协同制造调度问题及其蚁群算法研究

论文摘要

在当今制造业全球化的趋势下,复杂产品的生产往往交由一个企业或不同企业的多个车间共同完成,这些具有零部件配套关系的车间共同组成一个协同制造系统。与传统生产调度系统相比,协同生产调度系统的各车间既要根据自身的资源和约束情况,又要兼顾与其具有配套关系的其他车间的生产实际情况来安排加工进度和节拍,问题的复杂性大大提高了。探索研究新的生产调度策略和优化算法来解决协同制造调度问题,是制造业发展提出的新要求。蚁群算法（ACO）是一种分布式智能算法,由于其本身的正反馈性和并行性,特别适合用来解决组合优化问题,比如年间调度问题。但是,蚁群算法还存在一些缺陷,如计算时间长,收敛速度慢,易于陷入局部最优等。禁忌搜索（TS）算法是一种全局性邻域搜索算法,它通过设计禁忌策略和特赦准则来引导算法跳出局部最优解,从而转向全局最优解。根据蚁群算法和禁忌搜索算法的某些互补特性,提出一种混合了禁忌搜索的改进蚁群算法（TSACO）。该算法把蚁群算法陷入局部最优时的解作为禁忌搜索算法的初始解,将禁忌搜索算法嵌入到蚁群算法中,使蚁群算法能够跳出局部收敛；引入双向收敛策略设计信息素更新规则,加快算法的收敛速度；设计了车间及机器选择规则、邻域解产生函数等重要规则。针对协同调度问题的基本特征,根据复杂产品协同制造过程的实际需求,建立了两级分布式协同调度系统模型。以实现产品总加工期最短和总流程时间最小为优化目标,进一步研究改进蚁群算法来解决协同调度问题；以配套关系较简单的一小规模协同调度问题为例,在VC++环境下完成算法实现和仿真研究,结果验证了该算法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 协同制造调度问题研究现状
• 1.3 蚁群算法及其研究现状
• 1.4 论文主要研究内容
• 第二章 分布式协同调度问题研究
• 2.1 协同调度问题的基本原理
• 2.2 分布式协同调度问题分析
• 2.3 协同调度方法
• 2.3.1 "分步-递阶"结构模型
• 2.3.2 "分解-协调"优化机制
• 2.4 本章小结
• 第三章 结合禁忌搜索算法的改进蚁群算法设计
• 3.1 蚁群算法概述
• 3.1.1 蚁群算法特点
• 3.1.2 蚁群算法基本原理
• 3.2 禁忌搜索算法概述
• 3.2.1 禁忌搜索算法特点
• 3.2.2 禁忌搜索算法基本步骤
• 3.3 改进蚁群算法
• 3.3.1 算法思想
• 3.3.2 基本规则设计
• 3.4 本章小结
• 第四章 改进蚁群算法求解分布式柔性Job Shop调度问题
• 4.1 分布式柔性Job Shop调度问题描述
• 4.2 算法实现
• 4.2.1 算法流程
• 4.2.2 车间及机器选择规则
• 4.3 仿真及结果分析
• 4.4 本章小结
• 第五章 改进蚁群算法求解协同制造调度问题
• 5.1 协同制造调度问题模型
• 5.2 算法实现
• 5.2.1 算法流程
• 5.2.2 一级优化
• 5.2.3 二级优化
• 5.3 算例分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 研究展望
• 参考文献
• 在学研究成果
• 致谢