基于NSGA-Ⅱ算法的作業(yè)車間調(diào)度研究.pdf

1、車間調(diào)度方法與優(yōu)化技術(shù)的研究已經(jīng)成為先進制造技術(shù)的基礎(chǔ)和關(guān)鍵。在制造業(yè)車間，調(diào)度問題的規(guī)模巨大，所涉及的對象復(fù)雜，系統(tǒng)動態(tài)性強。調(diào)度問題本身是一類組合優(yōu)化問題，也是典型的NP(NP-complete)問題。 車間作業(yè)調(diào)度問題具有計算復(fù)雜性、動態(tài)約束性、多目標(biāo)性等特點。多目標(biāo)優(yōu)化問題在科學(xué)和工程等領(lǐng)域是一個熱點問題，同時也是研究的一個難點。傳統(tǒng)的多目標(biāo)優(yōu)化方法在某些復(fù)雜的多目標(biāo)優(yōu)化問題中存在不足，因此漸漸地被一些優(yōu)越的多目標(biāo)優(yōu)化算

2、法所替代。第一代非劣前沿分級遺傳算法NSGA在多目標(biāo)領(lǐng)域中顯示出比較大的優(yōu)勢，但是隨著應(yīng)用范圍的不斷拓寬，其缺點就不斷暴露出來。為了更好地解決多目標(biāo)優(yōu)化問題，在NSGA的基礎(chǔ)上，研究人員提出了帶精英策略的非劣前沿分級遺傳算法NSGA-II。 國外關(guān)于NSGA-II的理論和應(yīng)用研究都比較深入，而國內(nèi)目前還比較少。本文通過對該算法的研究，將其應(yīng)用于實際的作業(yè)車間調(diào)度問題。利用NSGA-II在多目標(biāo)優(yōu)化領(lǐng)域強大的優(yōu)勢，很好地解決了多目

3、標(biāo)作業(yè)車間調(diào)度的問題。 本文主要的工作為： (1)研究了車間調(diào)度的背景、研究現(xiàn)狀、意義和發(fā)展趨勢；對車間調(diào)度的各種研究方法進行了系統(tǒng)的分析和比較；對課題研究的意義和內(nèi)容作了闡述。 (2)詳細研究和分析了非劣前沿分級遺傳算法(NSGA)在解決多目標(biāo)優(yōu)化問題中的優(yōu)缺點，并在NSGA的基礎(chǔ)上重點研究了其改進算法--帶精英策略的非劣前沿分級遺傳算法(NSGA-II)的思想、流程、小生境和精英策略，對二者進行詳細的比較，總

4、結(jié)出NSGA-II在解決多目標(biāo)優(yōu)化問題中的優(yōu)勢；并針對遺傳算法收斂速度慢和易陷入局部最優(yōu)的問題，在總結(jié)已有經(jīng)驗的基礎(chǔ)上提出改進：對交叉概率和變異概率的計算提出了改進方法，避免遺傳算法產(chǎn)生無用解或陷入局部優(yōu)化，以提高效率。 (3)針對多目標(biāo)作業(yè)車間調(diào)度優(yōu)化無法找到唯一最優(yōu)解的問題，建立了帶約束條件的多目標(biāo)車間調(diào)度的數(shù)學(xué)優(yōu)化模型。用MATLAB語言編寫了基于多目標(biāo)優(yōu)化的帶精英策略的非劣前沿分級遺傳算法程序，并給出了非劣前沿分級、Pa

5、reto最優(yōu)解、小生境等的MATLAB程序代碼。程序在MATLAB7.0.1中調(diào)試通過，說明了用MATLAB實現(xiàn)基于多目標(biāo)優(yōu)化的NSGA-Ⅱ算法的可行性，且從數(shù)據(jù)上表明帶精英策略的非劣前沿分級遺傳算法在解決多目標(biāo)優(yōu)化問題時優(yōu)于普通多目標(biāo)優(yōu)化算法。 (4)通過采用帶精英策略的非劣前沿分級遺傳算法解決多工藝路線與多目標(biāo)調(diào)度集成的問題，在考慮了交貨期最短、生產(chǎn)成本最低和設(shè)備負載平衡的條件下，構(gòu)建了相應(yīng)的多工藝路線與調(diào)度集成模型，將多工藝路線和