不确定性下FSMP调度的模糊优化与多目标分析

本文主要探讨了一类在实际生产环境中常见的问题——基于不确定作业时间的Flexible Flow Shop Multiple Processor (FSMP) 调度问题。FSMP是指由多个处理器构成的工作流程，其中每个任务在不同阶段的加工时间存在不确定性。这种不确定性对于优化生产计划和提高效率具有重要意义。 作者针对这类问题，提出了一种创新的解决方案。首先，他们构建了一个基于扩展期望区间数的模糊优化模型。扩展期望区间数是一种处理不确定性的数学工具，它能够将模糊、随机或不精确的信息转化为一个可以用于优化过程的量化表示。通过这种方法，他们成功地将原本难以处理的不确定性参数转换为可操作的近似边界，从而使得优化过程更为精确。 在模型建立过程中，作者引入了取极大运算方法，这是一种策略，旨在找到在不确定性条件下可能达到的最大收益或最小成本。这确保了模型在面对不确定性时仍能提供保守但可行的决策。此外，作者还设计了一个包含不确定度控制指标的多目标优化模型，考虑了多个目标的平衡，如生产效率、成本和响应时间等，以实现调度策略的全面优化。 在实证研究部分，作者通过一系列数值实验，探讨了决策因子（如决策比率）和不确定度控制指标对调度性能的影响。决策比率反映了决策者在面对不确定性时的偏好，而不确定度控制指标则反映了对生产过程中的波动性的容忍程度。通过比较不同参数设置下的结果，作者揭示了这些因素如何影响最终的调度效果，以及模型和算法在各种情况下的表现。 实验结果显示，该模型和算法不仅在理论上有较高的有效性，而且在实际应用中显示出良好的鲁棒性。这意味着即使在加工时间存在较大不确定性的条件下，提出的策略也能有效地指导生产调度，同时保持一定程度的灵活性和适应性。 总结来说，这篇论文提供了一种有效的方法来处理FSMP调度中的不确定性问题，通过模糊优化和多目标优化策略，能够在兼顾效率和不确定度控制的同时，为工厂管理者提供科学的决策依据。其研究成果对于提高制造业的生产效率和应对复杂环境下的生产挑战具有重要的实践价值。