随着全球经济一体化和知识经济的到来,企业间的竞争日趋激烈,多工序、小批量的生产任务也成了生产厂家抢占市场的重点。为了增强企业核心竞争力,厂家必须改善内部生产管理,合理安排工序和利用资源,减少工期,降低生产成本。因此,车间（生产）调度问题越来越受到人们的关注。作业车间调度问题是许多实际生产调度问题的简化模型,是一个典型的NP-hard问题,近年来,各种智能计算方法逐渐被引入到调度问题中,如遗传算法、模拟退火算法、启发式算法等。遗传算法（Genetic Algorithm,GA）是应用最广泛的优化计算方法中之一,适用于全局搜索等参数优化计算领域,也适用于车间作业调度问题。它作为一种非确定性的拟生态随机优化算法得到了广泛的应用。由于其具有不依赖于问题模型的特性、全局最优性、随机转移性和非确定性、隐含并行性等特点,因此遗传算法更适合复杂问题的优化,比其他优化技术相比存在显著的优势,正越来越激起人们的广泛研究与应用。本文应用遗传算法求解复杂的车间调度问题。首先论述了车间调度问题的重要性及其研究现状、方法,介绍了遗传算法的理论基础,基于遗传算法的作业车间调度问题等。其次,针对遗传算法容易出现早熟收敛的问题,提出一个评判遗传算法早熟程度的指标,同时结合模拟退火算法提出一种改进的自适应遗传算法,并将其运用于作业车间调度问题的求解。最后,对基于单亲DNA遗传算法进行了研究。单亲遗传算法取消了传统遗传算法的交叉算子,采取单亲繁殖方式,不要求初始群体具有多样性,不存在“早熟”收敛问题,计算效率高,因此非常适合于求解作业车间调度问题。
本文来源: https://www.lw50.cn/article/0d40d8d56a2dc3784dae904a.html