复杂Job Shop调度问题基于结构性质的优化算法研究

Job Shop生产模式已广泛应用于离散型制造企业，但现有调度算法大多是在简化的标准模型基础上提出的，很少考虑实际生产和管理的复杂性。为使理论研究更加贴近实际需求，本项目将研究带有阻塞、无等待约束或随机因素的复杂Job Shop调度问题的求解方法。鉴于该问题的复杂程度，本项目拟采用"智能优化算法与结构性质相结合"的研究思路。结构性质是调度问题内在特征的表现形式，它描述了最优解的分布规律或反映了解的性能与结构的关系，因此，将结构性质应用于智能优化算法的搜索过程可显著提高其优化效率。一方面，项目将从数学模型、析取图等角度入手，探索各类复杂Job Shop调度问题的结构性质（特别是邻域性质）。另一方面，项目将研究结构性质与智能优化算法的结合机制，通过对不同搜索方式的协调，有效提升算法的综合优化性能。本项目研究成果将以机械制造车间的实际生产数据进行应用验证，并可为今后同类调度算法的研究提供思路。

本项目以复杂Job Shop调度问题（JSSP）为研究对象，注重调度问题结构性质的挖掘和利用，遵循“智能优化算法与结构性质相结合”的方法论原则，研究并提出了多种有效的调度优化算法，在主流国际期刊发表了一系列论文。代表性工作包含以下方面：（1）JSSP中瓶颈机器信息的提取与利用；（2）JSSP的邻域性质及其与智能优化算法的结合方式；（3）求解JSSP的基于分派规则的分布估计算法；（4）针对汽车制造过程的多目标调度算法；（5）基于仿真优化的随机JSSP及并行机调度问题求解算法；（6）基于约束传播的JSSP混合调度算法。通过本项目的实施，对JSSP的内部性质以及智能算法设计的关键环节有了新的发现，不仅丰富了生产调度的理论和方法，而且为今后更加复杂调度问题的高效求解提供了新的思路。