生产调度问题及其优化算法Word文件下载.doc

生产调度问题及其优化算法Word文件下载.doc

《生产调度问题及其优化算法Word文件下载.doc》由会员分享，可在线阅读，更多相关《生产调度问题及其优化算法Word文件下载.doc（14页珍藏版）》请在冰豆网上搜索。

由于问题的连环嵌套性，使得用图解方法也变得不切实际。

传统的运筹学方法，即便在单目标优化的静态调度问题中也难以有效应用。

本文给出三个模型。

首先通过贪婪法手工求得本问题最优解，既而通过编解码程序随机模拟优化方案得出最优解。

最后采用现代进化算法中有代表性发展优势的遗传算法。

文章有针对性地选取遗传算法关键环节的适宜方法，采用MATLAB软件实现算法模拟，得出优化方案，并与计算机随机模拟结果加以比较显示出遗传算法之优化效果。

对车间调度系列问题的有效解决具有一定参考和借鉴价值。

二．模型假设

1．每一时刻，每台机器只能加工一个工件，且每个工件只能被一台机器所加工，同时加工过程为不间断；

2．所有机器均同时开工，且工件从机器I到机器J的转移过程时间损耗不计；

3．各工件必须按工艺路线以指定的次序在机器上加工多次；

4．操作允许等待，即前一操作未完成，则后面的操作需要等待，可用资源有限。

三．符号说明及初始数据表达分析

-第i个工件（i=1…6）

-机器顺序阵表示i工件的第j个操作的机器号

-第j台机器（j=1…4）

-工件排列阵表示i机器上第j次加工的工件号

-加工时间阵为i工件的第j个操作的时间周期

-整个任务完成时间

整理数据后得到：

=[CABCD000]=[824246000]

[ADBC0000][45340000]

[CDABA000][3715208000]

[BCDADC00][7621116300]

[DBCDACD0][1048412610]

[ABACDACA][14735258]

上述二阵直接从题目得出，而则是我们要求的。

关于工件的加工时间表：

（表二）

产品/工件（i）:

1

2

3

4

5

6

总计

总净加工时间（周期）

44

16

53

54

45

35

247

加工工序总数（个）

7

8

关于机器的加工时间表：

（表三）

机器/设备（j）:

A

B

C

D

总净加工时间

60

42

70

75

加工操作次数

10

9

分析：

由于各产品总净加工时间和各机器总净加工时间之中最大值为75，而总计为247，那么总时间C介于[75，247]。

同时各工件加工繁杂程度不一，各机器的任务量也有轻重之别。

合理的调度排序是对于节省时间和资源是必要的。

希望最优化答案是75，这样达到最小值，如果答案是75，那么意味着机器D不间断工作,直至全部加工任务完成。

四．贪婪法快速求解

如果按照一定规则排序，当多个工件出现“抢占”同一机器的局面的时候,我们可以制定如下的工序安排规则:

1.优先选择总剩余时间或总剩余操作较多的工件。

（如果出现总剩余加工时间多者总剩余操作数反而较少的情况时,按照程度具体情况具体分析）。

2.机器方面来说,尽量避免等待空闲时间，优先考虑剩余净加工时间或者剩余加工总次数较多的机器,尤其是机器D,即倘若能够使机器D不间断工作且其他机器完工时间均不多余75时,那么就可以得到最优解。

首先按照最优化时间为75的设想避免D出现等待，排序后得到升以下具体排列顺序。

各机器承担任务表为（其中粗体字为对应工件产品号，括号内为对应时间周期段）：

操作1

操作2

操作3

操作4

操作5

操作6

操作7

操作8

操作9

操作10

（1）

（2-5）

（12-13）

（14-20）

（21-35）

（36）

（43-54）

（55-56）

（57-64）

（66-73）

（1-7）

（8-11）

（12-15）

（16-19）

（36-55）

（56-58）

（1-3）

（4-11）

（12-17）

（18-25）

（26-28）

（29-52）

（55-60）

（61-65）

（66-69）

（70-72）

（1-10）

（11-17）

（18-38）

（39-42）

（43-47）

（48-52）

（53-68）

（69-74）

（75）

（表四）

（图一）

上图为加工周期图（甘特图），标注数字为相应操作的周期，完工时间为第75周期。

五．计算机随机模拟（编程）

1．编码：

随机产生生产的工序操作优先顺序，进行编码，如：

K=[435662314

16354536641551326224415665]（注：

同时作为下文的染色体之用）意思为：

工件4优先被考虑进行第一次操作，然后3进行其第一步操作，然后5操作，6操作，再6操作其第二步工序，依次进行。

如果前后互相不冲突，则可同时在不同机器上操作。

通过排列组合得出，总共有类似K的排列序列2多种！

当然，这其中只对应解[75，247]，意味着有大量排列序列对应同一加工方案，而大量加工方案又对应同一时间解。

2．解码：

即对编码进行翻译，产生具体可操作工序安排方案，这里采用活动化解码算法。

例如工件2第i步操作（记为（2，i），且在机器A上进行）被安排在工件3第j步操作（记为JM（3,j））后面进行，那么如果安排好

（3,j）后，只要（2，i）在工件2已经排序好的操作之后进行，那么操

作（2，i）可插入到机器A处最前可安置的时间段进行。

在这里，一个编码序列对应一个加工方案，而一个加工方案可对应一个或多个编码序列，这就是二者之关系。

3．编程：

通过一组随机编码产生一生产加工优先序列，通过解码过程产生相应加工方案及其总耗费时间C.N次模拟后即可得出解C的概率密度分布情况以及相对最优解（N个C的最小值，如80，77等，甚至出现75）。

4．计算机模拟所得数据分析

a.进行100次模拟得出最优解情况：

（共运行10次）

82，83，82，84，78，80，81，83，87，82平均值82.2，每回耗时约3秒

b.进行1000次模拟得出最优解情况：

（共运行10次）

80，79，78，78，79，79，76，80，77，78平均值78.4,每回耗时25秒

c.进行10000次模拟得出最优解情况：

（共运行10次）

76，77，77，75，76，76，77，76，76，77平均值76.3,每回耗时4分钟

d.模拟1000000次得到的解C的概率密度分布情况为：

（如图二所示）

（图二）

（注：

75处为17次（概率为17/1000000=1/58823），76处为40次，77处167次）

结论：

如果想将2中排序序列以平均出现一次的可能性进行模拟，

即运行2次，计算机需运行将近150万亿年！

当然，我们没有这个必要，因为我们只需要运行数万次，就很可能得到最优解75，（在随机模拟1000000次后出现17次75，那么意味着概率大约17/1000000=1/58823，另外76处为40次，77处167次）。

六．遗传算法模型建立和步骤解法

遗传算法（GeneticAlgorithm）作为一种优化算法特别适合于对象模型难于建立、搜索空间非常庞大的复杂问题的优化求解。

它和模糊控制技术一样，虽然在理论上还没有完善，但是在实践中已经得到了广泛的应用。

遗传算法的基本思想是：

模仿生物系统“适者生成"

的原理，通过选择、复制、交叉、变异等简单操作的多次重复来达到去劣存优的目的，从而获得问题的优化结果。

遗传算法的实现由两个部分组成，一是编码与解码，二是遗传操作。

其中遗传操作又包括选择、复制、交叉、变异等步骤。

本文根据实际情况采取了1-6整数编码。

数字1，2，3，4，5，6分别代表6件待加工产品。

本文遗传算法基本流程:

通过编码，解码程序随机产生N个（有一定数量,如50或100）个体构成初始种群

a）从初始中群中选取2个具有最优染色体（最有排序方案）的个体作为临时个体（父代）；

b）如果此2个体中有一个个体通过解码操作能够实现最优排序（即使总时间为75周期），那么结束此算法，得到最优解；

c）对2个临时个体以一定方式（循环交叉）执行染色体交叉变换和变异选择（小概率,互换操作），产生2个新的个体；

d）对父代和子代共4个个体进行选择，从中选出最佳的2个个体，做为下一代的父代；

e）重复执行第二步（b）操作；

f）如果执行完M步后仍然未得出答案75，那么将目前的最优解作为本算法的最优解答案。

1．编码和解码（同上）

2．交叉变换（crossover）

对2个父代临时个体进行染色体交叉变换，采用循环交叉方法（CyclecrossoverCX），如父代染色体为：

X：

[926473581]和Y：

[345816729]，如果随机选到第二位开始交叉，那么X的2对应Y的4，X的4对应Y的8，X的8对应Y的2，这样就确定了以上为不变的染色体，其余位置的染色体互换位置，最后得到:

[325416789],:

[946873521],实现交叉变换。

3．变异选择（mutation）

采用互换操作（SWAP），，即随机交换染色体中两不同基因的位置。

如上面的染色体为：

:

[325416789]。

随机产生变换位置号，如产生随机数3和5，那么交换数字后得到染色体：

[321456789]，变异概率取0.1。

4．选择操作（selection）

对父代2个体f1,f2和子代2个体f3,f4进行选择，通过编码操作确定具有最优解的2个个体，成为新一代f1和f2