扰动事件影响下柔性作业车间调度优化.pdf

摘要

随着新质生产力的提升和高质量发展要求的提出，制造型企业面临更加激烈

的市场竞争与复杂多变的市场环境，需要兼顾生产效率和稳定性的需求。相较于传

统作业车间调度（Job-shopSchedulingProblem，JSP），柔性作业车间调度（Flexible

Job-shopSchedulingProblem，FJSP）具有更加灵活的机器与工件选择柔性、更大的

优化空间、能够很好满足企业生产需求。但在实际生产中会面临着诸多扰动事件的

干扰，使初始调度方案效率下降或无法执行，此时就需要及时有效的进行动态调度，

来降低扰动事件造成负面影响，即柔性作业车间动态调度问题（DynamicFlexible

Job-shopSchedulingProblem，DFJSP）。因此，本文以柔性作业车间为研究对象，

围绕加急订单和机器故障两种扰动事件，对企业车间动态调度优化方法进行探索

创新。这对于促进企业转型升级，加速激活新质生产力，提高企业核心竞争力具有

重要意义，主要内容如下：

（1）构建一个DFJSP模型，根据生产实际情况，确定了加急订单和机器故障

两种扰动事件。针对扰动因素特点，综合考虑可用机器、工序排序、交货时间的影

响，构建以最小化最大完工时间为效率目标，最小化总延迟时间、最小化机器变更

次数为稳定性目标的混合整数规划模型。采用基于机器空闲时间的混合动态调度

策略，结合滚动窗口技术，进一步构建DFJSP模型，并设计改进的雾凇优化算法

求解该模型。

（2）针对雾凇优化算法（RIME-optimizationalgorithm，RIME）存在的问题，

提出一种改进雾凇优化算法（ImprovedRIME-optimizationalgorithm，IRIME）。改

进点包括：第一，采用Fuch混沌映射替换随机生成的方式对雾凇种群进行初始化，

克服初始化种群分布不均匀，缺乏指向性的缺点，最大限度地提升种群多样性。第

二，在软雾凇搜索阶段引入透镜成像反向学习策略并提出一种非线性动态变化的

透镜因子，进一步缩小最优解探索空间，降低计算量，提升收敛速度和全局搜索能

力。第三，在硬雾凇穿刺机制中，引入高斯随机游走策略，灵活调整穿刺的步长和

方向，将当前最优雾凇剂与其他雾凇剂进行交叉互换，引入随机性来跳出局部极值，

以提高算法的搜索精度和避免局部最优解。最后，仿真实验部分利用了13个基准

测试函数，验证了IRIME算法的可行性。

（3）实际案例验证，为验证IRIME算法求解FJSP问题的能力和模型的有效

性，本文通过标准FJSP算例测试IRIME算法。将其运行结果和性能与其他优化算

法进行对比，以验证IRIME算法的可行性和优越性；随后，本文将该模型与求解

算法应用于L企业的柴油机缸体制造车间调度问题。结果表明，调度方案符合实

际生产需求且优于企业传统人工调度结果，证明了该模型与IRIME算法可以有效

地解决柔性作业车间动态问题。

关键词：新质生产力，柔性作业车间，扰动事件，动态调度，改进雾凇优化算法

Flexiblejob-shopschedulingoptimizationundertheinfluence

ofdisturbanceevents

Abstract

Withtheimprovementofnewqualityproductiveforcesandthedemandforhigh-

qualitydevelopment,manufacturingenterprisesarefacingmoreintensemarket

competitionandcomplexandever-changingmarketenvironments,whichrequirea

balancebetweenproductionefficiencyandstability.ComparedtotraditionalJob-shop

schedulingproblem(JSP)andflexiblejob-shopsc