生产计划与调度.docxVIP

核心思想：为了编制和优化汽车装配线的生产计划与调度,控制整个装配工位的装配节奏,使其负荷均衡并保持与大规模生产线一样的资源利用率首先将汽车装配线简化为一个Flow shop （流线式生产）问题,并建立其混合整数规划模型,由此求得使各装配工位的资源利用率和准备成本达到整体优化并尽可能满足需求的粗生产计划。然后考虑装配线的细节,建立求解生产计划与调度整体优化问题的数学模型,利用模拟退火( SimulatedAnnealing) 算法与快速调度仿真相结合的方法使生产计划与调度达到整体优化。 具体步骤如下： 建立一个粗生产计划 首先建立一个粗生产计划的混合整数规划模型 其中, N 为计划任务所要装配的汽车种类数; M为汽车装配线上的工位数; xi 为计划区间内装配第i种汽车的产量; di 为计划区间内对第i 种汽车的需求;τj、βj 分别为计划区间内第j 个装配工位的空闲时间和可用时间; a+i 为第i 种汽车超产的存储及占用流动资 金的单位成本; a-i 为第i 种汽车欠产而违约受罚的单位成本; cj 为与资源闲置有关的成本系数; tij 为第j 个装配工位装配第i 种汽车所需要的时间; ( c) + 为max(0 , c) ,即取正数;sgn( xi) 为符号函数, 当xi 0时, sgn( xi) 取1 ,否则取0 ; bij 、Δtij 分别为第i 种汽车在第j 个装配工位上的准备成本和准备时间 但是上述模型在某些点处导数不存在，顾引进一些变量和约束将其转换为混合整数线性规划模型求解。 改进为： 也就是利用分枝定界发或单纯型法将之前的模型线性化。 具体得到粗生产计划的步骤如下： 生产计划与调度集成优化的实现 通过单纯型算法与分枝定界结合，所得到的混合整数线性规划模型，只注意到了生产过程中的一些主要参变量，而忽略了装配线的细节，由其获得的粗生产计划可作为后续生产计划与调度整体优化问题迭代求解的初始计划,以加快问题的求解速度。 另外,考虑细节的装配线调度往往是一个非结构化问题,很难用解析的方法求解,较为可行的办法是使用基于可变时间流的快速调度仿真。最后,利用SA 算法搜索来解决最优计划与调度的选择问题 汽车装配车间生产计划与调度整体优化的数学模型： 其中,μ( s , i) 为N 种汽车或其中部分通过装配线的顺序(调度) s 中的第i 个位置所对应的汽车种类; x= ( xμ( s ,1) , xμ( s ,2) , ?, xμ( s , N) ) 为生产计划向量; f ( x ,s) 为汽车装配任务全部完成的时间; r 为任务完成时间权系数; q 为各装配工位负荷均衡权系数。 具体算法是通过：1,嵌入式SA算法（从初始生产计划出发,在计划层用SA 算法进行搜索寻找最好的计划, 同时对计划层Markov 链中随机产生的相邻计划用另一个SA 算法搜索经过快速调度仿真计算具有最好性能指标的调度,直至生产计划与调度同时达到优化。）2.交替式SA算法（从初始生产计划出发寻找一个可行计划与调度; ②给定调度,用SA 算法寻找最好的计划; ③反过来给定计划,再用另一个SA 算法搜索最好的调度; ④交替使用②、③两步直至找到最好的计划与调度。由于分别对计划与调度进行SA 算法搜索,在此称这种方法为交替式SA 算法。）3.串行式SA算法（①从初始生产计划出发寻找一个可行的计划; ②从可行计划开始,使用SA 算法寻找最好的计划; ③对此最好的计划,使用另一SA 算法寻找最好的调度。由于对计划和调度依次使用SA 算法,故称为串行式SA 算法。） 该种方法的优劣： 优点：首先通过单纯型法根据需求计划获得一个最优值，该值是整数则定位粗生产计划，否则进行分枝定界，得到的粗生产计划的最优整数解，可以比较快的获取粗生产计划，从而为之后的大规模集成优化做好准备。（单纯形法是是保证b=0，通过转轴，使得检验数r=0来求得最优解，在灵敏度分析时，对cj的灵敏度分析用单纯形法来考察，因为此时cj变动导致检验数变动） 通过可变时间流的快速调度仿真来解决装配线上的细节非结构化问题，通过三种不同的SA算法编程仿真，根据算例得出文中所提出的启发式算法是有机的将解析方法，模拟退后算法和快速调度仿真有机的结合在一起有效的解决的汽车装配线生产计划与调度的集成优化问题，保证至少有一个可行的解，具有创新精神思路新颖。这种方法能够加快问题的求解速度 对于模拟退火算法，它是一种新的随机搜索方法,它是近年来提出的一种适合于解决大规模组合优化问题的通用而有效的近似算法。与以往的近似算法相比,模拟退火算法具有描述简单、使用灵活、运用广泛、运行效率高和较少受到初始条件约束等优点 缺点：在获得粗生产计划的时候，如果生产计划规模大，采用分枝法会使得所分出来的枝越来越多，一个非整数解编程了2个整数