AGV约束与行为效应下的柔性车间调度研究

"具有行为效应的含AGV柔性车间调度研究" 本文主要探讨了在自动引导车辆（AGV）参与的柔性车间调度问题中，行为效应如何影响调度策略和完工时间。作者构建了一个数学模型，该模型考虑了学习效应和恶化效应，目标是最小化完工时间。学习效应指的是随着工人对任务的熟悉，效率逐渐提高；恶化效应则是指随着时间的推移，工作效率可能因疲劳等因素而下降。 针对这个包含行为效应的模型，研究者提出了一个基于工序、机床和AGV分配的编码方式，结合混沌局部搜索策略的鲸鱼算法来求解。鲸鱼算法是一种模仿鲸鱼捕食行为的优化算法，适用于解决复杂优化问题。通过数值模拟，该方法的有效性和可行性得到了验证。 实验部分对比分析了四种不同情况下的加工时间：仅考虑学习效应、仅考虑恶化效应、同时考虑学习和恶化效应以及不考虑任何行为效应的情况。此外，研究还考察了加工任务批量大小和AGV数量对加工时间的影响。实验结果显示，AGV资源的可用性和行为效应共同决定了单位批量的完工时间。 文章指出，理解和考虑行为效应对于优化AGV柔性车间的调度至关重要，因为这不仅可以提高生产效率，还能减少不必要的延误。同时，合理配置AGV的数量和任务分配策略，可以更有效地平衡学习效应和恶化效应，从而优化整体生产流程。 总结起来，这篇研究论文通过建立数学模型和应用鲸鱼算法，深入研究了行为效应在AGV柔性车间调度中的作用，为实际生产环境提供了理论指导和优化工具。这一研究对于提升制造业的生产效率和响应速度，尤其是在自动化程度较高的现代工厂中，具有重要的实践意义。