关键词:
集成工艺规划与调度优化
遗传算法
粒子群算法
多目标优化
局部搜索
摘要:
集成工艺规划与车间调度(Integrated Process Planning and Scheduling,IPPS)问题作为传统车间调度问题的衍生研究领域,以其多维协同优化的特性成为现代智能制造的重要研究课题。随着产业数字化转型推进,该问题在近些年持续受到国内外学者的关注,IPPS通过融合工序路径优化与制造资源配置的集成决策机制,在提升生产柔性的同时,构建了绿色低碳的制造体系。因此,开展IPPS问题的基础研究不仅有助于提升设备综合利用率和降低最大完工时间,更对完善智能制造理论体系与指导制造业转型升级具有重要价值。
本研究围绕柔性作业车间调度和集成工艺规划与车间调度两类典型NP-hard难题展开多目标建模与优化算法设计,分别设计了混沌协同进化算法和混合NSGA-Ⅱ(Non-dominated Sorting Genetic Algorithm II,NSGA-Ⅱ)算法进行了问题求解,本文的主要研究内容和创新点如下:
(1)聚焦于低碳导向的柔性作业车间调度问题展开研究。首先,根据绿色柔性作业车间调度问题的生产约束与绿色制造需求分析,构建了以最小化最大完工时间和总碳排放量核心的多目标优化模型,采用线性加权聚合策略将双目标归一化为单一综合指标;然后以遗传算为基础,通过引入混沌理论对交叉机制改进,变异时采取随机全邻域变异和单点变异相结合的双策略变异机制,对完成交叉变异后的子代引入包含离散粒子群和模拟退火机制的协同搜索策略进行二次优化,并加入早停策略加快收敛速度,完成基于混沌协同进化算法的问题求解全流程;最后选择Kacem基准实例进行算例验证,计算结果验证了该算法的有效性。
(2)面向低碳生产需求驱动的集成工艺规划与调度问题构建多目标优化框架,以最小化最大完工时间及总碳排放量为双重优化指标,研究基于Pareto支配的多目标数学模型,提出融合NSGA-Ⅱ非支配排序机制与协同进化搜索策略的混合优化算法。该算法通过离散粒子群算法及自适应退火阈值筛选机制,突破传统IPPS问题中工艺规划与调度环节的断层优化局限,实现全流程低碳目标的连续优化。考虑能耗的IPPS问题是在柔性作业车间调度问题的扩展,能耗主要涉及机器碳排放、使用切削液引起的碳排放、更换刀具机器调整功率引起的碳排放和转运小车的碳排放;混合NSGA-Ⅱ算法就是在混沌协同进化算法的基础上引入多目标理论,通过建立两个目标函数,采取三段式编解码机制和混沌交叉策略进行初步优化,按照非支配排序和精英保留策略的方法生成Pareto解集,后续引入设计好的基于Pareto的协同搜索策略进行二次优化,使用20组测试实例分别对NSGA-Ⅱ、改进的NSGA-Ⅱ和混合NSGA-Ⅱ进行测试,通过结果对比验证了混合NSGA-Ⅱ算法对于求解考虑能耗的IPPS问题的有效性。
最后,对基于智能优化算法的集成工艺规划与调度优化研究进行总结,并对未来IPPS问题的相关扩展性研究做出了展望。