基于多目標(biāo)混合人工蜂群算法的能效優(yōu)化調(diào)度研究.pdf

1、制造車間能源利用率低下是困擾制造業(yè)進(jìn)一步發(fā)展的難題，車間的節(jié)能減排問題一直是近些年的研究熱點。在實際生產(chǎn)中，減少機床等設(shè)備的閑置和等待時間，控制機床的最大功率以及能耗是提高車間設(shè)備利用率，減少有害氣體排放的有效方法之一。通過調(diào)度使各加工工序更加連續(xù)，有效的減少機床的閑置等待時間，在制造業(yè)中具有廣闊的應(yīng)用前景。
　　絕大多數(shù)的調(diào)度問題屬于NP-hard問題，近年來群體智能算法在求解調(diào)度問題中顯示出了比較好的效果。本文設(shè)計了兩種改進(jìn)的

2、多目標(biāo)混合人工蜂群算法來求解能效調(diào)度問題。該算法將人工蜂群算法的全局搜索能力與變鄰域搜索的局部搜索能力相結(jié)合，能有效的改善單一智能算法的搜索效果。本文理論結(jié)合實踐，將該算法依次應(yīng)用于雙目標(biāo)單機能效調(diào)度問題與多目標(biāo)的置換流水車間能效調(diào)度問題研究中。
　　針對雙目標(biāo)單機能效調(diào)度問題，引入了一種基于變鄰域搜索的局部搜索策略來進(jìn)行跟隨蜂的鄰域搜索，并在此基礎(chǔ)上設(shè)計了基于Pareto排序的改進(jìn)多目標(biāo)混合人工蜂群算法。針對單機調(diào)度的具體問題，

3、將機床停機狀態(tài)引入改進(jìn)后的調(diào)度模型中，通過與改進(jìn)前的模型結(jié)果進(jìn)行比較，驗證了模型的有效性。同時針對多目標(biāo)解集問題，引入了灰色關(guān)聯(lián)分析法，通過對各組解進(jìn)行灰色關(guān)聯(lián)分析，可以方便從眾多可行解中選出最佳解。
　　置換流水車間中，受工件加工時間與加工順序的約束，車床在加工過程中存在大量的空載時間。傳統(tǒng)加工中機床總以最大速度運行，雖然能減少加工時間但是機床的有效利用率低下?；谝陨蠁栴}，本文建立了基于能耗的置換流水車間調(diào)度模型，以總完工時間