云制造环境下多粒度柔性智能调度关键技术研究

Cloud manufacturing by establishing the sharing of manufacturing resources public service platform, make great social resource pool together, offer all kinds of manufacturing services, in order to realize the manufacturing resources and services open collaboration and the height of the social resources sharing, to provide users with all kinds of on-demand manufacturing services a new mode of networked manufacturing. Compared with traditional job-shop scheduling problem, a cloud computing environment of the flexible job-shop scheduling problem in the aspect of basic theory and method of research is still weak, especially effective DeLin domain structure and efficient algorithm of classic is very few, the algorithm performance needs further improvement. And based on the intelligent calculation method of solving optimization is high performance and wide application range, is also the current research hot spot problem. This project mainly studies the scheduling problem of flexible resources in cloud computing environment, the of all kinds of intelligent computing method to solve the common key technologies in the research, make a cloud in the overall technical framework of FJSP research. Try to design a scheduling, without delay to adopt active scheduling heuristic method combined with heuristic rules initial operation sequence chain groups. Research based on the free time of neighborhood search mechanism to solve the flexible job-shop scheduling problem, the mathematical model was given; And plans through simulation examples verify the effectiveness and feasibility.

云制造通过建立共享制造资源的公共服务平台，将巨大的社会制造资源池连接在一起，提供各种制造服务，以实现制造资源与服务的开放协作以及社会资源的高度共享，为用户提供各类按需制造服务的一种网络化制造新模式。相对于传统作业车间调度问题，云计算环境下柔性作业车间调度问题在基础理论和求解方法方面的研究仍显薄弱，特别是有效地邻域结构和经典的高效算法还很少，其求解算法的性能还需要进一步的提升。而基于智能计算方法的求解技术具有高效的优化性能和广泛的应用范围，也是目前研究的热点问题。本项目主要研究在云计算环境下柔性资源的调度问题，预对各种智能计算方法求解中的共性关键技术进行研究，给出云制造中FJSP研究的总体技术框架。试图设计一种釆用主动调度、无延迟调度与启发式规则相结合的启发式方法初始工序顺序链；研究基于空闲时间的邻域搜索机制求解柔性作业车间调度问题，并给出数学模型；并拟通过仿真实例验证其有效性和可行性。

本项目主要研究柔性资源的调度问题，对各种智能计算方法求解中的共性关键技术进行研究，给出FJSP研究的总体技术框架。. 针对作业车间调度问题中应用遗传算法求解存在的早熟问题，对其搜索速度、收敛结果和最优解等方面进行分析研究，结合模拟退火算法在每一代遗传进化中引入局部搜索，提高算法的全局寻优能力。针对标准粒子群算法求解车间调度问题中的不足，给出一种引入“淘汰”机制的改进粒子群算法。针对离散粒子群算法在求解车间调度问题时易陷入局部最优解的问题，结合竞争学习机制和随机重启机制，增加种群多样性，避免算法的早熟问题。针对含有AGV的柔性作业车间调度问题，以完工时间为最小优化目标，建立了工艺、AGV资源、机器资源共同约束的优化模型；并采用混合离散粒子群优化算法求解此类问题。并研究了车间中AGV数量对完工时间的影响，发现随AGV数量增加所带来的完工时间的提升效率在递减。. 研究了多粒度规则在柔性作业车间调度问题中的应用，将生产调度过程视为实时动态决策的过程，通过车间状态结合调度规则实时得到调度决策。特别地，在机器选择的问题上，通过对历史调度数据的分析，将生产系统属性按粒度进行划分，并将车间状态的属性数据作为驱动调度规则决策模型的输入数据，挖掘出生产系统状态和该状态下的最佳调度规则的潜在映射关系，得到实时选择的调度规则。在实验部分证明了规则调度的可行性，同时，通过实验对比了各粒度的规则的求解效果。.从总体研究、模型研究、求解算法三个角度，逐步对动态车间调度问题进行简要概述、模型建立、算法求解、仿真实验，实现四类动态事件的处理策略。其中，模型研宄与求解算法部分是重点内容，模型研究部分，依据不同的处理策略将动态事件分为新加类、机器占用类、交换类以及延迟类事件，分析其处理策略及流程，并给出了详细的数学模型及约束条件。. 项目成果首先研究智能优化算法在求解柔性作业车间调度问题上做了算法改进，完成基于遗传算法求解此类问题的学术论文2篇，基于粒子群算法求解此类问题的学术论文2篇。其次，研究多种求解多目标优化问题的策略，共完成多目标车间调度问题的学术论文5篇。研究动态车间调度问题的不同求解策略，共完成学术论文3篇，并完成一项此类问题的软件著作权。最后，研究考虑工件的运输时间和运输资源约束的更复杂的柔性作业车间调度问题，完成此类问题学术论文3篇。项目培养硕士研究生5名。