生产调度的建模方法研究综述.docxVIP

? ? ? ? ? 生产调度的建模方法研究综述 ? ? ? ? ? ? ? ? ? ? 摘 要：在分析生产调度问题现实需要的基础上，综述了目前工业生产调度问题的研究现状，介绍并分析比较了工业生产调度问题的主要方法模型及其优缺点。在此基础上，展望了生产调度建模的研究发展趋势，以期为这类问题的研究指出可行的道路和方向。关键词：生产调度建模，混合遗传，Petri网，网络方法企业的任务是在一定的时间内生产一定数量的产品并通过销售而获取利润。由于市场需求不断变化，而企业的资源是有限的，因而资源使用者之间对有限资源的需求在时间和数量上存在冲突与矛盾。生产调度的任务就是合理分配有限资源，解决冲突，达到所求目标最优。随着数学、计算机技术的重大发展，生产调度已经成为企业节约资源、降低成本、提高生产效率，从而提高企业整体运行效益的重要手段。在我国，生产过程主要集中在石油、石化、化工、电站等大型工业企业。通过更新设备、改进控制技术来提高运行效益不仅成本高、周期长，而且对于我国目前众多企业面临更新改造但资金相对薄弱的工业现状，这一手段的迅速实施有着很大的难度。国内外实施状况表明，单纯提高生产装置的控制水平，寻求局部最优的投入产出比远远低于提高整体管理调度水平的投入产出比，生产调度的改进是提高企业综合收益的最有利的手段。近几十年来，调度问题得到理论界和工程界的普遍关注，然而，由于理论研究与工程实际缺乏很好的沟通，调度理论与调度系统存在着很大的差距。生产调度方法研究现状1954年，Johnson开始研究2个和3个工序的带准备时间的流水车间(flowshop)调度问题，此后，对于生产调度问题的建模和求解，一直是理论界的热点。许多生产调度问题早已被证明是非确定性多项式(Nondeterministic Polynomial，NP)难题，即使是一些小规模的调度问题，也很难得到其最优解。因此，对生产调度问题的研究，在理论研究和实际应用中都有非常大的价值。近半个世纪以来，针对生产调度的方法研究取得了很多成果，尤其在中小规模调度领域(规模一般不超过20台机器、50个工件)，已有不少有效的方法。同时在市场激烈竞争下，制造业的生产规模日益增大。然而生产调度问题的本质是组合优化问题，如果将现有的这些方法直接用于生产调度，那么绝大多数方法在存储空间和计算时间上，都无法让人接受。如何在已有研究的基础上，提出一些行之有效的方法，使调度方法更贴近实际应用，成为近年来生产调度领域研究的一个新热点。生产调度建模方法一般情况下，生产调度模型中存在两种约束方式，等式约束和不等式约束。由于等式约束一般表示生产过程结构和工艺的约束，它是相对稳定的。此外，等式约束可以从约束方程组中约简掉[1]，从而减少变量个数和搜索空间，所以这里不讨论等式约束。因此，一般的调度模型可以表达为： 其中，xT=(x1, x2,…,xn)，xi∈R+或Z+，是决策变量；b是资源向量。生产环境中不确定因素往往导致调度模型中参数改变，例如，资源供应变化，需求量变化，交货期变化等。这些变化可能改变原有约束性质，特别是关键约束 (active constraints) 的性质。如果资源变化导致关键约束违背，那么原模型解不再可行；如果关键约束变成冗余约束，那么原模型解不再最优。现有生产调度建模方法主要有基于问题分解的方法、拉格朗日松弛/分解法和智能优化方法等。基于问题分解的方法主要基于分而治之(pidandconquer)的思想，根据调度问题的基本因素(如时间、机器及工件等)，将问题分解成若干个规模较小的子问题，通过子问题的求解与协调获得原问题的解;拉格朗日松弛/分解法在数学模型的基础上，通过松弛某些强约束，或引入变量的“硬拷贝”将问题分解，使得问题容易求解;智能优化方法通过模仿自然界的某些现象和过程进行优化，以其独特的优点和机制在调度领域得到广泛的应用。1、混合遗传调度建模近十几年来，邻近搜索在组合优化领域，尤其是生产调度领域得到了相当广泛的研究和应用。组合优化是GA最基本也是最重要的研究和应用领域之一。研究发现GA可以极快地达到最优解的90%，但要真正达到最优解却要花很长时间。也就是说，标准遗传算法存在着局部搜索能力较差的缺陷。为了解决这一问题，一种方法是对标准遗传算法进行改进，如增加交叉约束算子，使交叉操作限制在基因型相似的染色体之间，这样能一定程度地改善遗传算子的局部搜索能力;另一种方法是将GA与启发式规则或其它搜索算法相结合构成混合遗传算法(Hybrid Genetic Algorithms，简称HGA)，以改善标准GA的局部搜索能力，进一步提高优化质量和搜索效率，以弥补单一优化方法的某些不足之处。我们采取后一种思路，即混合遗传方法。它不仅反映在GA的实现上，而且反映