多目標柔性作業(yè)車間調(diào)度技術研究.pdf

1、歷經(jīng)半個多世紀，經(jīng)典作業(yè)車間調(diào)度問題的研究取得了豐富的理論成果，但是由于所建模型與生產(chǎn)實踐的現(xiàn)狀相差甚遠，很難用于生產(chǎn)實踐。多目標柔性作業(yè)車間調(diào)度問題是經(jīng)典作業(yè)車間調(diào)度問題的重要擴展，它在體現(xiàn)生產(chǎn)柔性的同時，綜合考慮企業(yè)各部門對調(diào)度決策的期望，能更好地適應現(xiàn)代制造系統(tǒng)的需求，其研究有著重要的理論意義和工程實踐意義。 本文對多目標柔性作業(yè)車間調(diào)度問題進行了深入系統(tǒng)的研究，主要內(nèi)容和成果如下： 1．提出了包括時間、成本、設備

2、利用率和交貨期在內(nèi)的調(diào)度性能評價指標體系。特別是針對評價調(diào)度決策經(jīng)濟性能的成本指標進行了詳細的探討，建立了面向調(diào)度評估的成本計算模型。 2. 提出了求解多目標柔性作業(yè)車間調(diào)度問題的兩階段求解模型：優(yōu)化階段采用多目標優(yōu)化技術求解出一組Pareto解、決策階段采用多目標決策技術對Pareto解進行評估。 3. 針對一般模式下的多目標柔性作業(yè)車間調(diào)度問題，提出了基于多目標免疫遺傳算法 (MOIGA)的優(yōu)化方法，算法采用基于擴展

3、工序的編碼方式，建立了柔性作業(yè)車間調(diào)度算法庫。 4．分析了MOIGA算法的時間復雜度及其影響因素，利用馬爾可夫鏈理論證明算法能以概率1收斂到Pareto最優(yōu)解集，討論了算法采用的動態(tài)變異率機制和小生境技術能從本質(zhì)上保證Pareto解集的多樣性。 5．提出了層次分析法和模糊綜合評判相結(jié)合的AHP-FE方法，評估優(yōu)化階段得到的Pareto解。模糊評判技術彌補了層次分析法主觀打分的不足，產(chǎn)生模糊判斷矩陣和決策矩陣，使層次分析法

4、的評判過程更具有客觀性。 6．為了使調(diào)度模型更接近實際，對因工件目標不同引起的目標橫向差異模式下的多目標柔性作業(yè)車間調(diào)度進行了研究，提出了基于MOIGA-I算法的優(yōu)化方法和基于工件權重的AHP-FE決策方法。 7．對優(yōu)化目標可隨時間變化的目標縱向差異模式下的多目標柔性作業(yè)車間動態(tài)調(diào)度問題，采用了集成事件驅(qū)動和周期驅(qū)動方式的動態(tài)調(diào)度策略，給出了基于MOIGA-Ⅱ算法的優(yōu)化方法，針對生產(chǎn)中出現(xiàn)質(zhì)量問題后的動態(tài)調(diào)度問題進行了仿