5、非标准化生产过程中多目标优化问题的进化技术

非标准化生产过程中多目标优化问题的进化技术

1. 引言

在车间作业环境中安排生产，意味着要合理分配可用资源，这需要依靠高效的优化程序。车间作业调度问题（JSSP）是一个NP难问题，因此需要应用专门的算法来解决。大多数JSSP实例都涉及同时优化两个通常相互冲突的目标，这类多目标问题往往有许多解决方案。优化过程得到的帕累托前沿需要包含均匀分布的、接近真实帕累托前沿的解，这有助于专家解读这些解。这里将介绍一种结合模拟退火程序的遗传算法，用于解决车间制造系统的生产调度问题。

2. JSSP处理方法：现状

关于JSSP的大量文献提出了各种解决方案，从简单的优先级规则到复杂的并行分支定界算法。JSSP的研究历史悠久，早在其正式提出之前，就已成为运筹学中的经典问题。由于其复杂性，人们尝试了多种不同的问题表示方法，以应用各种特定算法，如克隆选择、禁忌搜索、蚁群优化、遗传算法、优先级规则、瓶颈转移等，这些元启发式程序的性能各不相同。

3. 多目标优化：基本概念

假设存在多个需要最小化的目标，寻求满足一定不等式和等式约束的决策变量向量，使目标函数向量达到最小值。满足约束条件的决策向量类记为Ω，其中的每个向量都是可行解。帕累托最优解是指在不恶化其他目标的情况下，没有其他解能改进某些目标的解。帕累托最优解的集合构成帕累托最优集，对应的目标函数值集合构成帕累托前沿，搜索帕累托前沿是多目标优化的主要目标。

4. 柔性车间作业调度问题

JSSP可以描述为在m台机器上组织n个作业的执行。假设有有限数量的任务和机器，处理任务在机器上的操作有相应的处理时间和成本。柔性JSSP是一种特殊情况，其中操作在机器上的分配是无差别的。