有限等待与工件拒绝的置换流水车间调度算法

"本文提出了一种工件可拒绝的有限等待置换流水车间调度算法，旨在解决在存在运输作业和中间产品性质不稳定的车间环境中的调度问题。该算法采用协同进化遗传算法，结合工件拒绝和工件调度的联合决策，以最小化总拒绝成本和总拖期成本为目标，并设置最大完工时间的上限约束。" 在工业生产中，尤其是制造业，调度问题至关重要，因为它直接影响生产效率和成本。有限等待的概念是限制工件在不同加工设备之间等待的时间，这种限制常见于那些中间产品易变质或需要快速处理的车间环境。工件可拒绝的有限等待置换流水车间调度问题则引入了一个新的层面，即决策者可以选择拒绝部分工件以优化整体调度效果。 这个问题的复杂性在于需要同时决定哪些工件应该被拒绝以及接受的工件应该如何安排。为此，研究者提出了一种协同进化遗传算法。遗传算法是一种模拟自然选择和遗传机制的优化方法，适用于解决复杂的组合优化问题。在此算法中，染色体编码被分解为两部分：工件拒绝子集和工件序列子集。初始种群是根据调度规则生成的，然后通过协同进化策略分别对这两个子集进行演化。这种策略允许算法在不同的解空间中搜索最优解。 为了适应问题的特性，算法还引入了基于记忆的动态概率参数设计方法来确定遗传算子的执行概率。这意味着算法能够根据过去的经验调整其行为，以更有效地探索解决方案空间。此外，解码规则被设计来确保生成的解既可行又能最小化总成本，这包括拒绝工件的成本和拖期成本。 通过一系列数据实验，该算法的有效性和可行性得到了验证，同时也分析了问题参数如何影响算法的性能。这些实验结果对于理解和改进此类调度问题的求解策略具有重要的实践指导意义，可以为实际生产环境中的调度决策提供理论支持。 这篇论文提出的工件可拒绝的有限等待置换流水车间调度算法为解决复杂车间调度问题提供了一种创新的计算方法。通过协同进化和动态概率调整，该算法能够更好地应对实际生产中的不确定性和约束条件，有助于提高生产效率，降低成本，对于提升制造业的竞争力具有重要意义。