基于分散搜索算法的一类新型混合流水车间调度问题研究

混合流水车间调度(HFS)问题有很强的工业应用背景，钢铁和化工等流程工业的生产过程大多属于HFS类型，以往对于该类问题的研究主要集中在单目标优化上。本项目以钢铁工业中的加热炉-热轧生产调度为背景，提炼并研究一类新型HFS问题的建模与优化方法。该类问题的主要特点在于：1)工件处于热态高温，在机器上的停留与等待都会导致能耗，并影响工件的处理时间；2)第一阶段的机器能同时加工多个工件；3)同时优化多个目标。即使在简单情况下，多数的HFS问题也都属于NP-难问题，因此本项目采用国际上新近提出的基于分散搜索(SS)的智能优化方法进行求解，研究适用于这类新型HFS问题的多目标SS算法，以及它与其它智能算法的有效混合策略以提高算法的性能，使研究成果发表在国际权威杂志上。本项目的研究不仅可以丰富现有针对HFS问题的调度理论和方法，而且将有助于钢铁企业提高设备利用率，降低能耗，具有重要的理论意义和应用价值。

本项目按照任务书的要求，对新型混合流水车间调度问题及其求解算法进行了理论研究和应用验证。(1)在调度问题上，从带有多工件处理能力的单机调度问题着手，逐步扩展到两阶段调度问题，流水车间调度问题和混合流水车间调度问题，针对这些问题均建立了有效的混合整数规划模型，并根据问题特点提出了邻域搜索的加速策略；(2)在算法结构上，根据不同算法的特点，提出了分散搜索与粒子群、分散搜索与变邻域搜索、遗传算法与粒子群、粒子群与差分进化的混合框架，融合了各算法自身的优势，实现了搜索广度与深度的平衡，测试结果表明这些混合策略显著改进了算法性能；(3)将算法应用于求解多目标流水车间调度问题和新型混合流水车间调度问题，验证了算法的有效性；(4)以钢铁企业加热炉-热轧生产线为背景对所提出的调度理论和算法进行了应用验证。. 在该项目的支持下，共发表和录用论文10篇(标注资助)，其中IEEE Transactions、C&OR、ASOC、JORC等SCI收录源刊6篇(JCR1区1篇，2区1篇，3区4篇)，EI收录的国际会议论文3篇；共协助培养博士生3名(1人已毕业)，培养硕士生4名。