基于NSGA-Ⅱ算法的作业车间调度研究的任务书.docx

基于NSGA-Ⅱ算法的作业车间调度研究的任务书
一、研究背景与意义
随着制造业的不断发展，生产调度在生产过程中显得越来越重要。作业车间调度是生产调度中的一个重要环节，它关系到生产成本、生产效率和生产能力。作业车间调度最终的目的是把任务分配到不同的设备上，以期达到各种性能指标的最优化。然而，由于作业车间产品数量的不同，设备的特性和产品间的依赖关系等情况，作业车间调度问题变得复杂。
因此，如何进行高质量的作业车间调度问题的研究成为了工业界和学术界共同关注的问题。适当的作业车间调度研究可以帮助工业界获取高效生产的关键，提高生产效率，降低生产成本。同时，对于学术研究而言，作业车间调度面临的多目标决策问题，更是符合实际问题多样性复杂性的研究对象。
二、研究目标和内容
1.研究目标
本文通过研究现有的作业车间调度算法、相关多目标优化策略，以及不断根据问题的特点改进优化算法，运用NSGA-II算法进行对比实验，提高作业车间调度效率和生产效益。具体研究目标：
（1）分析现有多目标优化算法及其特点，研究适用于作业车间的优化算法；
（2）根据多个性能指标建立作业车间调度数学模型，提出多目标优化策略；
（3）结合NSGA-II算法进行优化算法设计，并与现有算法进行对比实验；
（4）对算法进行比较和分析实验结果，找出优化算法的优势和不足，并进行改进。
2.研究内容
本次研究将涉及以下内容：
（1）实现当前较为流行的多目标优化算法，包括：禁忌搜索、遗传算法、多层次决策算法等；
（2）建立作业车间调度数学模型，分析作业车间调度过程中的各项性能指标；
（3）针对多目标优化策略进行进一步优化设计，加入相关约束以及目标值的惩罚机制，提高解决问题的稳定性和可靠性；
（4）使用NSGA-II算法，进行作业车间调度问题的实现，并进行性能对比及实验结果分析。
三、研究方法和实验计划
1.研究方法
本文综合应用多目标决策理论与优化算法，通过数据挖掘技术探索出性能优异的解决方案。研究基于以下步骤：
（1）探究作业车间调度问题的特点，以及该方面的现有方法；
（2）理论分析和建立作业车间调度数学模型，分析其多个性能指标；
（3）对多目标优化算法进行分析和研究，优化算法的设计，基于NSGA-II算法实现作业车间调度的优化；
（4）针对性地进行实验模拟及结果分析，比较和总结现有算法和优化算法的优劣。
2.实验计划
研究的具体实验计划如下：
（1）调研相关文献资料，了解现有多目标优化算法及其原理；
（2）探究作业车间调度问题的特点，建立数学模型，确定多个性能指标；
（3）开发并优化针对作业车间调度问题的优化算法，包含禁忌搜索、遗传算法、多层次决策算法等；
（4）基于NSGA-II算法依次实现现有算法和优化算法，并对比分析结果；
（5）通过比较与分析各种算法的性能优势和劣势，对算法进行改进和优化。
四、预期成果和应用价值
本研究的预期成果包括：
1.提出基于NSGA-II算法的作业车间调度解决方法，通过模拟实验比较分析现有算法和优化算法在各个性能指标的表现，明确算法的特点与优势。
2.针对现有作业车间调度问题的研究，对算法进行优化设计，提供思路和方法，并创造性地采用约束条件、惩罚机制等优化算法，现实生产应用具有较高的参考价值。
3.通过本研究，改进了现有作业车间调度方法精度及效率，有助于缩短生产周期，提高工效，同时也可节省生产成本。
五、研究进度和预期时间安排
根据研究计划，研究进度以及预期时间安排如下：
1.探究作业车间调度问题的特点、建立数学模型，并确定多个性能指标（2周）；
2.基于多目标优化算法的分析和研究，包含禁忌搜索、遗传算法、多层次决策算法等（3周）；
3.针对多目标优化策略进行进一步优化设计，加入相关约束以及目标值的惩罚机制，提高解决问题的稳定性和可靠性（4周）；
4.基于NSGA-II算法依次实现现有算法和优化算法，并对比分析结果（4周）；
5.通过比较与分析各种算法的性能优势和劣势，对算法进行改进和优化（3周）。
六、参考文献
[1]S.Deb.Multi-ObjectiveOptimizationusingEvolutionaryAlgorithms.JohnWiley&Sons,Chichester,UK.
[2]K.Deb,A.Pratap,S.Agarwal,andT.Meyarivan.AFastandElitistMultiobjectiveGeneticAlgorithm:NSGA-II.IEEETransactionsonEvolutionaryComputation,vol.6,pp.182-197,2002.
[3]R.K.TiwariandR.Gupta.Areviewofschedulingresearchinvolvingassembly