双资源批量生产柔性作业车间多目标调度方法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (1): 250-256.

双资源批量生产柔性作业车间多目标调度方法

曾强1，沈玲2，任华1，吴立云1

1.河南理工大学能源科学与工程学院，河南焦作 454000
2.河南理工大学安全科学与工程学院，河南焦作 454000

出版日期:2015-01-01 发布日期:2015-01-06

Multi-objective scheduling method for batch production FJSP with dual-
resource

ZENG Qiang1, SHEN Ling2, REN Hua1, WU Liyun1

1.School of Energy Science and Engineering, Henan Polytechnic University, Jiaozuo, Henan 454000, China
2.School of Safety Science and Engineering, Henan Polytechnic University, Jiaozuo, Henan 454000, China

Online:2015-01-01 Published:2015-01-06

摘要/Abstract

摘要： 针对双资源批量生产柔性作业车间调度问题，提出了一种多目标精细化调度方法。针对双资源批量生产柔性作业车间多目标调度问题特点，建立了一类以制造成本最低和完工时间最短为优化目标的双资源等量分批柔性作业车间调度多目标优化模型；提出了5种双资源批量生产柔性作业车间精细化调度技术；针对模型提出并设计了一种改进的NSGA II算法。通过案例分析验证了该方法的有效性。

关键词: 柔性作业车间调度, 双资源, 精细化调度, 多目标优化, 改进NSGA II算法

Abstract: Aiming at the batch production Flexible Job Shop Scheduling Problem（FJSP）with dual-resource, a multi-objective elaborate scheduling method is proposed. Firstly, aiming at the characteristic of batch production FJSP with dual-resource, a multi-objective optimization model is established with the objective to minimize the manufacturing cost and makespan. Secondly, five elaborate scheduling techniques for batch production FJSP with dual-resource are proposed. Thirdly, an improved NSGA II algorithm is presented and designed to resolve the model. Finally, the effectiveness of the proposed research is validated by case study.

Key words: Flexible Job Shop Scheduling（FJSP）, dual-resource, elaborate scheduling, multi-objective optimization, improved NSGA II algorithm

曾强1，沈玲2，任华1，吴立云1. 双资源批量生产柔性作业车间多目标调度方法[J]. 计算机工程与应用, 2015, 51(1): 250-256.

ZENG Qiang1, SHEN Ling2, REN Hua1, WU Liyun1. Multi-objective scheduling method for batch production FJSP with dual-
resource[J]. Computer Engineering and Applications, 2015, 51(1): 250-256.

[1]	谢锐强，张惠珍. 求解柔性作业车间调度问题的两段式狼群算法[J]. 计算机工程与应用, 2021, 57(7): 251-256.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[9]	吴树景，游有鹏，罗福源. 变邻域保优遗传算法求解柔性车间调度问题[J]. 计算机工程与应用, 2020, 56(22): 236-243.
[10]	吴天纬，安斯光，孙崎岖，李梅，孙丽宏，申屠南瑛. 改进聚合树的高维多目标降维优化算法[J]. 计算机工程与应用, 2020, 56(21): 47-53.
[11]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[12]	涂经科，梁俊斌，蒋婵，王天舒. 大规模无环有向管网中移动物联网监测进展[J]. 计算机工程与应用, 2020, 56(17): 1-11.
[13]	郭羽含，胡德甲. 基于随机森林与变邻域下降的车辆合乘求解[J]. 计算机工程与应用, 2020, 56(13): 243-253.
[14]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[15]	董骏峰，王祥，梁昌勇. 基于个体邻域的改进NSGA-II算法[J]. 计算机工程与应用, 2019, 55(5): 166-174.