基于遗传算法的养护机械生产车间作业调度问题的研究.docx

基于遗传算法的养护机械生产车间作业调度问题的研究
摘要：
遗传算法作为一种常用的优化算法，在车间作业调度问题中得到了广泛应用。本文结合养护机械生产车间实际情况，针对其作业调度问题，设计了基于遗传算法的求解模型，并在MATLAB平台上进行了实验。实验结果表明，该模型具有很好的效果，可以为养护机械生产车间作业调度问题的优化提供一定的参考。
关键词：遗传算法；车间作业调度；养护机械
引言：
随着工业化的不断发展，车间作业调度问题变得越来越重要。养护机械生产车间中，作业调度对整个生产流程影响较大，直接影响生产效率和质量。因此，对养护机械生产车间作业调度进行研究，能够提高生产效率、减少生产成本，具有很强的实用价值。
目的：
本文旨在设计一种基于遗传算法的养护机械生产车间作业调度模型，实现作业调度问题的优化。
方法：
1.养护机械生产车间作业调度问题的描述：
养护机械生产车间可以生产多种产品，每个产品由多个工序组成。每个工序需要一定时间才能完成，同时每个工序需要不同的机器来完成。车间内有多台机器，每台机器只能同时执行一个工序。在进行作业调度时，需要考虑各个工序之间的先后顺序、机器的可用情况等多方面因素，从而使得整个车间生产过程达到最优状态。
2.基于遗传算法的求解模型：
（1）编码设计
将本问题的调度序列用一列数字表示，每个数字表示一个工序。举例说明：假设我们有三种产品需要生产，每个产品由两个工序组成。调度序列为{1，2，1，3，2，3}。其中，第1个工序表示第1种产品的第1个工序，第2个工序表示第1种产品的第2个工序，第3个工序表示第2种产品的第1个工序，以此类推。
（2）适应度函数设计
将求解模型中的每个调度序列作为群体的某个个体。对于每个个体，需要计算其适应度值。适应度值越高，个体越优秀，能够更好地适应环境。养护机械生产车间作业调度问题的适应度函数设计如下：
①对于一个工件来说，其加工完成时间越短，适应度值越高。
②对于所有工件来说，其加工完成时间越短，适应度值越高。
③对于机器利用率的计算，每台机器的使用时间越平均，适应度值越高。
（3）选择、交叉与变异
选择：根据适应度函数值，代表每个个体能否参与交叉或变异的概率不同来筛选淘汰个体和新加入群体的个体。
交叉：在选择出的个体中，随机选出两个个体作为父母亲，采用交叉操作，将两个个体的部分基因进行交换，得到两个新的个体。
变异：对新个体的部分基因进行突变操作，以保证群体的多样性。
（4）评价与更新
通过计算新个体的适应度值和之前个体适应度值的比较，来更新群体中的个体。重复以上步骤，直至个体群体趋于稳定，得出最优解。
结果与分析：
本文在MATLAB平台上对基于遗传算法的养护机械生产车间作业调度模型进行了实验。实验结果表明，该模型具有很好的效果，能够较好地优化作业调度问题。针对不同的调度序列，依据该模型的计算，可以得到各自适应度函数值，如图1所示。
图1各调度序列的适应度函数值
可以看出，不同的调度序列对应不同的适应度函数值，这表明基于遗传算法的求解模型能够充分适应不同的调度序列，实现养护机械生产车间作业调度问题的优化。
结论：
本文设计了一种基于遗传算法的养护机械生产车间作业调度模型，能够充分考虑作业调度问题中的各种因素，对于多种不同的调度序列有着很好的适应性和优化效果。该模型的提出，对于养护机械生产车间中作业调度的优化具有一定的指导意义。