针对多目标集成工艺规划与车间调度(Integrated Process Planning and Scheduling,IPPS)问题,建立了考虑完工时间、机器负载、总流程时间和机器利用率四个优化目标的IPPS问题模型。基于模拟退火算法和NSGAII算法提出了一种两阶段的混合...针对多目标集成工艺规划与车间调度(Integrated Process Planning and Scheduling,IPPS)问题,建立了考虑完工时间、机器负载、总流程时间和机器利用率四个优化目标的IPPS问题模型。基于模拟退火算法和NSGAII算法提出了一种两阶段的混合算法求解多目标IPPS问题。工艺规划阶段以最小化加工时间和机器负载为优化目标生成工件工艺路线,调度阶段以最小化完工时间、总流程时间和最大化机器利用率为优化目标生成调度方案,两个阶段交替迭代,完成问题求解。提出了一种工艺修正策略,对工艺阶段产生的工艺路线进行调整,来提高两个系统间的交互能力,从而提高算法的求解性能。最后设计了对比实验,用三种算法分别求解24组经典的IPPS问题案例。结果表明提出的混合算法和工艺修正策略在寻优能力和解的质量上都优于NSGAII算法,验证了提出的算法解决多目标IPPS问题的有效性。展开更多
文摘针对多目标集成工艺规划与车间调度(Integrated Process Planning and Scheduling,IPPS)问题,建立了考虑完工时间、机器负载、总流程时间和机器利用率四个优化目标的IPPS问题模型。基于模拟退火算法和NSGAII算法提出了一种两阶段的混合算法求解多目标IPPS问题。工艺规划阶段以最小化加工时间和机器负载为优化目标生成工件工艺路线,调度阶段以最小化完工时间、总流程时间和最大化机器利用率为优化目标生成调度方案,两个阶段交替迭代,完成问题求解。提出了一种工艺修正策略,对工艺阶段产生的工艺路线进行调整,来提高两个系统间的交互能力,从而提高算法的求解性能。最后设计了对比实验,用三种算法分别求解24组经典的IPPS问题案例。结果表明提出的混合算法和工艺修正策略在寻优能力和解的质量上都优于NSGAII算法,验证了提出的算法解决多目标IPPS问题的有效性。
