基于神經(jīng)網(wǎng)絡(luò)推理機的復(fù)雜Job-shop排序模型優(yōu)化算法.pdf

1、生產(chǎn)作業(yè)計劃調(diào)度是先進制造系統(tǒng)管理技術(shù)的重要組成部分。其車間生產(chǎn)作業(yè)計劃具有Job-shop排序模型的特性，但應(yīng)用背景大部分不符合經(jīng)典Job-shop排序模型的若干基本假設(shè)。Job-shop排序被證明是NP-Hard問題。在提高計算效率和改善優(yōu)勢競爭比之間尋求兩者兼顧的實用方法，已經(jīng)成為作業(yè)排程優(yōu)化研究的瓶頸。研究一般性復(fù)雜JSP的建模和優(yōu)化算法具有重要的理論意義和應(yīng)用價值。 本文針對一般性復(fù)雜JOb-shop排序模型的特性，構(gòu)

2、造尋求J‖C<,max>模型滿意解的實用性通用優(yōu)化算法。在比較Job-shop排序模型常用優(yōu)化算法的基礎(chǔ)上，指出經(jīng)典JSP前提假設(shè)的局限性和實際應(yīng)用中的不合理性。結(jié)合多品種、小批量生產(chǎn)現(xiàn)場情況，松馳經(jīng)典排程基本假設(shè)，拓寬工序的概念，建立相應(yīng)的工序網(wǎng)絡(luò)圖式模型。詳細(xì)論述人工神經(jīng)網(wǎng)絡(luò)推理機理論基礎(chǔ)、框架結(jié)構(gòu)和運行機制。根據(jù)工序特征編制整體優(yōu)化調(diào)度排序方案。將粒子群算法應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)無導(dǎo)師學(xué)習(xí)，使得神經(jīng)網(wǎng)絡(luò)推理機可以在線識別、動態(tài)學(xué)習(xí)和實

3、時記憶調(diào)度推理規(guī)則。將模擬退火、進化變異策略、可變慣性因子與強化學(xué)習(xí)機制思想方法等雜合，總體上提高了算法的收斂速度和精度。并用Benchmark算例測試本文算法的性能，運用正交試驗法優(yōu)選算法參數(shù)，以提高排序效率和優(yōu)勢競爭比。特別地，為了增強模型及其算法的適應(yīng)性，運用變精度粗糙集方法篩選評估擬耽擱排序的風(fēng)險指標(biāo)，構(gòu)造具有工序風(fēng)險評估的柔性耽擱的排序方法?？紤]JSP的應(yīng)用環(huán)境的動態(tài)性，設(shè)計排序模型及其算法的應(yīng)用柔性化方案：引入Agent思想

4、，依托神經(jīng)網(wǎng)絡(luò)推理機架構(gòu)，通過算法結(jié)構(gòu)的設(shè)計，改善自學(xué)習(xí)、自適應(yīng)的能力和系統(tǒng)柔性。 由于工序網(wǎng)絡(luò)比關(guān)系時間矩陣表示法具有更強的模型表現(xiàn)能力，本文算法適用范圍可拓寬至具有多類機器，每類有多臺平行機，且工藝路線存在批量重組等一般性復(fù)雜JSP。本文算法依據(jù)只是工序的特征簇，工序特征之間的地位是平等的，無先后優(yōu)先順序、無邏輯沖突，規(guī)避了啟發(fā)式規(guī)則的選擇和運用順序的設(shè)計難點，而且是從全局優(yōu)化的視角來消解資源耗用的沖突。用戶完全可以根據(jù)實際