45、基于NSGA - II算法的间歇性设备调度研究

基于NSGA - II算法的间歇性设备调度研究

1. 传统调度问题分析

在生产调度中，存在一些影响优化调度效果的因素：
- 电力成本与时间因素 ：企业为降低成本，需使设备在电价最低时段运行或避开高峰电价时段，但这在实际操作中存在难度。
- 人员不稳定 ：工人是不稳定因素，若工厂要提高优化调度效果，需投入更多人力，这会大幅增加生产成本，给企业带来压力。
- 车间不稳定 ：面对不同工况，工人无法及时更改间歇性生产设备的调度，导致错过机器的最佳调度时间。

2. NSGA - II算法概述

数学建模常将多目标优化问题通过加权法转化为单目标优化问题，再用单目标优化理论求解，但该理论在实际应用中有不足，如主观设定各目标权重无法使每个目标都达到最优。多目标优化是寻找满足约束条件的决策变量，并为所有目标函数赋值的过程，理论上会产生一组最优解，即帕累托最优集。

常用的解决复杂多目标问题的算法有强度帕累托进化算法、非支配排序遗传算法（NSGA）、蚁群算法和粒子群优化算法（PSO）等。元启发式算法易过早收敛，处理复杂多峰搜索问题时局部优化能力差。NSGA - II是元启发式算法中流行的多目标算法，它运行速度快、收敛性好，还降低了NSGA算法的复杂度。

NSGA - II算法的主要步骤如下：
1. 快速非支配排序 ：用快速非支配排序法找到一组最接近帕累托最优前沿的等价最优解。
2. 维护多样性 ：通过计算拥挤距离维护帕累托最