论文摘要
随着科学技术的发展，生产规模越来越大，复杂性越来越高，市场竞争也越来越激烈，因此对企业的管理和对生产过程的监控都提出了更高的要求。在激烈的市场竞争中，为了保证生产的高效稳定运行，以获得最大的经济效益，原来简单的、局部的、常规的控制和凭经验的管理已经不能满足现代生产的要求了。对于现代企业来说，如何充分利用现有的资源优势，高效合理地创造效益是企业的经营管理者们所要面临的一个重要问题。调度问题就是制造企业所要面临的一类重要决策问题，也是生产管理的核心问题。调度的目的就是通过组合优化各个设备上的零件加工工序，从而达到提高企业的生产效率，降低企业的生产成本的管理目的。尽管到世纪五十年代，经典调度理论就已经成型，但是相比较实际生产方式的纷繁复杂，现有研究结论仍然不能满足很多具体的生产状况。本文所研究的算法是为了解决一个国有的大型军工企业的实际车间生产调度问题。该企业拥有雄厚的技术实力和设备力量，经过改制，开始涉足民用制造领域，并开始为多个飞机生产厂商提供零配件加工。但是该企业的管理中存在诸多凭经验决策的问题，生产调度也还处在粗放式阶段。该企业生产过程中，由于某种设备上的工序调度不善，造成生产效率低下，成为困扰企业提高效率的瓶颈。这类调度问题在实际生产中经常出现，但尚未得到解决，我们称之为共享性Flow shop调度问题。所谓共享性Flow shop调度问题指的是具有共享性设备的一类调度问题，而共享性设备指的是那些可以在同一时刻加工多个零件的设备。由于存在共享性设备，使得调度问题变得更为复杂，其可行解空间也比一般的Flowshop庞大了许多。因此要想求解该问题，找到一种收敛速度快并且收敛效果好的算法是关键。本文从一般性Flow shop调度问题的算法分析入手，选择出通用性和可移植性极高的遗传算法作为该问题的主体算法，并根据基本遗传算法的流程思想，建立了算法框架。然后根据基本遗传算法“早熟”和收敛速度慢的特点，引入群体划分策略和结合禁忌算法作为局部搜索算法的思路。其后又根据分析，提出基于相对优秀系数和最优个体保留的两个进一步改进策略，设计出一个基于群体策略划分的混合遗传算法。在算例中通过与基本遗传算法的比较，验证了算法的合理性和有效性。利用该企业提供的模拟数据，运用本文的算法效果良好，这预示该企业拥有共享性设备车间的调度问题可望得到解决，从而将使企业的生产效率得到进一步提高。