基于免疫遺傳算法的模糊柔性作業(yè)車間調度問題研究.pdf

1、車間調度涉及企業(yè)的生產計劃、采購、倉庫、銷售等運作管理，作為生產系統(tǒng)的核心，車間調度方案的優(yōu)化可以提高生產效益和設備利用率。由于產品趨于個性化，工藝路線更加多樣化，迫切需要企業(yè)能夠快速有效地實現(xiàn)小批量的定制化生產，提高生產系統(tǒng)的柔性已成為企業(yè)提升競爭力的主要手段之一。車間調度問題的研究大多是將各種參數(shù)假定為某個具體數(shù)值，此類確定性調度模型不能很好地反映實際生產情況。本文研究的模糊柔性調度能夠更加準確地描述生產中的加工時間、交貨期等在一定

2、范圍內不能精確描述的數(shù)值，有助于調度模型的完善。
　　單獨研究模糊和柔性的車間調度的成果已有很多，同時考慮兩種特性將使問題變得復雜得多。而問題隨著規(guī)模變大和約束增多會變得更加復雜，數(shù)學規(guī)劃、規(guī)則啟發(fā)式等方法受到限制，利用智能算法之間的混合有助于調度問題的解決，其中遺傳算法由于操作簡單，具有魯棒性、兼容性好等優(yōu)點，經常被用來和其他算法結合，本文采用的算法就是在免疫算法和遺傳算法結合的基礎上加以改進。
　　本文針對考慮模糊加工時

3、間和模糊交貨期的柔性作業(yè)車間調度問題，使用加權目標值的方法構建了多目標模糊柔性作業(yè)車間調度模型，給出了改進的免疫遺傳算法的設計流程。算法中染色體采用玄光男提出的實數(shù)串編碼，并采用濃度抑制的自適應提取疫苗操作，提出了新型的采用模擬退火的疫苗接種操作，接種前先對疫苗片段上的等位基因運用檢測策略進行判斷，具體做法是對比新舊最優(yōu)個體的對應基因位，若在記憶庫中出現(xiàn)概率較小則嚴格控制交換，判斷是否非法解后再決定選棄。若某基因位在連續(xù)幾代的接種中疫苗

4、基因無變化，進一步對比該基因位上出現(xiàn)過的其他數(shù)值所能構成最優(yōu)個體，判斷是否最優(yōu)基因或者陷入局部最優(yōu)。通過模擬退火以概率進行接種可有效地改善早熟收斂和局部搜索能力差的缺點，并加入記憶庫彌補了固定的交叉變異的不靈活性。
　　最后先通過參考文獻的仿真實例證實了算法的可行性和有效性，接著以加工時間和滿意度為指標對常用作標準算例的Kacem模糊柔性作業(yè)車間調度進行求解，和單目標的遺傳算法的Pareto最優(yōu)解比較，結果表明了該算法顯著提高了全