非量产模式下车间调度改进遗传算法.pdfVIP

第 23卷 , 第 3期 深圳大学学报理工版 Vol23, No3 2006年 7 月 JOURNAL OF SH EN ZH EN UN IV ER SITY SC IENCE AND EN GIN EER IN G Ju ly 2006 文章编号 :(2006) 非量产模式下车间调度的改进遗传算法 吴序一 , 伍晓宇 (深圳大学工程技术学院 , 深圳 518060) 摘 　要 : 将遗传算法用于求解模具制造的车间调度问题. 通过改进基于工序的编码方法 , 采用实际工 序和虚拟工序的概念 , 降低了遗传算法的编码难度. 遗传运算中进行了基于位置交叉和互换代码变异. 为 降低统计误差 , 分别执行了随机选择和个体最佳选择操作. 实验表明 , 改进后的遗传算法能够在较少的迭 代次数下 , 以小规模种群获得满意解. 关键词 : 遗传算法 ; 车间调度 ; 模具制造 中图分类号 : TP 39 172　　　　文献标识码 : A 　　非量产模式是指按订单 、小批量或单件的生产 次 , 从而约束子层工件的工序先于父层工序加工. 形式 , 对其研究在理论上归纳为车间调度问题. 由 12　设备分类及影响 于模具制造业正在朝着精益生产和敏捷制造的方向 通常 , 在非量产制造过程中设备资源对加工所 发展 , 因此人们 日益关注这种模式下的车间调度问 产生的约束是最大的. 一个制造系统的生产能力主 题 [ 14 ] . 文献 [ 1 ]构建了 Ep rom s系统 , 采用关键路 要指设备的加工能力 , 因此在进行非量产模式车间 径法和工时自动安排算法等进行生产作业调度. 本 调度时 , 是以工序为基础 , 针对加工设备进行. 根 文在 Ep rom s系统的基础上 , 提出一种改进的遗传 据制造系统内协作设备资源分工的不同 , 即主要工 算法. 该算法采用基于工序的编码方法 ( op eration 种的不同 , 可将设备资源分类为诸如加工中心类 、 ba sed encodings) [ 3 ] , 提 出实基 因座和虚基 因座概 普通铣床类和平面磨床类等. 不同工序必须在提供 念 , 即实际工序和虚拟工序概念 , 使编码方法大为 对应工种的机器上进行加工. 这样根据各类设备的 简化 ,并对该编码基因进行特定的交叉和变异操作 , 数量便可确定制造系统该工种加工能力的强弱 , 而 可在较少的迭代次数下以小规模种群获得满意解. 根据总设备的数量可确定总的加工能力. 在制造过程中还有一些加工由人工进行. 例如 1　非量产制造系统 模具制造中的组装及部分钳工加工 , 须建立虚拟钳 工设备. 按照这个分法 , 将制造系统中的设备资源 11　物料结构 分为实际设备和虚拟设备. 实际设备包括 CNC加工 以模具工业为代表的非量产制造 , 其制造产品 中心和 EDM 电火花加工机等实际存在的设备 ; 虚拟 的物料结构有类似之处. 在 Ep rom s系统中一般将 设备按照工厂中从事该工作的分组资源进行定义. 产品的物料结构分为两层 : 一为顶级产品; 二为各 在生产过程中 , 还存在设备需要维修和定时保