基于RNN-IHBA算法的集成批量调度优化设计.pdf

摘要

随着社会需求的增长，生产规模的日益增大，生产过程的复杂性也日益增加，

为确保企业的高效、稳定的生产，同时实现最大的经济效益，原有的简单化、局部

化、常规化、仅凭经验的生产方式已无法适应现代企业发展的需要，同时，由于各

种不确定性因素（如需求、加工时间或交货周期波动、设备故障、交货期变更、订

单取消等）的影响，如何有效地完成顾客的交期成为一个新的难题。因此，为了解

决企业批量生产调度问题，本文采用改进蜜獾算法（ImprovedHoneyBadger

Algorithm,IHBA）和神经网络方法，针对作业车间环境具有资源容量约束的批量确

定和调度优化问题（CapacitatedLot-sizingandSchedulingProblem，CLSP）开展研究，

主要研究内容如下：

（1）构建不确定时间下的调度框架，考虑客户需求和作业处理时间的不确定性，

基于预测性和周期性反应策略，提出一种考虑序列相关设置时间和容量约束的同时

批量生产和车间调度问题。为解决需求和加工时间的不确定性，构建基于可满足性

模块理论的确定性模型，引入安全库存和安全松弛概念，建立新的鲁棒优化模型。

（2）针对以最小化生产总成本为优化目标的集成批量调度问题，基于传统的蜜

獾算法，提出IHBA算法。通过改变混沌迭代初值产生混沌伪随机序列，利用逻辑

映射机制提高元启发式算法的速度，解决过早收敛以及局部最优现象；采用神经网

络对安全库存和安全松弛参数进行估计，使用均匀分布初始化网络权重，为了控制

过度拟合，时间段的数量采用早期停止方法的函数，在开始滚动地平线方法之前，

根据具体输入和输出对其进行离线培训。

（3）通过实例对所提神经网络与IHBA算法进行对比分析，验证所构建的批量

调度车间模型的拟合度良好。通过具体数值实验，与各种智能优化方法的比较，证

明IHBA的有效性；最后，对某生产气门零部件的企业进行实例验证，根据其生产

工序以及加工时间，构建生产模型，运用神经网络的IHBA算法获取最优调度策略。

I

沈阳大学硕士学位论文

关键词：集成批量调度，动态事件，数据驱动，IHBA算法，安全库存，安全松弛

II

IntegratedBatchSchedulingOptimizationDesignBasedon

RNN-IHBAAlgorithm

Abstract

Todayssociety,thedemandisconstantlyexpanding,theproductionscaleisincreasing

daybyday,andtheproductionprocessisbecomingincreasinglycomplex.Inordertoensure

efficientandstableproductionforenterprisesandachievemaximumeconomicbenefits,the

previouslysimplified,localized,conventional,andexperience-basedproductionscheduling

cannolongermeettheneedsofmodernenterprises.Managersandengineersarealsofacing

somenewproblems,Meetingcustomerdeliverytimesbecomesachallengewhentheinitial

planisaffectedbyunpredictablenoisesuchasdemand,processingtimeordeliverycycle

fluctuations,machinefailures,expirationdatechanges,