动态多目标柔性调度问题的改进遗传算法研究

　　摘要：随着经济全球化的发展，世界市场发生很大的变化，用户对产品的需求干变万化，而且要求供货及时，这是市场新的发展趋势。该文主要针对完成周期，零件延误时间，设备负载动态多目标柔性作业车间调度问题，基于改进遗传算法提出了一种新的优化求解方法。首先建立了该类问题的调度模型和目标函数，利用权重法把多目标的优化问题转化为单目标的优化问题；然后，用熵权法确定多目标问题的各个目标权重值；同时为了延缓或避免早熟收敛的发生，在基本遗传算法框架的基础上集成了禁忌搜索算法，从而保证了算法的收敛性。最后使用实例仿真实验，证明提出的方法能够有效解决这类动态多目标柔性作业调度问题。
　　关键词：柔性作业调度；动态多目标；改进遗传算法；熵权法
　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2012) 04-0829-04
　　1绪论
　　生产调度作为企业管理的一个重要组成部分，在企业的生产经营活动中，起着举足轻重的作用。虽然经典调度调度理论取得了重大进展，但是随着经济的高速发展，消费者对消费的多样化要求，使得商品的生命周期变得很短，需要解决很多新的问题。因此面临着严峻的挑战，制造厂商要想在激烈的市场竞争中获利，必须把单一品种大批量生产模式转变成多品种小批量生产模式，在这种背景下，提出了柔性车间调度系统。柔性柔性车间调度系统具有设备利用率高、在制品占用量少、生产能力相对稳定、产品质量高、运行灵活和产品应变能力强等诸多优点、为克服多品种中小批量生产小效率低、周期长、成本高及质量差等问题提供了新的生产模式。提高生产运作系统的柔性，是现代企业关心的主要问题之一，成为一种生产运作战略的核心理论，高效的柔性作业车间调度(Flexible Job shop seheduling problem，FJsp)问题就成为研究的重点。
　　实际的生产调度涉及的因素很多，正常情况下有投产期、成产成本、加工顺序、加工设备和原材料的可用等等。有些约束条件可以作为确定因素考虑，如生产成本等，而设备故障、生产任务变化、原材料供应变化等非正常情况，都是事先不能预见的，在进行调度时大都作为不确定因素考虑。实际生产过程中的多目标优化，最优解的定义发生了变化，已经不能单独用大小来判断，真正试图找到的是一种多个目标之间的妥协解。该类调度问题的约束多样性、复杂性、动态性决定了对该问题的研究能够反映实际的生