多阶段流水生产系统批量流调度问题.docVIP

多阶段流水生产系统批量流调度问题 　　【摘 要】调度问题要求在空间和时间上合理安排任务和资源，在满足技术和资源约束限定下，使预定目标达到最优。 　　【关键词】多阶段；批量流；调度 　　一、引言 　　调度问题通常可按就绪时间或加工时间进行划分。按工序就绪时间的异同可划分为动态调度问题和静态调度问题；按工件加工时间的性质可分为确定型调度问题和非确定型调度问题。 　　二、批量流调度问题的概念和分类 　　1.基本概念与分类 　　批量流就是把一个被加工的产品批量划分为若干个子批量，按子批量分别组织加工和工序间的运输，当在一台机器上一个子批量加工完成以后，这个子批量无须等待，就可以直接转运到下台机器加工。 　　2.Lot Streaming调度问题的一般假设条件 　　（1）假设在零时刻，所有产品准备就绪。（2）产品数、机器数、每种产品每个零件在各台机器上的加工时间及产品加工的工艺约束—加工路线是已知的。（3）被加工的产品批量划分为若干个子批量，按子批量分别组织加工和工序间的运输。（4）当在一台机器上一个子批量加工完成以后，而且相继机器空闲，这个子批量无须等待其余子批量在此机器上的加工完成，就可以直接转运到下台机器上进行加工。（5）子批量的大小是一致的。（6）子批量的加工时间和它的大小成正比，。（7）独立的调整时间（或可分离的设置时间）：在一台机器上，从加工一种产品转到加工另一种产品要求机器的调整。（8）允许产品在工序之间等待，允许机器在产品未到达时闲置。 　　以上假设条件允许改变和放松，由此可构成不同类型的Lot Streaming调度问题。 　　3.多阶段、多产品流水车间批量流调度问题的符号和变量 　　以最小化最大完工时间为目标函数，考虑各产品的子批量可以混排的情况，给出多阶段、多产品流水车间调度问题的数学模型。 　　符号和变量： 　　决策变量： 　　三、混合遗传算法的设计 　　1.产品的基因编码 　　举例说明，例如：对于产品，可以表示成： 　　其中“*”代表的是第个产品的一个单位产品，两个“1”之间代表这个产品的一个子批量所含的单位产品数。也??是，用位来表示，第一位是“1”，表示一个子批量从这里开始，到下一个“1”之间就是这个子批量所含的产品零件数，再从这个“1”到下一个“1”是另一个子批量所含的产品零件数，直到最后一位“1”。为了存储方便，基因表示成所有“1”所在的位置，如下： 　　其中的数字是表示“1”所占的位置。那么这个产品的三个子批量大小是： 　　计算公式是：第个子批量大小=第+1个位置的数值-第个位置的数值-1。 　　另外“*”所占据的位置可以表示成： 　　2.染色体 　　举例说明： 　　例如：对于4种产品，每种产品所含零件数分别是25、30、24、28，子批量数分别是3、5、3、4，子批量大小如表3.1中所示这样一个问题。 　　表3.1 产品的子批量大小 　　Sublot1 sublot2 sublot3 sublot4 sublot5 合计 　　产品1 7 6 12 25 　　产品2 5 11 2 6 6 30 　　产品3 9 8 7 24 　　产品4 8 10 5 5 28 　　3.初始种群 　　对于产品来说，需要满足，第一个子批量的大小是随机从1到选的一个整数；第个子批量（第二个到第个子批量）是从1到中随机选取的整数；第个子批量=。 　　4.适值函数设计 　　最初试验用的适值函数是： 　　（9） 　　其中是这一种群中产生的最大，迭代初期适值函数值相差很大，选择压力大不适于扩展空间搜索，迭代后期适值函数值相差不大，选择压力小不适于局部最优搜索。 　　为了改变这种情况，迭代初期适值函数设计成： 　　（10） 　　在原适值函数加上后，迭代初期适值函数值相差不大，选择压力小，适于扩展空间搜索。 　　迭代中期适值函数设计成： 　　（11） 　　迭代中期适值函数趋于平稳，相差不是特别大，因而无需加上。 　　迭代后期适值函数设计成： 　　（12） 　　迭代后期适值函数值趋于常量，相差不大，因而将原适值函数平方，加大选择压力。试验表明后一个适值函数好于前者。 　　其中的计算如下： 　　（13） 　　（14） 　　（15） 　　（16） 　　（17） 　　其中是产品在机器上的加工时间。 　　5.选择 　　每个染色体的选择概率（即生存概率）正比于它的适值：（1）对各染色体计算适值；（2）计算种群中所有染色体的适值之和；（3）对各染色体，计算选择概率；（4）对各染色体，计算累积概率。 　　6.交叉方案 　　（1）每种产品的交叉方案：采用的是单断点交叉法。随机选取一个断点进行交叉，交换双亲上断点的右端，产生新的后代。（2）染色