遗传算法的实现及其在生产调度中的应用.pdf

遗传算法的实现及其在生产调度中的应用木 彭军 徐本柱刘晓平 合肥工业大学计算机与信息学院可视化与协同计算(VcC)研究室，安徽合肥230009 摘要：生产调度内容丰富，本文所指的生产调度是指线束企业生产调度中的任务排序问题——求 得一个任务序列，使得各个任务都能满足其交货期。传统的求解方法如线性规划方法随着任务教的增 多，其解析模型的规模会急剧增大，求最(次)优解往往是NP难题。近年来提出的遗传算法，具有 普遍适应性和经验复杂性等优点，为解决较大规模的优化问题提供了比较可行的方法。本文既是以一 种混合式遗传算法为核心，来解决线柬企业生产调度中的任务排序问题。 关键词：生产调度任务排序混合式遗传算法 l引 言 随着市场竞争的日趋激烈以及市场需求的日趋多样化，越来越多的企业选择多品种小批量的生产方式 来快速地适应市场的变化。目前，以这种生产方式生产的产品占世界总产品产量的70％以上并仍保持上涨 的趋势。与传统大批量生产方式不同，多品种小批量生产调度具有产品种类多样性、生产和作业计划困难 性、生产的实施及其控制动态性等特点。因此，有效地解决该类企业的生产调度问题，采取恰当的方式展 现任务和资源状态，分析企业生产过程瓶颈，提高企业生产效率，是企业一直在寻求的目标。 作为国民经济支柱产业的汽车工业，近年来蓬勃发展，因此作为重要汽车配件的线束，需求市场非常 庞大。汽车线束生产企业通常是按订单进行生产，是典型的多品种小批量企业，然而汽车线束企业的生产 还处于人工调度阶段，调度周期长，对市场反映迟钝，不能满足迅猛发展的汽车1=业的需求。 可见，生产调度是所有企业均面临的问题，在生产汽车零部件等多品种小批量企业中表现尤为突出。 该类企业客户多、订单杂，作业轮换频繁，生产调度任务量紧，各工序之间的同步与协作复杂性大大增加， 有效解决这个问题成为多品种小批量生产调度的关键。 生产调度内容复杂，传统的求解方法如线性规划方法随着任务数的增多，其解析模型的规模会急剧增 大，求最(次)优解已被证明是NP难题。多品种小批量生产方式的生产调度更为复杂，要考虑的约束条件 和外界影响凶素很多，这更增加了生产调度求解的困难性。近年来提出的遗传算法等智能求解方法，具有 普遍适用性和经验复杂性等优点，且同其他优化算法比，有一些突出的优点： (1)进化算法本质上是一种并行算法，因而有哪些信誉好的足球投注网站效率高。 (2)进化算法采用随机有哪些信誉好的足球投注网站策略，容易摆脱局部最优，而达到全局最优。由于吸收了生物进化、自然选 择的思想，同一般的随机有哪些信誉好的足球投注网站方法相比，减少了盲目性，因而提高了效率。 (3)进化算法不需要很多的问题领域的专业知识或启发式信息，对函数本身及有哪些信誉好的足球投注网站空间没有正则、可微 等要求，不需要导数、梯度信息，因而适用范围广，对问题的适应性强，鲁棒性好，实现也方便。 ’基金资助：国家自然科学基金，合肥市科研计划项目(2008一1004)． 作者简介：彭军(1985一)，男，安徽合肥，汉族，硕士研究生，研究方向为计算机软件与理论：徐本柱(1972．)，男，博士生， 安徽寿县人，讲师，研究方向为建模、仿真、软件工程；刘晓平(1964)，男，山东济南，汉族，教授，搏导，研究方向为建 模、仿真与协同计算． 本文首先对生产调度中的任务排序问题进行描述：然后详细介绍了如何用遗传算法解决排序优化问题。 2生产调度中的任务排序 任务排序是生产调度的关键问题。任务排序受到很多约束条件的制约，而时间约束是所有生产调度任 务排序都要考虑的约束信息。本文主要考虑在满足时间约束的条件下，利用遗传算法寻求最(次)优任务 序列。如表l所示。 表1任务信息列表 任务编号 任务剩余时间 任务所需时间 l 5 2 2 3 3 3 7 2 表中各个字段意义如