基干改进BBO算法多目标柔性作业车间调度探究.doc

基干改进BBO算法多目标柔性作业车间调度探究 　　摘要： 为了满足市场的快速变化、降低生产成本，车间调度成为生产的关键环节。为解决作业车间分批调度问题，本文在企业资金收益率最大化、物料周转速度最快的情况下，建立以生产周期、交货期满意度为指标的数学模型，并提出一种将DE算法与BBO算法相结合的多目标优化算法模型。最后经过实例仿真，求得的结果证明了算法的有效性 Abstract： In order to meet the rapid change of the market， reduce production cost， the workshop scheduling becomes the key link in the process of production. In order to solve the job shop scheduling， this paper establishes a mathematical model based on the production cycle and the satisfaction of the delivery time in the case of the maximum rate of return on capital and the fastest rate of material turnover and proposes a multi-objective optimization model based on combining DE algorithm with BBO （Biogeography-Based optimization） algorithm. Finally， through the instance simulation， experimental results proves the effectiveness of this algorithm. ?P键词： BBO算法；子批量；作业车间；分批；调度 Key words： BBO algorithm；sub-batch；job-shop；lot-splitting；scheduling 中图分类号：TH165 文献标识码：A 文章编号：1006-4311（2017）07-0065-03 0 引言 随着激烈的市场竞争和客户对产品多样性的需求，以“小批量、多品种”为特征的均衡生产已然成为主流生产模式，即柔性生产模式 以往文献多集中于单目标批量生产的研究，常见以费用最小为优化目标（Song，2005[1]），但费用相对于生产批量的变化是一个静态指标，并不能作为衡量批量是否最优的标准（裴小兵，2015[2]），且实际生产过程中的情况复杂多变。潘全科（2004）[3]等研究表明：在作业车间中，对工件进行分批加工，可有效减少后续设备空闲等待时间，缩短生产周期，提高整体效率，但并未提出分批的解决方案；而后等量分批方法（曾强，2012[4]）、柔性分批方法被相继提出（Jia，2014[5]），但由于各子批批量等量分割，使得其无法根据设备的负载大小进行柔性调度，容易造成生产失衡。因而，使用柔性分批方法的学者较多，可使子批工艺路线选取及加工排序同时得到优化 文中结合批量变动法的思想，建立了以最早完工时间、交货期满意度等为指标的数学模型，采用批量编码方法，解决工件划分和子批量大小问题。最后，进行实例验证 1 多目标柔性作业车间调度问 1.1 问题描述 多目标柔性作业车间调度问题可以描述为：有N种工件在k台机器上进行加工，每种工件有SPi个，并且包含道工序，能加工某一工序的机器至少有一台，且同一工序的加工时间因机器的性能不同而发生变化 1.2 数学模型 在分批调度问题中，过大或过小的批量都会导致较长的生产时间。当批量过大时，造成当前机床加工时间过长，后续机床处于空闲等待状态，拉长整个生产周期；当批量过小时，批次增多，会导致设备换模频繁，降低效率。因此，本文也考虑子批量这一因素对车间调度性能的影响。本文结合批量变动法的思想，从生产周期、交货期满意度、制造成本这三个方面来建立数学模型。其中，制造成本由加工成本、搬运成本、库存成本、批量启动成本来度量，这里假设设备按照加工工艺流程进行布局，减少搬运距离和搬运次数，所以不考虑搬运成本；库存成本指工件子批加工之前的等待成本。生产周期用工件的最大完成时间f1度量；交货期满意度用拖期惩罚f2来衡量；制造成本用f3度量。假定设备利用率很高，且所有工件在零时刻均可以被加工且设备一旦启动直到全部工序完成才能停下，则数学模型及其约束条件如下： 2 生物地理学优化算法 2008年Dan Simon提出生