部分内容展示

车间作业调度问题（JSP）是实际生产调度问题的一个简化模型，是企业生产管理与控制的核心。有效的调度方法和优化技术的研究与应用，具有重要的理论意义和实践价值。粒子群算法是近年来兴起的一种基于群体智能的进化类算法，具有操作简单和易于实现等优点，但由于该算法提出的时间比较短，仍然存在一些问题，比如容易早熟收敛、易陷入局部极值等。因此，本文将算法进行了改进，并将改进的算法应用于车间作业调度问题中。本文首先对车间作业调度问题进行了描述，根据已有优化算法理论基础，针对粒子群算法的参数特点，从提高算法的收敛速度和精度方面考虑，提出了粒子群优化算法(NDCWPSO)和免疫粒子群算法。通过选取几个有代表性的函数进行测试，发现改进的粒子群算法在收敛精度、收敛速度上都有所提高。最后，根据车间作业调度问题的特点，建立MATLAB模型通过对车间作业调度问题编码方式的研究，参考遗传算法中的粒子编码方法，本文的创新点在于采用基于工序的编码方式，并且以最大完工时间的最小值为目标，构建了基于改进粒子群算法的车间作业调度问题的求解方法，仿真试验结果表明改进的算法在性能上有所提高，验证了改进算法的有效性和可行性。
 
关 键 词；车间作业调度；粒子群算法；MATLAB；更多范文

一般情况下，JSP问题可以描述为有n个工件在m台机器上进行加工，加工过程中要满足以下约束条件：一台机器同一时刻只能加工一个工件的一个工序，每道工序只能在一台给定的机器上加工一定的时间，每个加工工件的完成要有多道工序的参与，而且每道工序加工期间不允许间断，同时加工过程中还要满足一些其他的约束，比如设备、环境因素等等。调度实际上就是把工件的工序以一定的加工顺序分配给某台机器，描述的是工序和机器的关系问题。调度问题的目标是找到一个合理的加工顺序以满足一定的性能指标集的（如加工时间最短、成本最小、利润最大等等）的问题，本文研究的车间作业调度以最小化最大完工时间为最终的调度目标。针对JSP问题的优化可以实现对企业资源的优化配置以及合理的管理企业的设备及其他装置，减少企业的生成成本，提高企业的综合效益。判断一个调度方案的优良与否时，可以将影响企业生产成本的主要因素作为评价指标，如：最大交货误期、交货误期的工件数、平均交货误期、平均制品库存量、费用指标、平均流程时间、总流程时间等。一般情况下，一个好的调度方案应该能满足以下指标：操作人员的等待时间或空闲时间短、准备费用少、准备时间短、产品库存量少、均衡生产和完成产品的总需求时间短等要求。下面给出一个调度问题常用的数学描述。n个工件在m台机器上加工，O_ij表示第i个工件在第j台机器上进行加工，t_ij是一个己知的量，代表第i个工件在第j台机器上的相应的加工时间，事先给定各工件的加工工艺表，确定各工件的各工序在各机器上的加工时间。近年来，由于先进制造技术的发展以及车间调度理论研究的深入，车间作业调度问题的特点大有拓展，增加了很多特性，比如不确定行、随机性等特点，这些特性与生产的实际情况更为相似。