智能制造系統(tǒng)車間生產(chǎn)優(yōu)化調(diào)度.pdf

1、該文用遺傳算法首先研究了具有多工藝加工路徑的車間生產(chǎn)智能優(yōu)化調(diào)度問題,提出了一種將遺傳算法和分派規(guī)則相結(jié)合的調(diào)度算法,將加工計劃與生產(chǎn)調(diào)度同時考慮.該算法不僅通過與國外學(xué)者提出的算法相比較,而且通過了標準算例的驗證,證明了其正確性和優(yōu)越性.針對中小批量調(diào)度的問題,提出并研究了五種調(diào)度策略,并給出了最佳調(diào)度策略.研究了雙資源受制約的車間生產(chǎn)的調(diào)度問題.對于機床設(shè)備/工人受制約的調(diào)度問題,給出了調(diào)度算法,通過了與國外學(xué)者的算法進行比較和分析

2、,證明了該算法的正確性和優(yōu)越性,并闡述了該算法采用的遺傳編碼的優(yōu)越性.在國際上領(lǐng)先研究了機床設(shè)備/機器人受制約的車間生產(chǎn)調(diào)度問題,給出了調(diào)度算法,仿真結(jié)果表明了所提算法的可行性.提出一種基于遺傳算法的調(diào)度算法,用于解決多資源制約條件下車間生產(chǎn)的動態(tài)優(yōu)化調(diào)度.提出了一種新的染色體基因型,基因型的長度隨加工環(huán)境的變化而變化.文中采用一種基于周期和事件驅(qū)動的滾動窗口機制,以適應(yīng)連續(xù)加工過程中的環(huán)境變化.仿真結(jié)果表明該算法是可行的,與傳統(tǒng)的靜態(tài)