基于神經(jīng)網(wǎng)絡的不確定性動態(tài)Job-shop調度研究.pdf

1、隨著全球經(jīng)濟一體化的發(fā)展，企業(yè)間的競爭日益加劇，制造企業(yè)需要具備對外部市場以及內部突發(fā)事件快速響應的能力，才能應對日益激烈的市場競爭。在實際生產(chǎn)環(huán)境中，往往存在很多不同類型的不確定性因素，諸如設備故障、訂單追加、緊急訂單插入等。由于不確定性因素的產(chǎn)生，將會導致車間狀態(tài)處于動態(tài)變化的過程。如何在動態(tài)環(huán)境下對車間進行有效調度，已經(jīng)成為解決實際調度問題的關鍵。
　　本文針對作業(yè)車間調度（又稱Job-shop調度，簡稱JSP）的不確定和動

2、態(tài)問題，主要圍繞設備故障、訂單追加、緊急訂單插入三種典型的不確定性事件進行研究。本文的研究內容如下:
　　首先，建立Job-shop調度模型，根據(jù)模型設計遺傳算法對其進行求解，并得到最優(yōu)調度方案;其次，主要針對設備故障、訂單追加、緊急訂單插入三種離散不確定性因素進行分析，研究三種不確定情況下的重調度機制;然后，根據(jù)Job-shop調度模型的特點，構建BP神經(jīng)網(wǎng)絡，并設計其訓練算法，并根據(jù)上述三種離散不確定性因素的重調度策略，以一定

3、的規(guī)則列舉不確定性事件發(fā)生的情況，生成相對應情況的調度模型，并利用遺傳算法分別進行求解得到對應調度方案，以此建立神經(jīng)網(wǎng)絡訓練樣本的理論依據(jù);最后，以一個實際5×5 Job-shop調度問題為案例，根據(jù)調度模型特點設計樣本輸入，根據(jù)所求的調度方案設計樣本輸出，從而構建神經(jīng)網(wǎng)絡訓練樣本集，并對神經(jīng)網(wǎng)絡進行訓練，基于訓練好的神經(jīng)網(wǎng)絡和建立的離散不確定情況下的重調度機制，構建智能重調度模型，從而達到既能對突發(fā)的不確定性事件做出快速響應，又能保證