论文部分内容阅读
在经济全球化的浪潮中,中国的制造业飞速发展,竞争日趋激烈。用科学的方法降低生产成本,提高生产效率,改善客户服务水平已成为管理者的共识。其中,生产调度问题作为制造流程的基础问题,其重要性愈发明显,其相关理论和应用成为研究的热点和前沿之一。加工车间调度作为实际中最常见也是相对复杂的一类生产调度问题,引起了工业界和学术界的广泛关注。目前,对于加工车间调度问题的研究多限于确定性环境,但实际生产中存在着相当多的不确定因素,而调度问题的复杂性和特殊性决定了环境的微小变化会对调度结果产生很大的影响。因此,只有充分考虑不确定因素对调度策略的影响,才能够得到更稳健的调度结果,在实际生产中才能够更有效的使用。本文将对加工车间调度中的不确定因素进行研究,主要考虑两类不确定因素:一是工件在机器上加工时间的不确定,二是各工件交货日期的不确定。这两类不确定因素在实际生产过程中最为常见,也最为重要。前者影响到整个调度的安排,后者影响到调度结果的评估。以往对于不确定加工车间调度问题的研究往往把随机性和模糊性独立开来,而本文则针对各种不确定因素的特点,选用合适的数学语言去描述。本文用随机变量描述机器加工时间,用模糊变量描述工件交货日期,并通过对于基于费用的目标函数的处理把两类不确定因素结合起来,构建数学模型并应用混合智能优化算法加以求解。本文首先对于问题的实际背景和现有研究成果进行了回顾,然后在确定加工车间调度问题模型的基础上建立起相应的不确定数学模型。为了对模型进行求解,本文根据问题的结构和性质设计了基于遗传算法的混合智能优化算法。通过对编码、交叉、变异等操作的设计,实现了不确定加工车间调度模型的优化计算过程。接下来分析算法设计所需要的参数,选取适当的参数并展示了算法的有效性和鲁棒性。最后,本文通过对实际加工车间调度算例的仿真分析,将本文提出的混合智能优化算法与其他五种常用的不同调度策略进行了比较,仿真结果验证了本文的研究在实际生产中的意义。