考虑能耗约束的并行机调度研究.docVIP

考虑能耗约束的并行机组批调度研究 摘 要: 传统的并行机组批调度问题在研究时主要考虑Cmax，总延迟，平均延迟等生产性能指标，而考虑能耗因素的生产调度研究相对较少。本文研究工件含有不同到达时间和尺寸的并行机组批调度问题，优化目标为最大完工时间Cmax，加入总能耗约束，分析了不同能耗约束下能优化的最小Cmax，从而给实际生产做出指导。在求解过程中采用粒子群与遗传结合的算法进行求解，并引入局部搜索策略，提高了算法的收敛速度。仿真实验结果表明，在不同的能耗约束下，本文提出的算法能够很好地寻找最优的Cmax，证明了本算法的可行性。本文算法与两种启发式算法作对比，结果优于两种启发式算法，证明了研究的有效性。 关键词: 并行机；组批；能耗约束；Cmax；粒子群算法；遗传算法 中图分类号：□□□□□ 文献标识码：A Parallel Batch Scheduling Research Consider Energy Constraints Abstract: Cmax, total delay, average delay and other performance indicators are major research target in traditional parallel machine batch scheduling research. While energy consumption considering situation is relatively few. Not equal arrival time and job size are considered in this paper, the optimize target is the makespan Cmax with energy constraint is considered. We analyze the min Cmax in different energy constraint which can provide guidance for enterprise actual production. We use PSO combine with GA which embedded local search to solve this problem, this can improve the convergence speed. Simulation results show that, under different energy constraints, the proposed algorithm can well find the optimal Cmax, which prove the feasibility of this algorithm. We also make a comparison with the proposed algorithm with two heuristic algorithms without energy constraint, which prove the validity. Key Words: Parallel machine; Batch; Energy constraint; Cmax; PSO; GA 引言(Introduction) 当前的能源价格政策迫使制造业重新考虑能源效率和节能问题。实际上，制造业能源消耗占社会总能耗的31%，碳排放更是占到36%[1]。欧洲的目标是在2020年之前将制造业能源消耗比重降低到20%[2,3]。由于社会各界对于气候问题的日益重视，迫使制造企业也不得不面临减少能源消耗与碳排放的压力。环境与经济的因素使得制造企业在降低能源消耗与温室气体排放方面采取实质性措施提供了有效的动机[4-6]。 在制造业中，并行机组批调度(Batch scheduling with parallel process machines，BSWPPM)是一种常见的生产方式，这种方式也具有极强的应用背景。它来源于集成电路芯片(IC chips)的测试阶段(Final testing)，是从半导体生产过程最后阶段提炼出来的一类重要的最优化问题。目前，该问题的研究意义已不仅仅局限于半导体生产领域中，它还广泛存在于大规模的现代化生产流水作业线，如航空工业、钢铁铸造电路测试、港口货物装卸、金属加工等领域。 目前来说，针对并行组批调度问题的研究主要集中在针对Cmax和生产延迟等生产性能指标的优化上。Uzsoy[7]等提出了一个分支定界算法和若干个有效的启发式规则，针对目标为极小化加权总完工时间的批调度问题进行求解。对于目标为极小化加权总完工时间，工件数小于25的