基于自適應(yīng)遺傳算法的混合Flow shop調(diào)度研究.pdf

1、隨著市場(chǎng)競(jìng)爭(zhēng)的日趨激烈，以顧客訂貨為導(dǎo)向的、多品種、小批量生產(chǎn)已成為現(xiàn)代工業(yè)的主要生產(chǎn)模式。準(zhǔn)時(shí)生產(chǎn)制JIT(just in time)正是為應(yīng)對(duì)這一挑戰(zhàn)而提出的，而如何實(shí)現(xiàn)準(zhǔn)時(shí)交貨？怎樣將作業(yè)的生產(chǎn)計(jì)劃分解到具體機(jī)器上？如何尋找合理的調(diào)度方案？實(shí)現(xiàn)客戶希望的完工期與工廠實(shí)際的完成時(shí)間相一致；以求資源與任務(wù)之間合理高效地匹配，這是一個(gè)復(fù)雜的問(wèn)題。 從數(shù)學(xué)層面上講：調(diào)度問(wèn)題屬于組合數(shù)學(xué)范疇。隨著任務(wù)與資源量的擴(kuò)大，由其組合所生成的

2、可行方案也急劇暴漲，這就是所謂的NP問(wèn)題。如何從漸趨無(wú)窮多的調(diào)度方案中找出一個(gè)最優(yōu)解，是優(yōu)化算法所面臨的重要難題。在現(xiàn)今眾多的優(yōu)化算法中，遺傳算法作為一種非確定性的擬生態(tài)隨機(jī)優(yōu)化算法得到了廣泛的應(yīng)用，其具有不依賴于問(wèn)題模型的特性、全局最優(yōu)性、隱含并行性等特點(diǎn)，使得其可應(yīng)用于作業(yè)車間調(diào)度問(wèn)題。 以交貨期為導(dǎo)向，確定合適的調(diào)度方案，控制各作業(yè)的完工期與交貨期的偏離程度最小可以從兩方面為企業(yè)帶來(lái)經(jīng)濟(jì)效益。一方面，由此得到各作業(yè)準(zhǔn)確的開

3、工時(shí)間，就可以準(zhǔn)確控制原材料的入庫(kù)時(shí)間，減少存儲(chǔ)費(fèi)用，加速物料與資金的流通速度，提高生產(chǎn)效率；另一方面，各作業(yè)與交貨期偏離程度達(dá)到最小，在因延遲交貨方面所受到的罰款也會(huì)最小。這從存儲(chǔ)成本與懲罰成本兩個(gè)方面保證了企業(yè)成本的最小化，為實(shí)現(xiàn)準(zhǔn)時(shí)化生產(chǎn)了奠定基礎(chǔ)。 本文針對(duì)混合Flow shop調(diào)度問(wèn)題，提出了一種基于大變異算子自適應(yīng)遺傳算法(Adaptive genetic algorithms)的求解方法，給出了染色體的編碼與解碼方

4、法，并利用 MATLAB 編程實(shí)現(xiàn)了算法的仿真。本文主要做了如下幾點(diǎn)工作： （1)建立了以準(zhǔn)時(shí)交貨為目標(biāo)的引線框架產(chǎn)品車間調(diào)度問(wèn)題的數(shù)學(xué)優(yōu)化模型； （2)針對(duì)混合Flow shop調(diào)度問(wèn)題，提出了一種基于遺傳算法的求解方法，給出了染色體的編碼解碼方法和相應(yīng)的遺傳算子； （3)為改進(jìn)標(biāo)準(zhǔn)遺傳算法的全局搜索能力，對(duì)交叉與變異算子進(jìn)行了自適應(yīng)改造；建立了用于求解混合Flow shop調(diào)度的自適應(yīng)遺傳算法； （4)