中小規(guī)模離散型制造企業(yè)車間調(diào)度問題研究.pdf

1、當今社會經(jīng)濟全球化趨勢加劇，制造業(yè)的社會環(huán)境和生存準則發(fā)生了劇烈的變化，產(chǎn)品生命周期縮短，生產(chǎn)少量多樣化，制造車間調(diào)度方法的優(yōu)劣直接影響著企業(yè)的生產(chǎn)效率。研究證明，合理的生產(chǎn)調(diào)度能夠提高設備利用率、縮短加工周期、減少庫存和降低生產(chǎn)成本等，因此，生產(chǎn)車間的調(diào)度問題日益成為眾多學者研究的重點。
　　車間調(diào)度問題屬于NP-hard問題，是典型優(yōu)化問題中最難求解的問題，人們?yōu)橹呀?jīng)付出了幾十年的努力，但至今采用最先進的算法仍然很難得到較小

2、規(guī)模問題的最優(yōu)解。近十幾年來，多種通過模擬自然界生物和人類行為過程而發(fā)展的優(yōu)化算法為解決車間調(diào)度問題提供了新的思路和手段，其中遺傳算法以其通用性強、算法簡單等特點，被廣泛應用于生產(chǎn)調(diào)度等問題中。但傳統(tǒng)的遺傳算法存在早熟收斂問題，且較容易陷入局部最優(yōu)解，全局尋優(yōu)能力較差，因此本文提出了一種改進的遺傳算法用于求解傳統(tǒng)的Job-Shop調(diào)度問題，一方面采用全主動調(diào)度以縮小搜索的解空間，另一方面提出了一種子代產(chǎn)生模式的改進的IPOX交叉操作及基

3、于鄰域搜索的變異操作，使子代能夠更好地繼承父代的優(yōu)良特征，并通過基準測試實例證明了該改進遺傳算法與其他遺傳算法相比在解的質量方面較優(yōu)。
　　由于傳統(tǒng)的Job-Shop調(diào)度問題模型對實際生產(chǎn)調(diào)度問題進行了許多簡化和假設，因此其求解方法不能直接應用于生產(chǎn)實際問題，本文緊緊抓住背景企業(yè)生產(chǎn)特點，結合其實際生產(chǎn)調(diào)度情況，建立了制造單元內(nèi)車間調(diào)度模型，針對實際生產(chǎn)中的工時問題及質檢排隊問題提出了相應的解決方法，并對制造單元間的生產(chǎn)調(diào)度問題給