多资源生产调度问题的分析建模

论文摘要

生产调度是制造系统的基础,生产调度的优化是先进制造技术和现代管理技术的核心。有效的调度方法和优化技术的研究与应用,是实现先进制造和提高生产效益的基础和关键。几十年来,生产调度问题的研究得到了快速的发展,然而研究的重点大多集中在单资源受限的生产调度问题,即只考虑机器设备受限制的生产调度问题。现实生产系统中,有许多调度问题存在两个或更多个资源受到限制的情形,因此研究此类问题有很强的实际意义。在生产调度理论的研究领域,学者们也逐渐开始研究机器设备和工人人数两个资源都受限制的生产调度问题,通常称这样的调度问题为双资源生产调度问题。在研究双资源生产调度问题的基础上,受限制资源大于两个的多资源生产调度问题也逐渐得到学术界的关注和研究。本文研究的主要对象是双资源生产调度和多资源生产调度。本文研究的双资源调度模型是传统的机器设备和工人人数两种资源受约束的生产调度,在给出这一模型后,运用混合遗传算法对问题求解。本文研究的多资源调度模型是机器设备、工人人数和机器人三种资源受约束的生产调度,这是在双资源生产调度的基础上再增加一个受约束的资源,本文增加的机器人这一约束资源具有很大的可替换性,例如在实际的生产系统中机器人这一资源可以被运输小车、刀具等所替代。近年来,遗传算法和模拟退火在求解大规模复杂调度问题时显示出很强的优势。两种算法各有优势但也都有其局限性,遗传算法采用群体并行搜索,算法倾向于扩大搜索空间以在大范围内搜索,但其局部搜索能力差,容易过早收敛;模拟退火算法采用串行优化结构,其搜索策略有利于避免搜索过程陷入局部最优,但对整个搜索空间的状况了解不多,不便于大范围的搜索。本文采用将遗传算法和模拟退火算法相结合的混合遗传算法来求解双资源和多资源调度问题。混合遗传算法整合了两种算法的优点,又能够避免两种算法的缺陷,有利于丰富优化过程的搜索行为,增强全局和局部意义下的搜索能力和效率。因此,用混合遗传算法来求解生产调度问题比单纯的遗传算法更有优势。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 生产调度问题概述
• 1.1.1 现实生活中的调度问题
• 1.1.2 生产调度问题的含义与实质
• 1.1.3 生产调度问题的分类
• 1.1.4 生产调度的发展过程及发展趋势
• 1.2 研究生产调度问题的常见方法
• 1.3 多资源调度问题
• 1.3.1 多资源生产调度的现实意义
• 1.3.2 多资源生产调度的常规假设
• 1.3.3 多资源生产调度的研究现状
• 1.4 本文的内容组织
• 第二章 遗传算法及GASA混合遗传算法简介
• 2.1 标准遗传算法
• 2.1.1 遗传算法的基本流程
• 2.1.2 遗传算法参数与操作
• 2.2 混合遗传算法
• 2.2.1 GASA混合遗传算法的优势
• 2.2.2 GASA混合遗传算法的特点
• 2.2.3 GASA混合遗传算法设计
• 2.2.4 混合遗传算法的性能分析
• 2.3 遗传算法在生产调度中的应用
• 第三章 双资源生产调度问题
• 3.1 问题介绍
• 3.2 数学模型
• 3.3 混合遗传算法的设计
• 3.4 混合遗传算法求解工人柔性度为2的双资源生产调度问题
• 3.5 工人人数与机器数的比例研究
• 第四章 多资源生产调度问题
• 4.1 问题介绍
• 4.2 数学模型
• 4.3 混合算法的设计
• 4.4 算例
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 对未来工作的展望
• 参考文献