动态不确定环境下柔性作业车间调度及其群体智能优化算法研究

In the process of real production scheduling, there are many dynamic and uncertain factors. Its computational complexity far beyond the static and certain scheduling problems. These problems make it difficult for using previous research methods directly. And, it has become the key to solving the actual problems. In this project, flexible job shop scheduling problem (FJSP) under dynamic and uncertain environment and new efficient hybrid swarm intelligence optimization algorithm are researched. Main contents include: integrated application of complexity science, self-organization theory, and fitness landscape theory, dynamic and uncertain FJSP model is proposed based on complexity science, fitness landscape is adapted to analyze the dynamic and uncertain FJSP problem, and to explore the difficult nature of the FJSP. Neighborhood structures and mobile strategies are researched based on typical criterion of FJSP, explored efficient hybrid swarm intelligence optimization algorithm. Research on rescheduling strategy and optimization algorithm of the FJSP under dynamic environment. Fuzzy theory is used to research the uncertain FJSP model, then efficient optimization algorithm is proposed for solving FJSP under uncertain environment. Finally, the prototype system is developed. In conclusion, new ideas and technologies are provided for solving the related problem of manufacture system and other applications of swarm intelligence optimization algorithm.

在实际生产调度过程中，存在着很多动态不确定性因素，其计算复杂度远远超过了静态确定调度问题，使得以往的研究方法难以直接应用，已经成为解决实际问题的关键。本项目拟对动态不确定环境下的柔性作业车间调度问题（FJSP）及其新型高效的混合群体智能优化算法进行研究。主要内容包括：综合应用复杂性科学、自组织理论以及适应度地形等理论，建立动态不确定FJSP问题模型，采用适应度地形理论对动态不确定FJSP问题进行分析，探索该问题的困难本质；研究基于典型指标的动态不确定FJSP问题的邻域结构和移动策略，探索高效的新型混合群体智能优化算法；研究动态FJSP问题的重调度策略以及优化算法；研究不确定FJSP问题模型，采用模糊理论对其研究，提出求解不确定FJSP问题的优化算法；开发新型混合群体智能优化算法求解动态不确定FJSP问题的原型系统，为制造系统其他相关问题的解决以及群体智能优化算法的应用提供新的思路和技术。

在实际生产调度过程中，存在着很多动态不确定性因素，其计算复杂度远远超过了静态确定调度问题，使得以往的研究方法难以直接应用，已经成为解决实际问题的关键。本项目对动态不确定环境下的柔性作业车间调度问题（Flexible Job-shop Scheduling Problem，FJSP）及新型高效的混合群体智能优化算法进行研究。主要研究内容包括：.1）动态不确定柔性作业车间调度问题建模与特征分析。柔性作业车间调度问题是最困难的约束组合优化问题之一，也是典型的NP难问题。建立动态柔性作业车间调度问题的模型，并采用适应度地形理论对柔性作业车间调度问题进行了分析，证明了编码方式是求解调度问题的关键问题之一。.2）群体智能优化算法以及高效的邻域结构研究。分析了生物地理学优化算法的特性，并将其与其它算法进行了比较；提出生物地理学优化算法求解柔性作业车间调度问题，实验结果证明其有效；提出和改进了基于关键路径的两种邻域结构，并利用变邻域搜索算法求解柔性作业车间调度问题。.3）动态FJSP问题的重调度策略以及优化算法研究。提出了多阶段人机协同的策略，以求解动态柔性作业车间调度问题，每个阶段采取不同的措施；提出了鲁棒性指标，在考虑机器发生故障的情况对其进行求解，提高调度方案的预测性，增强生产的稳定性；提出了基因表达式编程算法求解动态柔性作业车间调度问题。.4）求解不确定FJSP问题的研究。实际制造过程中存在大量不确定的信息，如加工时间、完工时间和产品交货期等。深入研究了不确定环境下FJSP的问题理论及群体智能优化算法的应用。采用模糊理论对生产过程中的不确定信息进行分析和描述，利用群体智能优化算法进行求解，通过实例分析证明所提出的方法是有效和可行的。.5）设计与开发相应的FJSP问题原型系统软件。结合应用对象，设计与开发相应的FJSP问题原型系统软件。在此系统中，利用改进的群体智能优化算法对动态和不确定环境下的柔性作业车间调度问题进行调度优化，提供更适应车间实际情况的调度方案。通过实例研究，验证原型系统的功能性、科学性以及有效性等方面的优势。.本项目的研究将为制造系统其他相关问题的解决以及群体智能优化算法的应用提供新的思路和技术，具有重要的理论意义和应用价值。