不確定條件下魯棒性生產(chǎn)調(diào)度的研究.pdf

1、生產(chǎn)調(diào)度是CIMS(ComputerIntegratedManufacturingSystem)和CIPS(ComputerIntegratedProcessingSystems)的一個重要組成部分，是生產(chǎn)管理的核心和關(guān)鍵技術(shù)。合理的生產(chǎn)調(diào)度方法可以為企業(yè)部門帶來顯著的經(jīng)濟(jì)效益。隨著對生產(chǎn)調(diào)度問題研究的不斷深入，人們逐漸發(fā)現(xiàn)現(xiàn)實(shí)世界中存在的不確定因素對生產(chǎn)過程和調(diào)度過程的影響不可忽略。由于各種不確定性因素的存在，使得應(yīng)用確定性的模型很難

2、取得預(yù)想的結(jié)果，經(jīng)典的離線計(jì)算最優(yōu)輸入并開環(huán)執(zhí)行的方法一般不會產(chǎn)生最優(yōu)的性能，在線的調(diào)整在所難免，這使得調(diào)度問題成為一個需要不斷優(yōu)化的動態(tài)過程。如何在復(fù)雜的不確定環(huán)境中尋找合理的調(diào)度方法，使調(diào)度具備一定魯棒性的同時(shí)，又具有一定的最優(yōu)性是調(diào)度問題中的一個難點(diǎn)，具有重要的理論和實(shí)際意義，也是本課題的研究目的。 不確定優(yōu)化理論為科學(xué)的解決不確定條件下的生產(chǎn)調(diào)度問題提供了理論基礎(chǔ)和新的思路，但在計(jì)算及反應(yīng)決策者態(tài)度等方面仍然需要進(jìn)一步研

3、究。本文以不確定優(yōu)化為理論基礎(chǔ)，通過對模型，主要是隨機(jī)規(guī)劃和魯棒優(yōu)化模型的分析和改進(jìn)，提出幾種不確定條件下尋找魯棒調(diào)度策略的新方法，并以化工批處理過程的短期調(diào)度過程為例，建立了不確定條件下的魯棒調(diào)度模型，給出了模型的算法以及調(diào)度策略的實(shí)現(xiàn)方法。 在回顧了確定性、不確定生產(chǎn)調(diào)度的發(fā)展歷史，闡述了不確定優(yōu)化理論的研究現(xiàn)狀和不足之后，本文對不確定條件下的魯棒性生產(chǎn)調(diào)度方法進(jìn)行了研究，主要研究內(nèi)容和成果概括如下： 首先研究了不確

4、定條件下生產(chǎn)調(diào)度的柔性、穩(wěn)定性和魯棒性，給出了相應(yīng)的定義和測量指標(biāo)。指出不確定條件下的生產(chǎn)調(diào)度問題實(shí)際上是一個調(diào)度策略的選擇問題，由于不同的生產(chǎn)背景、不確定情況，以及決策者不同的決策態(tài)度，導(dǎo)致選擇的調(diào)度策略不同。給出了選擇魯棒調(diào)度策略的基本原則和建立魯棒調(diào)度數(shù)學(xué)模型時(shí)應(yīng)注意的問題。 生產(chǎn)調(diào)度過程中經(jīng)常出現(xiàn)一些隨機(jī)因素，為調(diào)度模型的建立和求解造成了一定的困難。在工程中經(jīng)常采用的期望值模型簡單，但很多情況下不能保證所求解的魯棒性。為

5、此本文對期望值模型的魯棒性能進(jìn)行了分析，給出了提高期望值模型魯棒性的方法。該方法采用機(jī)會約束規(guī)劃的思想，根據(jù)模型中隨機(jī)參數(shù)的概率分布的不同情況，提出了使期望值模型的可行解滿足魯棒性能指標(biāo)的充分條件，并據(jù)此構(gòu)造了魯棒性約束，收縮解空間，使改進(jìn)后的期望值模型可以保證系統(tǒng)的魯棒性要求。與基于隨機(jī)模擬的機(jī)會約束規(guī)劃相比，該方法可以減少大量的計(jì)算時(shí)間，并彌補(bǔ)了已有魯棒優(yōu)化方法不能充分利用概率信息、以及無法解決右端參數(shù)變化的不足。仿真實(shí)驗(yàn)結(jié)果表明該

6、模型可以滿足系統(tǒng)要求。而且這種方法還可以方便地推廣到非線性優(yōu)化模型中。 鑒于帶補(bǔ)償?shù)亩A段隨機(jī)規(guī)劃模型無法根據(jù)決策者的決策需求控制約束的可行機(jī)會，建立了機(jī)會可控的補(bǔ)償隨機(jī)規(guī)劃模型，提出運(yùn)用基于遺傳算法和單純形法的分解算法求解模型。在此基礎(chǔ)上，提出了基于補(bǔ)償?shù)亩A段魯棒調(diào)度策略，允許約束在一定容許程度的條件下違背和補(bǔ)償，使軟約束更具備可操作性，然后將補(bǔ)償成本記入總目標(biāo)，對總目標(biāo)進(jìn)行尋優(yōu)，從而在可行和最優(yōu)化之間達(dá)到一種新的平衡。在補(bǔ)

7、償和機(jī)會可控思想的指導(dǎo)下，針對需求不確定的化工批處理過程的短期調(diào)度問題，建立了魯棒調(diào)度模型。仿真結(jié)果表明了這種模型可以找到更具魯棒性、令決策者滿意的調(diào)度策略。 提出了處理時(shí)間不確定條件下基于在線調(diào)整的魯棒調(diào)度新策略，該策略由基本調(diào)度策略和在線調(diào)整過程兩部分構(gòu)成，并以化工批處理過程的短期調(diào)度問題為例說明了策略的實(shí)現(xiàn)過程。首先針對已有的基于事件點(diǎn)的模型在描述存儲狀態(tài)時(shí)存在的不足，建立了具有分解的結(jié)構(gòu)的調(diào)度模型。模型通過對存儲建立時(shí)間

8、函數(shù)來準(zhǔn)確的描述存儲狀態(tài)，在彌補(bǔ)原有模型缺點(diǎn)的同時(shí)，使其呈獻(xiàn)特有的分解結(jié)構(gòu)，為求解提供方便的同時(shí)，與所提出的魯棒調(diào)度策略相呼應(yīng)，其中主問題對應(yīng)基本調(diào)度策略，子問題對應(yīng)在線調(diào)整過程，為分析不確定因素提供了方便。設(shè)計(jì)了基于簡單推理和遺傳算法的分解算法求解模型，這使得算法的搜索空間大為減小，提高了求解效率。在此基礎(chǔ)上，采用上述分解算法對含有不確定因素的調(diào)度模型求最優(yōu)解，以獲取基本調(diào)度策略，并說明了在線調(diào)整的方法以及在線調(diào)整的可行性。這種方法只

9、需收集足夠的現(xiàn)場信息，不需要進(jìn)行復(fù)雜的在線計(jì)算，從而解決了在線調(diào)度中的實(shí)時(shí)計(jì)算問題，提高了在線調(diào)整的反應(yīng)速度。 針對不確定條件下生產(chǎn)調(diào)度問題的階段性，綜合考慮多種不確定因素，研究了不確定條件下的決策過程，提出了一種三階段調(diào)度決策方法，將調(diào)度過程分為基本調(diào)度、在線調(diào)整和補(bǔ)償三個決策階段，并建立了三階段調(diào)度模型。模型以傳統(tǒng)的數(shù)學(xué)規(guī)劃模型為基礎(chǔ)，根據(jù)調(diào)度過程的特點(diǎn)將變量和約束分類，采取不同的處理方法，滿足不同階段的不同需求。最后，以化