 3.5.1 個(gè)體表示和初始種群生成54
• 3.5.2 調(diào)度產(chǎn)生方案和雙向?qū)R技術(shù)54-55
• 3.5.3 個(gè)體差異55-56
• 3.5.4 最大資源利用率兩點(diǎn)交叉算子56-57
• 3.5.5 基于增強(qiáng)插入的變異算子57-58
• 3.5.6 基于多樣性的精英保留選擇算子58
• 3.6 仿真實(shí)驗(yàn)與分析58-63
• 3.6.1 DDES參數(shù)設(shè)置58-60
• 3.6.2 DDES與BES的比較60-61
• 3.6.3 DDES與其他啟發(fā)式算法的比較61-63
• 3.7 RCMPSP的求解63-64
• 3.8 本章小結(jié)64-65
• 第四章 企業(yè)集團(tuán)多項(xiàng)目選擇與分配調(diào)度研究65-91
• 4.1 引言65
• 4.2 問(wèn)題描述65-66
• 4.3 數(shù)學(xué)模型66-68
• 4.4 基于優(yōu)先值的啟發(fā)式算法68-70
• 4.4.1 優(yōu)先值不變的啟發(fā)式算法68-69
• 4.4.2 優(yōu)先值可變的啟發(fā)式算法69-70
• 4.4.3 基于DDES的子公司項(xiàng)目調(diào)度70
• 4.5 遺傳-粒子群混合算法70-77
• 4.5.1 基于GA-PSO的兩層三階段求解流程71
• 4.5.2 基于GA的項(xiàng)目選擇71-74
• 4.5.3 基于PSO的項(xiàng)目分配74-76
• 4.5.4 基于DDES的多項(xiàng)目調(diào)度76
• 4.5.5 GA-PSO算法搜索空間和時(shí)間壓縮策略76-77
• 4.6 仿真實(shí)驗(yàn)與分析77-90
• 4.6.1 測(cè)試數(shù)據(jù)78-82
• 4.6.2 實(shí)驗(yàn)結(jié)果與分析82-90
• 4.7 本章小結(jié)90-91
• 第五章 考慮資源共享的企業(yè)集團(tuán)多項(xiàng)目調(diào)度研究91-114
• 5.1 引言91
• 5.2 問(wèn)題描述91-92
• 5.3 數(shù)學(xué)模型92-93
• 5.4 基于DDES的集中式方法93-95
• 5.5 基于路徑重連的離散粒子群算法95-105
• 5.5.1 DPSO-PR的求解流程95-96
• 5.5.2 企業(yè)集團(tuán)共享資源分配方法96-99
• 5.5.3 考慮離散共享資源的子公司多項(xiàng)目調(diào)度求解99-102
• 5.5.4 DPSO-PR粒子位置公式和運(yùn)算符的重新定義102-104
• 5.5.5 DPSO-PR粒子位置更新的具體實(shí)現(xiàn)104-105
• 5.6 仿真實(shí)驗(yàn)與分析105-112
• 5.6.1 測(cè)試數(shù)據(jù)105-106
• 5.6.2 實(shí)驗(yàn)結(jié)果與分析106-112
• 5.7 本章小結(jié)112-114
• 第六章 考慮集中采購(gòu)的企業(yè)集團(tuán)多項(xiàng)目調(diào)度研究114-143
• 6.1 引言114
• 6.2 問(wèn)題描述114-115
• 6.3 數(shù)學(xué)模型115-118
• 6.4 相關(guān)概念的定義及其求解118-121
• 6.4.1 正向采購(gòu)子網(wǎng)絡(luò)118
• 6.4.2 反向采購(gòu)子網(wǎng)絡(luò)118-119
• 6.4.3 項(xiàng)目的最小采購(gòu)成本119
• 6.4.4 項(xiàng)目完工期上限119
• 6.4.5 采購(gòu)活動(dòng)最早開(kāi)始時(shí)間119-120
• 6.4.6 正向采購(gòu)子網(wǎng)絡(luò)的最優(yōu)活動(dòng)列表120
• 6.4.7 采購(gòu)活動(dòng)最晚開(kāi)始時(shí)間120
• 6.4.8 項(xiàng)目耦合120-121
• 6.4.9 項(xiàng)目解耦規(guī)則121
• 6.5 分組遺傳算法121-123
• 6.5.1 編碼方式122
• 6.5.2 交叉操作122-123
• 6.5.3 變異操作123
• 6.6 帶禁忌列表的分組離散粒子群算法123-133
• 6.6.1 GDPSO-TL的求解流程124-125
• 6.6.2 粒子的編碼表示及其標(biāo)準(zhǔn)化125-126
• 6.6.3 禁忌列表與變異操作126
• 6.6.4 粒子解碼126-128
• 6.6.5 采購(gòu)子網(wǎng)絡(luò)求解128-130
• 6.6.6 帶指定采購(gòu)時(shí)間點(diǎn)的子公司多項(xiàng)目調(diào)度求解130-133
• 6.7 仿真實(shí)驗(yàn)與分析133-142
• 6.7.1 測(cè)試數(shù)據(jù)133-136
• 6.7.2 實(shí)驗(yàn)結(jié)果與分析136-142
• 6.8 本章小結(jié)142-143
• 第七章 模具企業(yè)集團(tuán)多項(xiàng)目調(diào)度管理系統(tǒng)與應(yīng)用驗(yàn)證143-168
• 7.1 引言143
• 7.2 模具企業(yè)集團(tuán)多項(xiàng)目協(xié)調(diào)計(jì)劃管理背景143-144
• 7.3 企業(yè)集團(tuán)多項(xiàng)目調(diào)度階段化求解方法144-145
• 7.4 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)145-156
• 7.4.1 系統(tǒng)體系結(jié)構(gòu)145-146
• 7.4.2 系統(tǒng)功能設(shè)計(jì)146-149
• 7.4.3 系統(tǒng)實(shí)現(xiàn)149-156
• 7.5 應(yīng)用實(shí)例156-167
• 7.6 本章小結(jié)167-168
• 總結(jié)與展望168-170
• 參考文獻(xiàn)170-184
• 攻讀學(xué)位期間以第一作者發(fā)表的論文184-185
• 攻讀學(xué)位期間承擔(dān)和主要參與的項(xiàng)目185-187
• 致謝187

，

本文編號(hào)：1042559