基于改进算法的工艺规划与车间调度的双目标优化模型

基于改进算法的工艺规划与车间调度的双目标优化模型

ID:28172109

大小:64.12 KB

页数:6页

时间:2018-12-08

基于改进算法的工艺规划与车间调度的双目标优化模型_第1页
基于改进算法的工艺规划与车间调度的双目标优化模型_第2页
基于改进算法的工艺规划与车间调度的双目标优化模型_第3页
基于改进算法的工艺规划与车间调度的双目标优化模型_第4页
基于改进算法的工艺规划与车间调度的双目标优化模型_第5页
资源描述:

《基于改进算法的工艺规划与车间调度的双目标优化模型》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于改进算法的工艺规划与车间调度的双目标优化模型摘要:针对工艺规划与车间调度的集成问题,一般考虑以加工时间、加工成本和加工质量为优化性能指标,而对能量消耗等环境影响因素考虑不足。本文建立了工艺规划与车间调度的数学模型,以完工时间和能量消耗为优化目标,通过设置权重系数来调节优化目标倾向。采用改进的混合模拟退火与遗传算法对问题进行求解,利用遗传算法的全局搜索速度快和模拟退火的突跳性强的特点,结合回火机制,有效地得到了完工时间和能量优化结果。最后,通过实例仿真表明该方法具有可行性。关键词:工艺规划与车间调度;能量消耗;模拟退火;遗传算法中图分类号:TH166文献标志码:A文章

2、编号:1005-261501-0088-08随着社会的发展,节能己成为大势所趋。企业要想提高竞争力,成本的节约无疑是非常关键的一环,能量消耗的减少,一方面有利于减小企业生产成本,另一方面有利于绿色环保。如果能够仅通过调度优化,在不改变技术、资源等需求的情况下,减少能量消耗,缩短完工时间,对提高企业的竞争力有着非常重要的意义。在柔性制造提出之后,对工艺规划与车间调度集成的优化问题研究逐渐增多。高亮等论证了工艺规划与车间调度集成的必要性,分析了研究现状及发展趋势。田颖等对遗传算法求解工艺规划与调度集成做了研究。Li等用混合模拟退火与遗传算法对工艺规划进行了优化。他们的研究都

3、是只针对单目标进行优化。当前,对于工艺规划与能量消耗的多目标优化问题研宄较少。Liu等在混合流水车间内建立了能量模型,用自适应变异概率的改进遗传算法分别对能耗和完工时间进行优化,比较了两种不同优化目标下的能量消耗情况。Zhang等研究了柔性制造系统中的能量消耗与调度问题。Salido等建立了数学模型,分析了能量消耗、鲁棒性与完工时问之间的关系,提出了节约能量的3种途径:发明高效节能的生产机器、在产品设计阶段充分考虑节能减排、优化生产调度系统,指出第3种方法是最切实可行的“。Mouzon等建立了多目标数学规划模型探讨调度作业的问题,他们指出关闭一台非必要的加工机器,节省的

4、能源消耗占总量的相关份额可能会增加80%oBruzzone等提出了一种基于混合整数规划的调度算法,在保持原有的固定的工作分配和给定的排序柔性流水作业基上进行能源优化。这些研宄都己经开始具备了能量节约因素,但是没有同时进行能量与完工时间的多目标优化。何彦等建立了能量优化与完工时间的双目标优化模型,用禁忌搜索算法对问题进行了求解。但足,他们的双目标模型中,每个工件只有一个工序,且可以在任意一台机器上加工,没有考虑工艺规划的因素。本文在此基础上建立了工艺规划与车间调度的能量优化模型,采用一种基于模拟退火与遗传算法的混合算法,使用新的交叉方法,配合模拟退火及同火,求解完工时间与

5、能量消耗的多目标优化,通过设置权重系数,使企业可以自由调节优化目标的倾向,以完工时间或是能量消耗为主,或者同时双目标优化。实验结果证明了方法的有效性。1问题描述1.1工艺规划与车间调度的数学模型传统的车间调度中每个工件只有一条工艺路线,不能满足现代日益发展的柔性制造要求。在生产实际巾,每个工件可能有几种工艺路线,而每条工艺路线的工序又各不一样。把工艺路线的选择与车间调度同时进行优化,有利于缩短完工时间或达到其他优化目标,从而提高企业竞争力。为了建立数学模型,作如下假设:每台机器一次只能进行一个工序的加工;每台机器从空闲状态到加工状态的准备时间为0;每个工件同时只能被一台

6、设备加工;每台机器从开机到该机器所有的加工任务完成,中间不关机;每个工序的加工从开始到结束不允许被中断。1.2能量模型根据假设,每台机器从任务开始,到本机器所有加工任务完成,一直在运转。在实际生产中,机器的切削能耗占总能耗的比例不大,为了方便建立,数学模型,采用空转功率来计算机器运转淌耗的能量。作如下符号定义:PAi:机器i运转平均功率,即单位时平均消耗能量。EAi:机器i运转消耗能量。EA:所有机器运转消耗能量总和。2算法设计本文提出的混合调度算法主要由遗传编码、遗传操作、模拟退火、模拟回火等模块组成,算法以迭代次数为收敛依据。在算法中,染色体采用分层编码的方式,遗传

7、算法的变异模块用模拟退火代替,同时引入回火机制,既保留了遗传算法的寻优性,义具备模拟退火的突变性。算法流程如所示,设置回火代数为20。算法步骤如下:基本参数输入,Jm,T,包含详细的工艺路线、加工机器、加工时间等信息;进行遗传算法操作,初始化种群;计算适应度值,判断是否满足迭代次数,否则继续;进行复制交叉、模拟退火、回火操作,产生新的种群,转步骤3;结束。2.1染色体编码及种群初始化用遗传算法解决优化问题,对染色体的编码设计非常重要.既要包括工艺规划和车间调度的全部信息,又要有利于交叉变异。本文采用分层编码的方式,第一层为工艺选择,码长为

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。