基于多智能體和混合遺傳算法的車間調(diào)度模型的應(yīng)用研究.pdf

1、隨著生產(chǎn)規(guī)模越來越大，復(fù)雜性越來越高，每個企業(yè)都在尋求更好的生產(chǎn)與運作管理方案，以提高企業(yè)的生產(chǎn)、經(jīng)營和管理效率，從而提高企業(yè)的核心競爭優(yōu)勢。生產(chǎn)與運作管理的核心是車間調(diào)度問題能否高效地獲得優(yōu)化解，因此，研究車間調(diào)度問題具有重大的理論意義和現(xiàn)實價值。然而，現(xiàn)代調(diào)度的復(fù)雜性，特別是由于現(xiàn)代制造系統(tǒng)的運行環(huán)境充滿著不確定性，系統(tǒng)的加工任務(wù)經(jīng)常動態(tài)變化，這些不確定性、動態(tài)性和復(fù)雜性組合在一起，使車間調(diào)度變得更加困難。為了處理這種不斷增長的不確

2、定性和復(fù)雜性，調(diào)度系統(tǒng)必須具有較強的適應(yīng)性、魯棒性和可伸縮性。
　　 本課題研究工作主要的主要內(nèi)容包括以下幾個方面：
　　 (1)系統(tǒng)分析了多智能體系統(tǒng)中各智能體之間的通信以及多個智能體之間的協(xié)作問題。通過對多智能體的分析與建模方法的探討，建立了基于多智能體車間調(diào)度模型。該模型采用管理者Agent、任務(wù)Agent和資源Agent，并按照改進合同網(wǎng)協(xié)議進行多智能體之間的協(xié)調(diào)與合作，以達到智能體間共同協(xié)商來完成訂單加工任務(wù)。

3、
　　 (2)著重研究了遺傳算法與蟻群算法的原理和特點，系統(tǒng)分析了遺傳算法和蟻群算法各自的優(yōu)化能力。遺傳算法具有快速隨機的全局搜索能力，但當求解到一定范圍時往往產(chǎn)生大量無為的冗余迭代，使得求精確解效率降低。蟻群算法則是通過信息素的累積和更新收斂于最優(yōu)路徑上，具有分布式并行全局搜索能力，但由于初期信息素匾乏，所以求解速度慢。本文根據(jù)遺傳算法和蟻群算法的特點，研究將兩個算法融合，提出一種混合遺傳算法。
　　 (3)將混合遺傳

4、算法融入到基于多智能體的車間調(diào)度模型中，來求解車間調(diào)度問題。通過仿真實驗，證明了該模型在動態(tài)車間環(huán)境下的有效性，同時得到的調(diào)度方案在設(shè)備利用率等方面的性能大大優(yōu)于按一般規(guī)則調(diào)度得到的結(jié)果。
　　 本課題創(chuàng)新點在于將混合遺傳算法引入到多智能體車間調(diào)度模型中，建立了一種基于多智能體和混合遺傳算法的車間調(diào)度模型。該模型具有多智能體的智能性和動態(tài)處理能力以及混合遺傳算法的優(yōu)化能力，并且在滿足全局性能優(yōu)化的前提下，最大限度地發(fā)揮各車間的靈