论文部分内容阅读
生产调度是制造执行系统(Manufacturing Execution System，MES)的核心和关键技术，合理优化的生产调度方案可以为企业带来显著的经济效益和社会效益。生产调度问题通常是多约束、多目标、不确定组合优化问题，属于NP问题，很多研究表明，寻找调度问题的最优解非常困难，最有工程意义的求解算法是放弃寻找最优解，转而试图在合理、有限的时间内寻找到一个近优解。
本文深入地研究了生产调度问题的神经网络、进化算法、粗糙理论等智能求解方法，提出了一些新的调度问题的模型和相应的优化算法。本文取得的主要研究成果为：
(1)针对神经网络求解调度问题时表示目标函数和选择惩罚参数的困难，提出了新的耦合瞬态混沌神经网络(Coupled Transiently Chaotic Neural Network，CTCNN)和改进的耦合瞬态混沌神经网络(Improved Coupled Transiently Chaotic Neural Network，ICTCNN)，并提出了基于CTCNN和ICTCNN的生产调度方法，通过时变的网络参数来提高网络的动态求解性能。对基本同等并行机调度问题和带顺序相关调整时间的同等并行机调度问题分别建立了混合整数规划模型，并将其转化为相应的神经元矩阵，映射到神经网络中进行求解，同时改进能量函数的表达方式，使其包含目标函数。在惩罚参数的选取上，采用时变参数进行各能量函数之间的平衡，使网络能稳定到全局解或近优解。仿真结果表明引用时变惩罚参数有益于最优化问题的求解，缓解了对于参数选择的困难，而改进的时变网络参数，能帮助网络跳出局部最优，提高了网络的搜索性能。CTCNN及ICTCNN能在合理有限的时间内，找到不同规模问题的最优解或近优解。
(2)研究了基于量子进化计算的生产调度问题。针对并行机调度问题的求解，提出一种新的混合量子衍生进化规划算法(Hybrid Quantum-Inspired Evolutionary Programming，HQEP)。HQEP是基于量子计算的相关概念和原理，将量子进化算法中的量子位、线性叠加态和量子旋转门的概念引入进化规划算法中。在HQEP中，量子位是最小信息单位，量子位串组成量子个体，再将量子个体转化为调度问题中的工件排序。此外，还定义了新的用于调度问题的量子旋转角，使个体向更好的解靠近。针对并行机调度问题本身，改进了个体的编码方式和变异方法。为了验证算法的有效性和收敛性，将HQEP算法应用于同等并行机调度问题的求解，用不同规模的算例进行仿真实验，结果显示，即使在小种群情况下，所得解均优于进化规划求得的解。
(3)基于广义粗糙集理论对处理时间不确定的Flow Shop问题进行了研究。引入广义粗糙变量表示不确定的工件加工时间，定义粗糙加法运算，precision以及ratio指标，并在其基础上建立了不确定条件下Flow Shop调度问题的广义粗糙规划模型，提出了基于遗传算法的粗糙调度算法。对不确定条件下的Flow Shop提前/拖期调度问题进行了研究，采用区间数来表示不确定的工件加工时间，建立了该调度问题的区间数规划模型，根据区间数的基本定义、二元运算关系及区间数比较大小的可能度定义将区间数规划模型转化为确定性规划模型，并应用基于遗传进化的文化算法求解该调度模型，根据调度问题的特性定义信度空间。仿真实验验证了这些模型和算法的有效性。 (4)基于广义粗糙集理论和信赖性理论对处理时间不确定的并行机调度问题进行了研究。从实际生产过程的角度考虑了工件处理时间的不确定性，引用广义粗糙变量来表示不确定的工件处理时间，建立了不确定条件下的并行机调度问题的广义粗糙规划模型；引入信赖性理论，建立了该调度问题的粗糙期望值规划模型，采用粗糙模拟的方法计算个体的适应值即粗糙期望估计值。针对两种模型的求解，提出了改进进化规划算法，针对并行机调度问题改进了编码方式和变异方法，仿真实验验证了该算法的有效性和适应性。