【摘要】：批量流水線調(diào)度問題是指,在加工過程中,每個工件可以分割為若干小批量,每個小批量加工之后,才能傳送到下游的機器繼續(xù)加工。通過這種加工方式,能夠縮短工件的最大完工時間和機器空閑時間,加速生產(chǎn)流程,增加資源利用率,以及提高用戶滿意度。因此,該問題廣泛應(yīng)用于制造系統(tǒng)、裝配線、信息服務(wù)設(shè)施、化學(xué)、紡織、塑料和半導(dǎo)體等工業(yè)生產(chǎn)中。批量流水線調(diào)度問題有時優(yōu)化一個目標函數(shù),有時優(yōu)化多個相互沖突的目標函數(shù);有時決策變量不需要滿足額外的約束,有時需要滿足一或多個約束;有時調(diào)度問題的所有參數(shù)均為確定值,有時至少存在一個參數(shù)是不確定的。已有研究表明,含有約束的調(diào)度問題,在多項式時間內(nèi),不能得到問題的最優(yōu)解。那么,不確定約束多目標批量流水線調(diào)度問題的求解,就更具有挑戰(zhàn)性。盡管已有多種求解批量流水線調(diào)度問題的智能優(yōu)化方法,但是,這些方法僅適用于確定的單目標批量調(diào)度問題,還無法用于求解多目標、多約束以及參數(shù)具有不確定的批量流水線調(diào)度問題。鑒于此,本文針對上述3大問題,構(gòu)建了多目標批量、多目標阻塞批量、加工時間不確定以及機器故障的多目標阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型,提出相應(yīng)的高效進化求解方法。具體研究內(nèi)容如下:首先,建立多目標批量流水線調(diào)度問題的數(shù)學(xué)模型,提出求解該問題的INSGA-II(Improved Nondominated Sorting Genetic Algorithm II,NSGA-II)優(yōu)化方法。該方法主要包含如下3個方面:(1)基于NEH(Nawaz,Enscore and Ham)啟發(fā)式方法產(chǎn)生若干性能優(yōu)越的初始解,顯著提高初始種群質(zhì)量;(2)將概率分布估計算法和基于插入和交換的變異算子,分別代替?zhèn)鹘y(tǒng)的交叉和變異算子,加速算法的收斂速度;(3)當(dāng)種群的多樣性小于某一給定閾值時,提出一種簡單有效的重啟策略,提高種群多樣性。其次,將阻塞約束加入到上述模型中,建立多目標阻塞批量流水線調(diào)度問題數(shù)學(xué)模型,提出求解該問題的混合人工蜂群方法。該方法主要包含如下3個方面:(1)基于MME(combination MinMax with NEH)和NEH的啟發(fā)式方法變體,產(chǎn)生多個高質(zhì)量的初始解;(2)利用非支配解信息,提出了改進的相似工件順序交叉和相似塊交叉算子,并用于產(chǎn)生新解,提高算法的全局探測能力;(3)基于Pareto占優(yōu)的局部搜索算法,提高算法的局部能力。再次,建立加工時間不確定的多目標阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型,提出求解該問題的進化優(yōu)化方法。文中主要研究了如下2大問題:(1)利用區(qū)間的中點和半徑信息,將區(qū)間多目標阻塞批量流水線調(diào)度問題,轉(zhuǎn)化為傳統(tǒng)的多目標優(yōu)化問題;(2)采用改進差分算子,增強算法的全局探測能力;采用基于理想點輔助的局部搜索算法,提高算法的局部開發(fā)能力。然后,建立帶機器故障的多目標阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型,提出求解該問題的進化優(yōu)化方法。該方法主要包含如下2個方面:(1)充分利用已有的非支配調(diào)度策略提供的信息,設(shè)計交叉算子;(2)基于機器故障特性,提出重調(diào)度策略。最后,以某太陽能公司批量電池組件生產(chǎn)為應(yīng)用對象,對實際的批量流水線調(diào)度問題進行了分析,并將前面所提優(yōu)化理論成果應(yīng)用到該公司的生產(chǎn)中,通過仿真實驗,驗證了所提算法的可行性和高效性。上述研究成果不但能夠豐富和深化已有的調(diào)度理論,也能夠推動上述理論與方法在太陽能電池組件生產(chǎn)等車間調(diào)度問題的應(yīng)用,從而直接服務(wù)于國民經(jīng)濟和社會發(fā)展。
[Abstract]:......
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP18;TB497
，

本文編號：2258860