多目標柔性Job-Shop調(diào)度算法研究.pdf

1、作業(yè)調(diào)度問題具有復(fù)雜性、約束性、多目標性等特點，屬于組合優(yōu)化問題。傳統(tǒng)優(yōu)化算法很難獲得對一般問題的解決方案。Job-Shop調(diào)度是生產(chǎn)調(diào)度的一個重要分支。傳統(tǒng) Job-Shop調(diào)度問題中，假設(shè)工件具有唯一確定的加工工藝路線，使得生產(chǎn)調(diào)度和實際生產(chǎn)過程脫節(jié)，缺乏實用性。在實際的生產(chǎn)過程中，每個工序可以在一臺或多臺機器上加工，工件可以在保持工序順序的前提下選擇合適的加工路線。與傳統(tǒng) Job-Shop調(diào)度相比，多目標柔性 Job-Shop調(diào)度

2、具有更強的實用性。但問題的復(fù)雜度也隨之大大提高。解決多目標柔性 Job-Shop問題的優(yōu)化算法以啟發(fā)式算法為主，但單一算法存在著許多缺陷和不足，所以近年來利用混合算法解決多目標柔性 Job-Shop調(diào)度問題成為研究熱點。
　　本文首先回顧了車間生產(chǎn)調(diào)度的發(fā)展歷史，總結(jié)了車間生產(chǎn)調(diào)度的分類和性能評價指標，研究了小生境技術(shù)、免疫遺傳算法、禁忌搜索算法和模擬退火算法。其次，針對多目標柔性 Job-Shop調(diào)度問題，改進了免疫遺傳算法，提

3、出了一種基于小生境技術(shù)的免疫遺傳算法，即利用小生境技術(shù)調(diào)整適應(yīng)值，采用選擇種子法進行復(fù)制操作、兩點交叉法進行交叉操作和自適應(yīng)變異率進行變異操作，有效地解決了簡單遺傳算法收斂慢和早熟等問題；同時將禁忌搜索與模擬退火算法結(jié)合，提出了一種禁忌模擬退火算法，即利用禁忌搜索算法進行粗搜索，解決了模擬退火算法中初始溫度和初始狀態(tài)的確定問題。最后，本文提出了一種利用集成法解決多目標柔性 Job-Shop調(diào)度問題的算法：將多目標問題轉(zhuǎn)換為單目標問題；利

4、用改進的免疫遺傳算法解決路徑子問題；利用禁忌模擬退火算法對工序進行排序，求解出個體的適應(yīng)值。
　　仿真表明，本文提出的多目標柔性 Job-Shop調(diào)度算法具有快速收斂的特性，能夠較好地跳出局部最優(yōu)，獲得全局最優(yōu)解，是求解多目標柔性 Job-Shop調(diào)度問題的可行且高效的算法。
　　雖然通過求解三種不同規(guī)模的問題驗證了本文提出的多目標柔性 Job-Shop調(diào)度算法的可行性，但是仍需更加全面地測試。在多目標柔性 Job-Shop