基于遗传算法的车间调度问题研究
合集下载
基于混合遗传算法的作业车间调度问题的研究与仿真
种 基 于遗 传 和 模 拟 退 火 的 混合 算 法 ， 算 法将 模 拟 退 火 算 法 赋 予 搜 索 过 程 时 变性 融 入 其 中 ， 有 明 显 的 概 率 跳 跃 性 ， 选 该 具 并 取 了典 型 问题 进 行 分析 和 仿 真 研 究 。仿 真 结 果 表 明 ， 与传 统 的遗 传 算 法 相 比 该 方 法是 行 之 有 效 的。 关 键 词 ： 业 车 间调 度 ， 传 算 法 ， 拟 退 火 算 法 作 遗 模
ห้องสมุดไป่ตู้
ｓ ｏ ｈ ｌｏｉ ｍ ｔ ｒｅ ｒｂ ｂｌ －ｕ ． ａ ｗｈｌ，ｙ ａ ａｙ ｉｇ ｔｐｃ ｌｐｏ ｌｍｓｔｅ ａｇ ｒｈ ｓ ｓｕ ｉ ｈｏ ｇ ｈ ｗ ｔｅ ａｇ ｒｈ ｗｉ ａ ｍａｋ ｄ ｐ ｏ ａ ｉｙ ｊｍｐＭｅ ｎ ｉ ｂ ｎ ｌｚｎ ｙ ｉａ ｒｂｅ ， ｌｏ ｉ ｍ ｉ ｔｄｅ ｔｒｕ ｈ ｔ ｈ ｉ ｔ ｅ ｈ ｔ ｄ
的 ＮＰ问题 ＿。 目前 ， 究 作 业 车 间调 度 问题 的方 法 主 要 有 启 发 １ ］ 研
ｒ ｘ ＝ ｎ ａｘ ｍ≤ ａｘ ｃｒ ｉ ） ｍｉｍ Ｔ
， ， ≤ 《
Ｌ ， ｎ 《 Ｊ
（） １
Ｓ ｔ设 备 ｈ先 于 设 备 ｋ加 工工 件 ｉ ・： ：
ｃ 一 ≥ｃ ， ， ・ 几 ｋ ， 。 ｍ ｍ 『 ２，・ ，＝７２，・ ＝７ ’ （） ２
《 工业 控 制 计 算 机 ｝ ｏ 第 ２ ２ｌ ２年 ５卷 第 １ Ｏ期
７ １
基于混合遗传算法的作业车间调度问题的研究与仿真
Ｊ ｂ－ ｈ ｐ ｃ ｅ ｕ ｉｇ ｒ ｌｍ ｓ ｄ ｏｎ Ｈｙ ｒ Ｇｅ ｅ ｉ Ａｌｏ ｉ ｍ ｏ ｓ ｏ Ｓ ｈ ｄ ｌ Ｐ ｏｂｅ Ｂａ ｅ ｂ ｉ ｎ ｄ ｎ ｔ ｇ ｒｈ ｃ ｔ
基于遗传算法的双目标多工艺路线调度研究
ｐ ｅ ｅ ｔｄ Ａｌｏ ａ ｍｕ ａｉ ｎ ｅ ｐ ｒｍｅ ｔｉ ｃ ｒ ｅ ｕ ｙ ｍｅ ｎ ｆｉ ｒ ｖ ｄ ｇ ｎ ｔ ｌ ｏ ｔ ｍ， ｈ ｅ ｕ ｔ ｆ ｒ ｓ ｎ ｅ ． ｓ ， ｎ ｅ ｌｔ ｘ ｅ ｉ ｎ ｓ ａ ｒ ｄ ｏ ｔｂ ａ ｓ ｏ ｏ ｉ ｍｐ ｏ ｅ ｅ ｅ ｉ ａ ｇ ｒ ｈ ｃ ｉ ｔｅｒ ｓ ｌ ｏ ｗｈ ｃ ｒ ｖ ｓ ｈ ｔ ｈ ｄ ｌ ｓｃ ｒｅ ｔ ｎ ｅａ ｇ ｒｔ ｍ ｆ ｃ ｉ ｅ ｉ ｈ ｐ ｏ ｅ ａ ｅｍｏ ｅ ｏ ｒ ｃ ｄ ｔ ｌ ｏ ｉ ｔ ｔ ｉ ａ ｈ ｈ ｉ ｅ ｅｔ ． ｓ ｖ
ｂ ｓｄ ｏ ｏ ｂｅｏ ｊｃｉｅ ｍｕｔ ｔｃｎ ｌｇ ｒｃｓｉｇ ｓｈ ｄ ｌ ｇ ａｅ ｐｏ ｏ ｅ ． ｘ ｈ ｏ ｂｅｏｊｃ ｖ ａｅ ｎ ｄ ｕ ｌ—ｂｅｔ ｌ— ｈ ｏｏ ｙ ｐｏ ｅｓ ｃ ｅ ｕｉ ｒ ｒｐ ｓｄ Ｎｅ ｔ ｅｄ ｕ ｌ ｂｅｔ ｅ ｖ ｉｅ ｎ ｎ ｔ — ｉ
０ 引言
对车 间生产 系统 调度 问题 研 究 已有 ３ ０多年 的历史 ， 究的 内容和 应 用 的范 围也极 其广 泛 。 用各种 研 使
优 化 方法 按照 各 种 目标 建立 排序 的原 则也 甚 多 。但 多数研 究 的是 单 机单 目标调 度和 多机 单 目标 调度 ，而 对 多 目标 调度 的研 究 还 很少 。在 制 造企 业 的发 展过 程 中 ， 出现 了两种 编 排作 业 调度 的 方法 ， 即满足 交货 期 的倒排法 和 尽早 交货 的顺 排法 …。 排法 从 工件 的第 一道 工序 开 始编 制加 工计 划 并分配 加 工资源 ， 顺 只要
Ａｂ ｔ ａ ｔ ｎ ｔ ｉ ａ ｅ ， ｈ ｒ ｄ ｃｉ ｎ ｓ ｈ ｄ ｌ ｇ ｏ ｅ ｉｔ ｇ ａ ｅ ｒ ｍｅ ｒ ｒ ｐ ｉ ｎ ｔ ｅ ｔ ｄ ｌ ｓ ｒ ｃ ：Ｉ ｈ ｓｐ ｐ ｒ ｔ ｅ ｐ ｏ ｕ ｔ ｃ ｅ ｕ ｉ ｆｔ ｎ ｅ ｒ ｔｄ ｆａ ｗｏ ｋ ｇ ａ ｈ ｃ ａ ｄ ｍａｈ ｍａ ｉ ｍｏ ｅ ｏ ｎ ｈ ｃ
基于遗传算法的车间调度系统研究
基于遗传算法的车间调度系统研究车间调度系统是生产制造中非常重要的一个环节。
为了在有限的时间内完成尽可能多的生产任务，需要合理地安排工人和机器的运转，使得生产效率最大化。
而遗传算法是一种智能化的求解算法，可以很好地应用到车间调度系统的优化问题中。
本文将介绍基于遗传算法的车间调度系统研究。
一、车间调度系统的意义与挑战车间调度系统是生产制造过程中的一个关键环节，它的优化与否对整个生产制造过程的效率和质量都会产生影响。
车间生产是一个复杂的过程，需要对众多生产任务进行安排和分配。
不同的任务需要不同的工序和生产资源，因此需要在有限的时间内合理地安排机器和人工的运转，以最大化生产效率，使得生产线实现高效的转换。
车间调度系统需要解决的主要问题是如何将各个任务分配到机器和工人之间，使得整个生产过程的效率和质量都得到保证。
车间调度系统的优化问题是一个NP问题，它的解决过程非常困难。
首先是搜索空间非常大，需要寻找一个最佳解，而这个最佳解可能隐藏在无数个组合中。
其次，不同的任务有不同的加工时间和优先级，需要在实际的生产环境中高效地进行调度。
因此，对车间调度系统的研究与开发不仅需要面对上述问题，还需要考虑到实际生产过程中的其他特殊因素，如物料准备、工序调整等。
二、遗传算法的基本原理遗传算法是一种生物学启发的求解算法，它模拟了生物进化的过程来求解问题。
它的基本思想是通过模拟生物群体的演化过程，以局部搜索为主并加入概率量化搜索的方式，通过表征问题的染色体来求解问题。
遗传算法的求解过程主要分为以下几个步骤：1. 初始群体的产生：将问题的解空间划分成若干个个体空间，然后从中随机生成一个初始种群。
2. 适应度函数的定义：针对问题，定义适应度函数将每一个个体映射到一个实数值上，表示此个体在问题解空间中的优越程度。
3. 选择运算：利用适应度函数把种群中的优良个体选择出来，作为解的素材，为下一代提供"优良遗传基因"。
基于遗传算法的RGV动态调度研究
中一 个遗 传个 体 编码 如表 １ 。
表 １ 个体 编码
２ ３ １ ５ ２ ９ ３ ８ １ ７ ２
ｒ
体２ ９ ７
５ ８ １
３ ６ ２ ４
３ ２
２ １
ｌ ６
然后交换 中间 的基 因段 ，保 留 ２个 父个体 中 两端 与 中 间 段 不 重 复 的任 务 基 因 段 ，并 根 据 中 间
中图分类号 ：Ｔ ２ ８ Ｈ ４ Ｐ ７ ：Ｔ ２２ 文献标识 码 ：Ａ 文章编号 ：１０ ０ ８ （０ ２ ６— ｏ ０— ４ ０ １— ７ ５ ２ １ ）０ ０ ２ ０
Ａｂ ｔａ ｔ ｓ ｒ ｃ ：Ａｓｆ ｒｎ ｒｏ ａｓｅａ ｔ ｍａｅ ｔｒｇ ／ ｅｒ ｖ ｙ ｔｍ ，ｔ ｅ ｂ ｔ ｅ ｎ ｃ ｈ ｆ ｃｅ ｃ ｆｒ ｉ ｇ ｉ ｅ ｅ ｉ ｏ ａｒ ｗ ｉｌ ｕ ｏ ｔｄ ｓｏ ａ ｅ ｒ ｔ ｅ ａ ｓ ｓ ｉ ｌ ｅ ｈ ｏｔ ｅ ｋ ｉ ｔ ｅ ｅｆ ｉｎ ｙ ｏ ｌ ｕ ｄ ｄ ｖ ｈ － ｌ ｓ ｉ ａ
ａ ｔ ａ ｌ ｎｎ ｄ ｃ ｎ ｔ ｃｉｎ ｏ ｎ ｌｒ ｒ ｉ ｇ ｉｅ ｅ ｉｌ ｓ ｃ ｕ ｐａ ｉ ｇ ａ ｏ ｓｒ ｔ ｆａ ｕ ａ ａ ｌ ｄ ｄ ｖ ｈｃｅ ． ｌ ｎ ｎ ｕ ｏ ｎ ｕ
Ｋｅ ｗｏ ｄ ： Ａ ／ ｙ ｒｓ Ｓ ＲＳ；ＲＧＶ；ｇ ｎ ｔ ｇ ｒ ｈ ；ｄ ｎ ｍｉ ｃ ｅ ｕ ｉｇ；ｇ ｏ ｐｎ ｒ ｓ ｒａｉｎ；ｅ Ｐ ａ ｔｓ ｌ ａｉｎ ｅ ｅｉ ａ ｏ ｉ ｍ ｃｌ ｔ ｙ ａ ｃｓｈ ｄ ｌ ｎ ｒ ｕ ｉ ｇ ｔ ｐ ｔｔ ｎ ａ ｏ ｏ Ｍ— ｎ ｉ ｌ ｍｕ ｔ ｏ
体 １ ２ ３
子个 ３ １
５ ８ ｌ
３ ２ ３
表 １ 个体 编码
２ ３ １ ５ ２ ９ ３ ８ １ ７ ２
ｒ
体２ ９ ７
５ ８ １
３ ６ ２ ４
３ ２
２ １
ｌ ６
然后交换 中间 的基 因段 ，保 留 ２个 父个体 中 两端 与 中 间 段 不 重 复 的任 务 基 因 段 ，并 根 据 中 间
中图分类号 ：Ｔ ２ ８ Ｈ ４ Ｐ ７ ：Ｔ ２２ 文献标识 码 ：Ａ 文章编号 ：１０ ０ ８ （０ ２ ６— ｏ ０— ４ ０ １— ７ ５ ２ １ ）０ ０ ２ ０
Ａｂ ｔａ ｔ ｓ ｒ ｃ ：Ａｓｆ ｒｎ ｒｏ ａｓｅａ ｔ ｍａｅ ｔｒｇ ／ ｅｒ ｖ ｙ ｔｍ ，ｔ ｅ ｂ ｔ ｅ ｎ ｃ ｈ ｆ ｃｅ ｃ ｆｒ ｉ ｇ ｉ ｅ ｅ ｉ ｏ ａｒ ｗ ｉｌ ｕ ｏ ｔｄ ｓｏ ａ ｅ ｒ ｔ ｅ ａ ｓ ｓ ｉ ｌ ｅ ｈ ｏｔ ｅ ｋ ｉ ｔ ｅ ｅｆ ｉｎ ｙ ｏ ｌ ｕ ｄ ｄ ｖ ｈ － ｌ ｓ ｉ ａ
ａ ｔ ａ ｌ ｎｎ ｄ ｃ ｎ ｔ ｃｉｎ ｏ ｎ ｌｒ ｒ ｉ ｇ ｉｅ ｅ ｉｌ ｓ ｃ ｕ ｐａ ｉ ｇ ａ ｏ ｓｒ ｔ ｆａ ｕ ａ ａ ｌ ｄ ｄ ｖ ｈｃｅ ． ｌ ｎ ｎ ｕ ｏ ｎ ｕ
Ｋｅ ｗｏ ｄ ： Ａ ／ ｙ ｒｓ Ｓ ＲＳ；ＲＧＶ；ｇ ｎ ｔ ｇ ｒ ｈ ；ｄ ｎ ｍｉ ｃ ｅ ｕ ｉｇ；ｇ ｏ ｐｎ ｒ ｓ ｒａｉｎ；ｅ Ｐ ａ ｔｓ ｌ ａｉｎ ｅ ｅｉ ａ ｏ ｉ ｍ ｃｌ ｔ ｙ ａ ｃｓｈ ｄ ｌ ｎ ｒ ｕ ｉ ｇ ｔ ｐ ｔｔ ｎ ａ ｏ ｏ Ｍ— ｎ ｉ ｌ ｍｕ ｔ ｏ
体 １ ２ ３
子个 ３ １
５ ８ ｌ
３ ２ ３
基于遗传算法的某航空发动机装配车间优化调度
ｓ ａ ｔ ｉｄ ｏ ｃ ｅ ｌ ｒ ｂ ｅ ． － ｎ ｒ ｈ ｂ ｌ ｏ ｃ ｏ ｅ ｌ ｐ ｍｉａ ｉ ｒ ｌ ｍｓａ ｕ ｕ ｙ ＮＰ－ ａ ｄ ｏ ｅ ． ｎ ｔ ｉ ａ ｈ ｒ ｆ ｓ ｈ ｕ ｉ ｇ ｐ ｏ ｌ ｍｓ Ｒｅ ｅ ｔ ｙ ｄｄ ｐ ａ ｔ ｒ ｕ ｄ ｎ ｓ ｈ ｕ ｉ ｇ ｏ ６ ｚ ｔ ｎ ｐ ｂ ｅ ｒ ｓ ａ ｌ ｄ ｎ ｙ ｎ ｐｄ ｃ ｄ ｎ ｏ ｏ ｅ ｌ ｈ ｒ ｎ ｓ Ｉ ｈｓ
Ｏ 引 言
在航空发动机装配 车间生 产过 程 中 ， 完成一 台发
作是 固定 的 ， 同时每 个班 内组 与组 之间 的装配操 作顺 序也是 固定 的。这样装配车 间生产线 以班组来划分共 有： 部件 、 传装 、 总装 、 车、 试 分解 、 故检 、 返件等 七个班 组 。为 了增加产能 ， 中还有 多个 并行 机组 同时在进 班 行加工装 配 。由于航 空 发动 机是 飞机 的关 键 核 心部 件， 对其合格率要求极 高。因此 ， 台发动机装配过程 一 中， 往往会经过多次 分解后再重新 装配的过程 。
重入混备 Ｆｏｓｏ ｌ ｈｐ问题 。不 考虑 发 动机 每道 工 序加 ｗ
工前 的准备时间 ， 同时认 为工序之 间的缓 冲 区能力为 无 限大 。
部件 传装 总装 试车 分解 故检
人 Ｆｏ ｓｏ ｌ ｈｐ问题 ，ｈ ｎ ｗ Ｃ ｅ 等 给出 了混 合遗传 算法 ， 但
他们并没有给 出混合 Ｆｏ ｓｏ ｌ ｗ ｈｐ问题 的解 。
范金 松 ， 洪森 ， 久 海 ， 南云 严 周 蒋
（ 东南大 学 复 杂 工程 系统测 量与 控制教 育部 重点 实验 室 ， 江苏 南京 ２０９ ； １０ ６ 东南大 学 自 动化 学 院 ， 苏 南京 ２０９ ） 江 １０ ６
Ｏ 引 言
在航空发动机装配 车间生 产过 程 中 ， 完成一 台发
作是 固定 的 ， 同时每 个班 内组 与组 之间 的装配操 作顺 序也是 固定 的。这样装配车 间生产线 以班组来划分共 有： 部件 、 传装 、 总装 、 车、 试 分解 、 故检 、 返件等 七个班 组 。为 了增加产能 ， 中还有 多个 并行 机组 同时在进 班 行加工装 配 。由于航 空 发动 机是 飞机 的关 键 核 心部 件， 对其合格率要求极 高。因此 ， 台发动机装配过程 一 中， 往往会经过多次 分解后再重新 装配的过程 。
重入混备 Ｆｏｓｏ ｌ ｈｐ问题 。不 考虑 发 动机 每道 工 序加 ｗ
工前 的准备时间 ， 同时认 为工序之 间的缓 冲 区能力为 无 限大 。
部件 传装 总装 试车 分解 故检
人 Ｆｏ ｓｏ ｌ ｈｐ问题 ，ｈ ｎ ｗ Ｃ ｅ 等 给出 了混 合遗传 算法 ， 但
他们并没有给 出混合 Ｆｏ ｓｏ ｌ ｗ ｈｐ问题 的解 。
范金 松 ， 洪森 ， 久 海 ， 南云 严 周 蒋
（ 东南大 学 复 杂 工程 系统测 量与 控制教 育部 重点 实验 室 ， 江苏 南京 ２０９ ； １０ ６ 东南大 学 自 动化 学 院 ， 苏 南京 ２０９ ） 江 １０ ６
多种群蚁群遗传算法在车间调度中的研究应用
ｔｅｎｘ ｓｃｉ ｅｕｅｔｅｇｔ ｏｕｉｎａ ｅｉｉａ ｏ ｕ￣ｉｎｏ ｅＧ ｎ ｔ ｌｏ ｔｍ ｔ ｂａｎｔｅＰｒｔ ｐｉ ａ ｏ ｔ ｎｏ ｅＭｕｔ ｏｊｃｉ ｈ ｅｔｅｔ ｎｗ ｓ ｏ ｓｌｔ ｓｈ ｎｔ ｐ ｐ ｌ ｏ ｆ ｅｅｉ Ａ ｇｒｈ ｏ ｔｉ ｈ ａｅｏｏｔ ｌ ｌ ｉ ｔ ｌ－ ｂｅｔ ｅ ｏ ｈ ｏ ｔ ｉ ｌ ｈ ｔ ｃ ｉ ｏ ｍ ｓｕ ｏ ｆ ｈ ｉ ｖ
Ｔ ｅＲ ｓａｃ ｎ ｐ ｅＳ ｏ ｃｅ ｕｉｇ ｈ ｅｅｒｈａ ｄ Ａ ｐｉ ｔ ｆＭｕｔ ｌ ｎ ｏ ｙ ｇｎ ｔ ｌｏｉ ｍ Ｍｕｔ ｏ ｊｃｉ ｈ ｐＳ ｈ ｄ ｌ ｃ ｏ ｉ Ｃｏ ｉ ｔ ｎ ｉ ｖ ｎ
ａ ｏ ｔｍｓ ｏ ｌｉｇｔｅｐｏｕｔ ｎｓｈｄ ｌ ｇｐｏｌｍｓ ｉ ｐｐ ｒ ｒｓｎ ｌｐｅＡｎ Ｃ ｌ ｙ Ｇ ｎｔ ｘｄＡｇｒｈ ｆｒ ｈ ｌ－ｂｅｔ ｅ ｌ ｒｈ ｒｓ ｖｎ ｒｄ ｃｉ ｃ ｅｕｉ ｒｂｅ ． ８ ａｅ ｅｅｔ Ｍｕｔ ｌ ｔ ｏｏ － ｅ ｅｉ Ｍｉｅ ｌｏ ｔｍ ｅＭｕｔ ｏｊｃｉ ｇｉ ｆ ｏ ｈ ｏ ｎ ｎ ｐ ａ ｉ ｎ ｃ ｉ ｏｔ ｉ ｖ
２１ ０２年
第 １ 期 １
Ｓ ＩＮ Ｅ＆Ｔ Ｃ Ｎ Ｌ Ｇ Ｎ Ｏ ＭＡ ＩＮ ＣＥ Ｃ Ｅ Ｈ Ｏ Ｏ ＹＩ Ｆ Ｒ ＴＯ
０，－ ￣ 教前沿 。 ４
科技信息
多种群蚁群遗传算法在车间调度中的研究应用
董 向鹏 （ 岛科技大 学信 息科 学技术 学 院 山东 青
青岛
２６６ ） ６ ０ １
【 ｂｔ ｃ］ ｎ Ｃｌ ｙ ｌ ｒｈ ｎ ｅｅ ｔｎＡｇｏｔｍａ ｏ ｉ ｉｏｔ ｉ ｔｎａ ｏｔｍｔ ｙ ｌ ａ ｏｗ ｏｅ ｕ ａｄｅｅｔ ｅ Ａ ｓ ａｔＡ ｔ ｏ ｎ ｇ ｉ ｍａｄ ｎｒ ｉ ｌ ｒｈ ｅｗ ｏ ｃ ｐｍｚ ｉ ｇｒ ，ｅ ｅ ｓ ｔｏ ｗ ｒｌ ｎ ｆ ｉ ｒ ｏ Ａ ｏｔ Ｇ ａｏ ｅ ｉ ｒ ｔ ｂ ｎ ｉ ａｏ ｌ ｉ ｈ ａ ｐ ｆ ｈ ｌ ｆｃｖ
Ｔ ｅＲ ｓａｃ ｎ ｐ ｅＳ ｏ ｃｅ ｕｉｇ ｈ ｅｅｒｈａ ｄ Ａ ｐｉ ｔ ｆＭｕｔ ｌ ｎ ｏ ｙ ｇｎ ｔ ｌｏｉ ｍ Ｍｕｔ ｏ ｊｃｉ ｈ ｐＳ ｈ ｄ ｌ ｃ ｏ ｉ Ｃｏ ｉ ｔ ｎ ｉ ｖ ｎ
ａ ｏ ｔｍｓ ｏ ｌｉｇｔｅｐｏｕｔ ｎｓｈｄ ｌ ｇｐｏｌｍｓ ｉ ｐｐ ｒ ｒｓｎ ｌｐｅＡｎ Ｃ ｌ ｙ Ｇ ｎｔ ｘｄＡｇｒｈ ｆｒ ｈ ｌ－ｂｅｔ ｅ ｌ ｒｈ ｒｓ ｖｎ ｒｄ ｃｉ ｃ ｅｕｉ ｒｂｅ ． ８ ａｅ ｅｅｔ Ｍｕｔ ｌ ｔ ｏｏ － ｅ ｅｉ Ｍｉｅ ｌｏ ｔｍ ｅＭｕｔ ｏｊｃｉ ｇｉ ｆ ｏ ｈ ｏ ｎ ｎ ｐ ａ ｉ ｎ ｃ ｉ ｏｔ ｉ ｖ
２１ ０２年
第 １ 期 １
Ｓ ＩＮ Ｅ＆Ｔ Ｃ Ｎ Ｌ Ｇ Ｎ Ｏ ＭＡ ＩＮ ＣＥ Ｃ Ｅ Ｈ Ｏ Ｏ ＹＩ Ｆ Ｒ ＴＯ
０，－ ￣ 教前沿 。 ４
科技信息
多种群蚁群遗传算法在车间调度中的研究应用
董 向鹏 （ 岛科技大 学信 息科 学技术 学 院 山东 青
青岛
２６６ ） ６ ０ １
【 ｂｔ ｃ］ ｎ Ｃｌ ｙ ｌ ｒｈ ｎ ｅｅ ｔｎＡｇｏｔｍａ ｏ ｉ ｉｏｔ ｉ ｔｎａ ｏｔｍｔ ｙ ｌ ａ ｏｗ ｏｅ ｕ ａｄｅｅｔ ｅ Ａ ｓ ａｔＡ ｔ ｏ ｎ ｇ ｉ ｍａｄ ｎｒ ｉ ｌ ｒｈ ｅｗ ｏ ｃ ｐｍｚ ｉ ｇｒ ，ｅ ｅ ｓ ｔｏ ｗ ｒｌ ｎ ｆ ｉ ｒ ｏ Ａ ｏｔ Ｇ ａｏ ｅ ｉ ｒ ｔ ｂ ｎ ｉ ａｏ ｌ ｉ ｈ ａ ｐ ｆ ｈ ｌ ｆｃｖ
基于改进的遗传算法在车间作业调度中的应用与研究
遗 传 操 作 就 相 当 于 交 叉 操 作 和 变 异 操 作 。 采 Ｊ “ ／ 选 Ｅ ２４ ｝
择 ” 可 以 保 证 精 英 个 体 遗 传 到 下 一 代 。 然 后 重 复 上述 操
结 构 和 交 叉 变 异 方 面 ，本 文 设 计 了一 种 新 的 选 择 和 交 叉 变 异算 子对 算 法 进 行 改 进 。
２表 示 Ｔ 件 ，３表 示 Ｔ 件 。 因 为 每 个 ｌ 有 ３道 工 序 ， 丁件 所 以 ，每 个 工 件 在 一 个 染 色 体 中 刚 好 出 现 ３次 。染 色 体 上 第 一 个 ２表 示 Ｔ 件 ２的 第 一 个 Ｔ 序 ，对 照 机 器 约 束 ．该 ＿ 『 二 序 在 机 器 ｍ。 加 Ｔ ， 工件 ２的 第 二 个 工 序 在 机 器 上 加 上 工 ， 以 此 类 推 ，工 件 ２的 第 三 个 工 序 在 机 器 ｍ 上 加 工 ． ， 因 此 ，在基 于工 序 的 编码 方 法 下 ，每 个 个 体 都 对 应 问题 的
作 ，直 到新 种 群 的个 数 等 于 父 代 种 群 的 个 数 。选 择 操 作 流
程 如 １所 示 、
３１编 码 方 法 ．
编 码 是 问 题 解 的遗 传 基 因 表 示 ，也 就 是 把 一 个 问 题 的
可行 解 从 其 解 空 间转 化 到遗 传 算 法 所 能 处 理 的 搜 索 空 间 的 转 换 。它 是 应 用 遗 传 算 法 时要 解 决 的 首 要 问 题 ，也 是 应 用 成 功 与否 的关 键 步 骤 ， 鉴 于 车 间 调 度 问题 的 约 束 性 ，编 码 技 术 必 须 考 虑 其 合 法 性 和 可 行 性 。 本 文 采 用 的 是 ＭＩ Ｓ Ｏ ＴＵ Ｇ ｎ等 人 提 出 的基 于 １ 序 的 编 码 方 法 ，染 色 体 是 由 昕 有 Ｔ ｅ 一 件 的＿ 排 序 组 成 的 ．它 具 有 解 码 和 置 换 染 色 体 后 总 能 得 丁序
择 ” 可 以 保 证 精 英 个 体 遗 传 到 下 一 代 。 然 后 重 复 上述 操
结 构 和 交 叉 变 异 方 面 ，本 文 设 计 了一 种 新 的 选 择 和 交 叉 变 异算 子对 算 法 进 行 改 进 。
２表 示 Ｔ 件 ，３表 示 Ｔ 件 。 因 为 每 个 ｌ 有 ３道 工 序 ， 丁件 所 以 ，每 个 工 件 在 一 个 染 色 体 中 刚 好 出 现 ３次 。染 色 体 上 第 一 个 ２表 示 Ｔ 件 ２的 第 一 个 Ｔ 序 ，对 照 机 器 约 束 ．该 ＿ 『 二 序 在 机 器 ｍ。 加 Ｔ ， 工件 ２的 第 二 个 工 序 在 机 器 上 加 上 工 ， 以 此 类 推 ，工 件 ２的 第 三 个 工 序 在 机 器 ｍ 上 加 工 ． ， 因 此 ，在基 于工 序 的 编码 方 法 下 ，每 个 个 体 都 对 应 问题 的
作 ，直 到新 种 群 的个 数 等 于 父 代 种 群 的 个 数 。选 择 操 作 流
程 如 １所 示 、
３１编 码 方 法 ．
编 码 是 问 题 解 的遗 传 基 因 表 示 ，也 就 是 把 一 个 问 题 的
可行 解 从 其 解 空 间转 化 到遗 传 算 法 所 能 处 理 的 搜 索 空 间 的 转 换 。它 是 应 用 遗 传 算 法 时要 解 决 的 首 要 问 题 ，也 是 应 用 成 功 与否 的关 键 步 骤 ， 鉴 于 车 间 调 度 问题 的 约 束 性 ，编 码 技 术 必 须 考 虑 其 合 法 性 和 可 行 性 。 本 文 采 用 的 是 ＭＩ Ｓ Ｏ ＴＵ Ｇ ｎ等 人 提 出 的基 于 １ 序 的 编 码 方 法 ，染 色 体 是 由 昕 有 Ｔ ｅ 一 件 的＿ 排 序 组 成 的 ．它 具 有 解 码 和 置 换 染 色 体 后 总 能 得 丁序
基于遗传算法的柔性车间作业调度
基于遗传算法的柔性车间作业调度作者：白康来源：《电子世界》2012年第09期【摘要】目前柔性车间作业调度问题已成为研究热点，本文采用遗传算法求解该问题。
针对柔性车间作业调度问题的特点设计了染色体编码方法，即将基于工序的编码和基于机器的编码方式结合。
同时在遗传操作方面设计了相应的交叉和变异算子。
这些改进方法可以保证遗传操作每一步产生的染色体在工艺约束和选择机器方面都是合法的，避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。
为了得到活动调度，在进行适应度计算时对染色体中的基因序列进行调整。
仿真结果表明设计的遗传算法求解柔性车间作业调度是有效的。
【关键词】柔性车间作业调度；活性调度；遗传算法1.引言在基本的车间作业调度问题(Job Shop Problem，简称JSP)中，所有工件的工序都只能由指定的某一台机器进行加工。
随着加工技术、自动化技术的发展，特别是柔性制造系统的出现，此传统限制已被突破，工件具有多个可选择的加工路线，即路径柔性已经成为生产的实际需求。
生产技术的进步推动着调度理论研究的进深，具有柔性路径的柔性车间作业调度(Flexible Job Shop Problem，简称FJSP)研究也开始进入人们的视野并引起重视[1-3]。
目前，遗传算法以其优良的计算性能和显著的应用效果，在求解JSP问题和FJSP问题中获得了很大的成功[4-11]。
本文使用遗传算法来求解FJSP问题，提出了多维矩阵的编码方式，以及相应的选择、交叉、变异操作设计，保证遗传操作每一步产生的染色体都是合法的，避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。
最后用一个调度实例验证了算法的正确性和有效性。
2.调度问题描述n种工件J={Ji|i=1，…，n}在一个由m台不同的加工机器组成的制造系统中进行加工。
加工工件Ji需要p(i)道工序，每道工序都有一个可选的机器集合，其加工时间随机器的选择不同而变化。
调度目标是确定每台机器上各工件的加工顺序及开工时间，使得系统的最大完成时间Cmax最小，同时给出满足要求的活动调度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｔｏ
ａｃｔｕａｌ ｐｒｏｄｕｃｔｉｏｎ
ｃａｎ
ｅｎｖｉｒｏｎｍｅｎｔ．Ｉｍｐｒｏｖｉｎｇ ｔｈｅ
ｓｃｈｅｄｕｌｉｎｇ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ
ｇｒｅａｔｌｙ ｉｍｐｒｏｖｅ ｐｒｏｄｕｃｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ
ｒｅｓｏｕｒｃｅ
ｕｔｉｌｉｚａｔｉｏｎ，ｔｈｅｒｅｂｙ ｗｅ
Ｊｏｂ．ｓｈｏｐ Ｓｃｈｅｄｕｌｉｎｇ
Ｐｒｏｂｌｅｍ，ＦＪＳＰ）由于突破了资源唯
一性限制，减少了机器的约束，每道工序可由多个不同的机器完成，从而使车 间调度问题更加符合生产实践。柔性车间调度问题相对经典车间调度问题
Ｏｏｂ—ｓｈｏｐ
Ｓｃｈｅｄｕｌｉｎｇ
Ｐｒｏｂｌｅｍ，ＪＳＰ）而言提高了问题的复杂性，所以与经典车间调
ｊｏｂ ｓｈ叩
ｓｃｈｅｄｕｌｉｎｇ，ｂａｓｉｎｇ
ｂｒａｎｃｈ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ａｎｄ ｕｓｉｎｇ
ｂｒａｎｃｈ ｅｎｃｏｄｉｎｇ ｍｅｔｈｏｄ
ａ
ａｎｄ ｇｅｎｅｔｉｃ ｏｐｅｒａｔｏｒ，ｅｆｆｅｃｔｉｖｅｌｙ ｇｕａｒａｎｔｅｅｄ ｔｈｅ ｐｏｓｓｉｂｉｌｉｔｙ ｏｆ ｇｅｎｅｒａｔｉｏｎｓ，Ｕｓｉｎｇ
ｐｒｏｇｒａｍ，ａｎｄ ｃｏｍｐｕｔｅ
ｃｏｎｖｅｒｇｅ ｑｕｉｃｋｌｙ ａｎｄ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ
ａｎｄ
ｑｕａｌｉｔｙ ｉｎ ｓｏｌｖｉｎｇ．Ｉｔ ｂｅｎｅｆｉｔｓ ｆｏｒ ｔｈｅ
ｔｈｅ ｐｒｏｄｕｃｔｉｏｎ ｐｌａｎｎｉｎｇ
ａｎｄ
ｔｈｅ ａｃｔｕａｌ ｐｒｏｄｕｃｔｉｏｎ ｓｃｈｅｄｕｌｉｎｇ，Ｔｈｅ
随机性：车间调度中有很多随机和不确定的因素。如工件达到时间的不确定性，
指导教师签名：
日
期：
内蒙古大学硕士学位论文
第一章
绪论
调度问题考虑的是随着时间的变化，如何调度有限的资源在执行任务的同时满足特定约 束。有效的计划与调度优化算法能增加产出、减少周转时间，是实现先进制造和提高生产效 益的基础和关键。改善调度优化算法，可大大提高生产效益和资源利用率，进而增强企业的 竞争能力，其研究也具有重要的理论意义和实用价值。
ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｒｅｓｅａｒｃｈ ｒｅｓｕｌｔｓ ｏｆ ｄｉｖｉｓｉｏｎ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ ｉｎ ｒｅｓｏｌｖｉｎｇ ｔｈｅ ｆｌｅｘｉｂｌｅ
ｊｏｂ ｓｈｏｐ ｓｃｈｅｄｕｌｉｎｇ ｐｒｏｂｌｅｍｓ ｉｓ
ｄｅｖｅｌｏｐｉｎｇ ｉｎ ｔｈｅ
ａ
ｓｏｌｉｄ
ｆｏｕｎｄａｔｉｏｎ ｏｆ ｆｕｒｔｈｅｒ ｒｅｓｅａｒｃｈｉｎｇ ａｎｄ
Ｊｏｂ
Ｓｈｏｐ是最一般的调度类型，不同的作业具有不同的加工操作和加工顺序，并不限制
作业的加工设备；Ｆｌｏｗ Ｓｈｏｐ是所有作业都在同样的设备上加工，并有一致的加工操作和加
工顺序；单机是所有操作都在单台机器上完成；多任务并行机是每道加工工序有多个等同设
内蒙古大学硕士学位论文
备或者统一设备，并且任何生产任务都要求其每道工序只能在这些设备中的一个加工。 （２）根据作业的加工特点，车间调度问题可以分为静态调度和动态调度。 静态调度是指所有等待安排加上的任务均处于等待加工状态，因而进行一次调度后，各 项生产任务的操作被确定，在以后的加工过程中就不再改变。 动态调度是指如果各项生产任务依次进入待加工状态，各种生产任务和操作进入生产系 统接收加工。但由于生产作业环境中不断出现的各种扰动因素，如加工超时或提前、设备故 障等，预定的调度计划遭到破坏，因此，要根据生产系统实际情况的变化，不断进行生产调 度，即动态调度。 （３）根据生产任务的特点，调度问题可分为确定型调度问题和随机型调度问题。 确定型调度问题是指生产任务的各项操作的时间以及其他有关参数是已知的、确定的量。 随机型调度问题是指生产任务的各项操作的时间以及其他有关参数是随机变量。 １．３车间调度问题的特点 约束性：车间调度问题中可用资源的数量、工件到期时间以及工件的操作顺序 等都是约束。工件必须按照顺序在机床上处理。 Ｑ 复杂性：车间中工件、机器和搬运系统之间相互影响、相互作用。每个工件又 要考虑它的加工时间、安装时间和操作顺序等因素，因而相当复杂。调度闷题 是在等式或不等式约束下求指标的优化，在计算量上往往是ＮＰ－ｈａｒｄ问题，随 着问题规模的增大，其计算量急剧增加，使得一些常规的方法无能为力，随调 度规模的增大，问题可行解得数量呈指数级增加，因而求解非常困难。 ◇
ｏｆ ｔｈｅ ｓｃｈｅｄｕｌｉｎｇ ｐｒｏｂｌｅｍｓ．Ｔｈｅ ｒｅｓｅａｒｃｈ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｂｒａｎｃｈ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ
ｃａｎ
ｑｕｉｃｋｌｙ ｇｅｔ ｔｈｅ ｏｐｔｉｍａｌ ｓｃｈｅｄｕｌｉｎｇ ｏｆ ｔｈｅ
ｗｉｔｈ ｍｏｒｅ ｅｆｆｉｃｉｅｎｃｙ
其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中
作了明确的说明并表示谢意．
学位论文作者签名： 日 期：
指导教师签名：
日 期：
在学期间研究成果使用承诺书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古大学有权将学位论文的全
部内容或部分保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允许编入有关数据库进行检索，
ｅｎａｂｌｅ ｔｏ ａｃｈｉｅｖｅ ｔｈｅ ｏｐｔｉｍａｌ ｏｆ ｏｐｅｒａｔｉｏｎｓ ｔａｒｇｅｔ ｖａｌｕｅ．ｂｅｃａｕｓｅ ｏｆ ｂｒｅａｋｔｈｒｏｕｇｈ ｉｎ ｔｈｅ ｕｎｉｑｕｅｎｅｓｓ
ｒｅｓｏｕｒｃｅ ｃｏｎｓｔｒａｉｎｔ，ａｎｄ
ｂｅ
ｄｅｃｒｅａｓｉｎｇ ｉｎ ｍａｃｈｉｎｅｓ ｃｏｎｓｔｒａｉｎｔ，ｅｖｅｒｙ
度问题相比更加接近实际生产环境。改善调度优化算法，可大大提高生产效益 和资源利用率，进而增强企业的竞争能力，其研究也具有重要的理论意义和实 用价值。 本文选择以柔性作业车间的生产调度为研究对象，以分部遗传算法为基础，
利用分部编码方法及分部遗传算子，采用双种群选择策略，并保留了原父代的
优良性质，有效的保证了遗传后代的可行性，并结合自适应函数，对具有路径 柔性的作业车间调度问题进行了系统的研究，完成了柔性车间调度问题模型的 建立以及用于该调度问题的分部遗传算法的设计与实现。通过大量典型算例的 研究，研究结果表明分部遗传算法能够较好的得到调度方案，而且运算收敛速 度较快，具有较强的求解效率和质量，有利于生产计划和实际生产调度相结合。 分部遗传算法在解决柔性车间调度问题上的有效性的研究成果为进一步研究和 开发车间调度理论打下了一定的基础。
ａ ｒｅｓｏｕｒｃｅ
ａｌｌｏｃａｔｉｏｎ ｐｒｏｂｌｅｍ，ｔｈｅ ｇｏａｌ
ｍａｉｎｌｙ ｈｏｗ
ｔｏ
ｄｉｓｐａｔｃｈ ｔｈｅ ｌｉｍｉｔｅｄ
ｒｅｓｏｕｒｃｅｓ
ｉｎ ｔｈｅ
ｔｏ
ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｔｈｅ ｍａｎｄａｔｅ
ａｔ ｔｈｅ ｓａｍｅ
ｔｉｍｅ
ｍｅｅｔ ｔｈｅ ｓｐｅｃｉｆｉｃ
ｃｏｎｓｔｒａｉｎｔｓ，ａｎｄ
ｔｈｅ
ｇｅｎｅｔｉｃ ｆｕｔｕｒｅ ｓｃｈｅｄｕｌｉｎｇ
ｔｈｅ
ｂａｓｉｃ
ｔｈｅｏｒｙ
ｏｆ
ｔｈｅ
ｆｌｅｘｉｂｌｅ
ｊｏｂ
ｓｈｏｐ
ｏｎ
ｃｏｍｐｒｅｈｅｎｓｉｖｅ，ｒｅｓｅａｒｃｈ
ｓｃｈｅｄｕｌｉｎｇ
ｏｎ
ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｔｈｅ ｒｏｕｔｉｎｇ ｆｌｅｘｉｂｉｌｉｔｙ
ａ
ｊｏｂ—ｓｈｏｐ
ｔｈｅ ｓｙｓｔｅｍ，Ｂｙ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｅａｒｃｈｉｎｇ
ｊｏｂ ｓｈｏｐ ｓｃｈｅｄｕｌｉｎｇ．
ＫＥＹ
ＷＯＲＤＳ：
Ｆｌｅｘｉｂｌｅ Ｊｏｂ Ｓｈｏｐ Ｓｃｈｅｄｕｌｉｎｇ，Ｇｅｎｅｔｉｃ Ｂｒａｎｃｈ Ｃｏｄｅ，Ａｄａｐｔｉｖｅ
Ａｌｇｏｒｉｔｈｍ，
原创性声明
本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。除本文已 经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得凼墓直盔堂及
调度理论研究的开始：６０－７０年代建立了调度理论的主体（经典调度理论）并重视调度复杂性的 研究。随着７０年代后期调度理论研究的深入及各种交叉学科的发展，又涌现出了许多新的车 间调度理论与方法【ｌ－２１。 车间调度问题则是调度问题的一个子集，实际上是一个资源分配问题，这里的资源分配 主要指设备资源，问题的求解目标主要是要找到一个可以使作业能被“最优’’完成的方案。 通常车间调度问题约束的数目很大，使得该问题成为一个ＮＰ．ｈａｒｄ问题。好的生产调度能提 高资源的利用率和操作管理水平，生产出具有竞争力的产品。车间的调度优化工作，因其在 提高生产效率，降低生产成本等方面所起的重要作用，正越来越受到学者们的关注。 １．２车间调度问题的描述、分类 从数学规划的角度看，车间调度可表达为在等式或不等式约束下，对一个或多个目标函 数的优化。现代典型的车间调度问题是：将作业均衡地安排到各处理机上，并合理地安排作 业的加工次序和开始时间，使约束条件被满足，同时优化一些性能指标。 对于车间调度问题，按照不同的分类标准，可分为以下三种类型【”】： （１）根据加工系统得复杂程度可分为Ｊｏｂ Ｓｈｏｐ、Ｆｌｏｗ Ｓｈｏｐ、单机和多任务并行机。
ｃａｎ
ｅｎｈａｎｃ ｔｈｅ ｅｎｔｅｒｐｒｉｓｅｓ’ｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓ，ｔｈｅ
ｓｔｕｄｙ ａｌｓｏ ｈａｓ ｉｍｐｏｒｔａｎｔ ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ ｐｒａｃｔｉｃａｌ ｖａｌｕｅ．
Ｉｎ
ｔｈｉｓ
ｐａｐｅｒ，ｗｅ ｍａｉｎｌｙ
ｏｎ
ｒｅｓｅａｒｃｈ
ａｎｄ ｄｅｖｅｌｏｐ ｔｈｅ ｆｌｅｘｉｂｌｅ
ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｔｙｐｉｃａｌ
ｅｘａｍｐｌｅｓ ａｎｄ ｂａｓｉｎｇ ｔｈｅ ｔｈｅｏｒｙ ｓｔｕｄｉｅｓ，ｗｅ ｂｕｉｌｄ ｔｈｅ ｍｏｄｅｌ ｏｆ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｆｌｅｘｉｂｌｅ