25、工业4.0中应用仿真建模与进化计算方法的CPS架构解析

工业4.0中应用仿真建模与进化计算方法的CPS架构解析

1. 引言

在工业4.0时代，为确保柔性生产系统的优化，仿真建模方法的使用愈发必要。其广泛应用于生产系统的规划与调度。不过，引入仿真建模方法存在一个主要限制，工业4.0的制造系统具有高度复杂性和灵活性，传统数学建模难以确定最优优化结果。近年来，进化计算方法展现出显著优势，能较好地解决多目标优化问题。将仿真建模与进化计算方法相结合，是解决复杂优化问题的有效途径。

研究工作主要分为三部分：
- 明确多目标优化、进化计算方法、仿真建模以及工业4.0中五级CPS架构模型的研究领域，提出柔性作业车间生产优化的主要问题，列举现有解决方案及其优缺点，并给出解决问题的方法。
- 展示基于五级CPS架构模型的多目标柔性作业车间生产优化中，进化计算和仿真建模方法在实际生产系统中的应用实例。
- 呈现研究结果，与原始研究问题进行对比，分析所提方法的优缺点，并给出一般性结论和后续研究方向。

2. 研究问题背景

2.1 多目标优化

多目标优化最早出现在生产调度领域，研究者试图优化作业车间调度问题（JSSP）中的两个或多个随机问题目标。在多目标JSSP优化问题中，算法会优化订单的平均 throughput 时间和交货日期。结合启发式算法可使复杂生产系统接近最优解。最初的基本算法应用优先级规则，并由遗传算法支持，随后持续使用进化计算方法来确定帕累托最优解。多目标优化不仅用于生产调度，还在生产系统规划、成本优化和仿真建模等领域发挥积极作用。目前，使用评估方法确定帕累托最优解成为趋势，如卡尔曼算法。不过，该方法仅对要求较低的优化问题算法效率高，对于复杂输入数据，算法的数学复杂度会显