车间作业调度(job_shop_scheduling)讲.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 车间调度算法(job shop scheduling) 彭博 2012-11-21 主要内容 Job—shop 调度问题 遗传算法理论 遗传算法在车间调度算法中的求解过程 问题提出 车间作业调度(Job-Shop Scheduling),简称JSS,是一个典型的NP难问题，是Operation Research领域中研究的重要课题。它的研究不仅具有重大的现实意义，而且具有深远的理论意义。长期以来，JSS研究的方法始终以启发式算法为主导，绝大部分的JSS研究工作也都围绕着启发式算法进行，如基于启发式算法的JSS仿真系统，基于启发式算法的并行JSS系统，基于启发式算法的JSS专家系统，等等，尽管这些研究取得了一定的应用效果，但是却存在着难以克服的弱点，如计算规模不可能较大，寻优结果不具备全局特性等等。近年来，又有学者提出了基于神经网络的车间作业调度系统，但此种方法在JSS规模较大时，却存在着计算速度慢与结构参数难以确定的弱点。由此可见，要想进一步研究JSS,选择一种有效的方法极为必要。 问题描述： 假设有 n个工件{J1,J2,…,Jn} 要在m台机器{M1,M2,…,Mm}上进行加工。每个工件以一定的次序在所有的机器上轮流加工。每个工件分成m个工序，而每个工序对应了相应的加工机器。其中，工序的加工时间给定。 J1: M1 M2 M3 J2: M3 M1 M2 J3: M2 M3 M1 工序1 工序2 工序3 约束 工件上约束：每个工件上的工序只能在上一个工序执行结束以后，才能开始执行下一个工序。 机器上约束：每台机器每一个时刻最多只能执行一个工件，且该工序的执行时间是非抢占的。 最大完工时间(Makespan)：完成所有工序所需要的总时间。 J1: M1 M2 M3 J2: M3 M1 M2 J3: M2 M3 M1 工序1 工序2 工序3 目标 有M台机器及N个工件，由于工件的加工工艺的要求，每个工件使用M台机器的次序以及每道工序所花费的时间已经给定。如何安排在每台机器上工件的加工顺序，使得总的完工时间(Makespan)最小。 Job—shop 调度问题的实际应用 在解决实际问题的时候，“工件”和“机器”可以拓展成相应的问题描述。譬如：在生产车间当中，把一个零件或是一组零件看是需要加工的“工件”，而把加工用的车床看成是“机器”；在飞机调度问题中，可以将若干个不同的飞机看成“工件”，而将飞机需要进行的操作，看成是需要操作的“机器”。 因而，job shop scheduling问题的实际应用是非常广泛的。 遗传算法在解Job-shop调度问题方面的研究现状 由于Job-Shop调度问题是一个NP难题，而遗传算法为求NP难度问题的近似解提供了一种有效手段，所以现在许多人都致力于用遗传算法解决Job-shop问题，各有特点。但就目前来看： (1)由于Job-Shop调度问题的特殊性，编码机制显得尤为重要，因为编码机制选择不当，遗传算法的杂交、变异算子很容易破坏原加工顺序。 (2)死锁问题也是一个重要问题，如果处理不当，死锁的出现是无法预料的。 (3)收敛性及收敛速度问题，应用GA解Job-Shop调度问题时很少有人考虑这两个问题，所以得到的结果与最佳值的接近程度无理论保证。 Job-shop的求解方法 局部搜索（Local Search）禁忌搜索（Tabu Search）遗传算法（Genetic Algorithm）混合进化算法(Memetic Algorithm) 局部搜索算法 领域结构（Neighborhood）:将一个初始解进行微小变动以后，产生的解的集合。 Neighborhood 局部搜索算法 从一个初始解开始，每次从领域结构中选择一个最好的邻居解作为下一个初始解，迭代搜索解空间的过程。 局部搜索算法 核心：领域结构的构造。在Job-shop中，对所有机器上的每个工件都考虑其领域结构，效率是非常低下的,也可能导致不可行解的产生。通常是考虑基于关键路劲的领域结构构造方法。 关键路径：调度序列中的最长路径，它制约着整个调度的完工时间。 局部搜索算法 关键块 关键块：连续的一组关键工序，因而，可能存在多个关键块。 目前的领域结构都是基于关键块的，有多种领域操作，但都