【车间调度】柔性作业车间调度问题的研究现状

本系列为自己学习调度相关知识的记录，如有误请指出，也欢迎调度方向的小伙伴加我好友共同交流

“柔性”是相对于“刚性”而言的，传统的==“刚性”自动化生产线主要实现单一品种的大批量生产==。而==“柔性”生产线可以在较短的生产周期内，生产出较低成本、较高质量的不同品种产品==。柔性一般主要包括：机器柔性、工艺柔性、产品柔性、维护柔性、生产能力柔性、扩展柔性和运行柔性等。

单目标柔性作业车间调度

FJSP的目标函数一般包括：最大完工时间最小、总完工时间最小、最大负荷的机器负荷最小、提前／拖期惩罚最小、设备空闲时间最小等。单目标FJSP只是针对其中一个目标进行优化，最常见的是最大完工时间最小。Hurinl、Chen、Kacem利用ＧＡ，以最大完工时间最小为目标求解FJSP。Neifar将插入式启发式方法和ＧＡ混合进行求解。Pezzella采用多种交叉方法和多种变异方法混合的ＧＡ求解FJSP，取得了较好的优化结果。Scrich、Zribi等利用TS求解总拖期最小的FJSP。zhao利用GA，同时引入虚拟和真实工序的概念对拖期最小的FJSP进行求解。Ｗｕ利用多代理方法对提前／拖期最小进行优化。Imanipour、Guimaraes求解带有独立时间约束的FJSP问题。Saidi-Mehrabad在考虑有独立安装时间的情况下利用TS对FJSP进行了研究。Rossi在考虑安装时间的情况下增加了运输时间的条件，利用蚁群算法进行求解，直接考虑车间实际的生产情况。Zribi考虑资源约束情况下的FJSP，对机器资源的使用进行研究。天津大学的张维存采用蚁群算法与遗传算法混合的方法，对能力约束下的FJSP进行研究，以设备的最小空闲时间为目标。浙江工业大学的王万良采用改进的蚁群算法，提出机器选择规则，对信息素进行调整使得快速搜索全局最优解。Mastrolilli对FJSP的邻域结构进行研究，设计出较好的邻域结构，对利用TS求解FJSP影响较大。Ong利用免疫算法同时结合无性选择原则求解FJSP，取得了较好的效果。上海理工大学的柳毅将免疫算法与遗传算法相结合求解FJSP。Najid以改进的模拟退火为主，结合启发式规则对FJSP进行了研究。Jansen提出一种线性时间近似算法，对固定了机器数和工件数的抢占式和非抢占式两种情况下的FJSP进行研究。Xu设计一种离散神经网络结合瞬时混沌（transient chaotic）方法进行求解。Imanipour建立混合整数模型，设计了两种版本的TS算法，对文中产生的带有交货期的实例进行求解。杨晓梅、余琦玮、陈皓和席位东等分别利用改进的GAＧＡ对FJSP的最大完工时间进行优化。中国科学技术大学的卢冰原和谷峰对模糊环境下的FJSP进行了研究，模糊加工时间用三角模糊数表示，优化目标是最大完工时间，并且在卢冰原的博士论文中研究了加工时间不确定的模糊环境下柔性作业车间调度问题。谷峰将病毒机制引入遗传算法中，以增强局部搜索能力，来克服遗传算法早熟和收敛慢的缺点。

多目标柔性作业车间调度问题

实际中的调度问题通常不止一个优化目标，而需要同时考虑多个性能指标，因此在研究柔性作业车间调度问题的过程中，很多学者把研究的方向转向了多目标柔性作业车间调度问题。多目标柔性作业车间调度问题和单目标柔性作业车间调度问题相比，存在以下几个问题.

(１)目标之间具有不可公度性也就是说不同目标的取值范围和量纲常常不同。

(２)目标之间存在矛盾性也就是说目标之间可能相互冲突，一个目标的性能得到改善的同时可能导致其他目标性能的恶化

唐国春已经证明，如果问题１‖γ１是ＮＰ难的，那么多目标调度问题１‖（γ１，γ２）和线性权函数的多目标调度问题１‖αγ１＋βγ２也是ＮＰ难的。

Brandimarte将分派规则与禁忌搜索结合求解多目标FJSP，首先用分派规则求解机器选择问题，然后利用禁忌搜索求解调度问题。Kacem等采用局部启发式方法进行初始化，再利用GA对初始解进行多目标优化。Kacem等利用模糊集的概念处理目标的关系，根据Pareto解的多样性进行Pareto前沿解的优化。Kacem设计初始化方法，提出最坏边界分析来估算启发式方法产生调度方案的性能。Ho和Tay利用GP算法对分派规则进行组合并应用于FJSP问题，随后利用CDRs方法，结合文化算法提出GENACE；接着又提出LEGA；综合以上方法采用CDRs、遗传算法和学习机制对三个目标函数进行优化求解。Vilcot采用TS与GA相混合的方法对最大完工时间和延迟成本两目标进行优化。南京航空航天大学的潘全科等采用小脑模型对多目标调度系统进行了研究。Zribi等采用分步法，首先采用定位法和禁忌搜索确定最佳机器选择方案，再采用GA求解工序调度问题。Tamaki等提出混合整型规划建模FJSP，问题特征包括机器的安装准备工件时间，并采用GA算法进行优化。Saad等利用Chouquet积分方法对各个目标进行决策分析再综合，设计多目标ＧＡ算法，考虑更多的目标进行优化。上海交通大学的夏蔚军等研究了基于粒子群优化与模拟退火混合方法解决多目标FJSP，其中粒子群优化求解机器选择问题和模拟退火求解排序问题。西北工业大学的吴秀丽和余建军以GA为主结合免疫算法等局部搜索算法求解多目标问题。Liu将变邻域搜索和PSO算法进行混合优化。Gao分别在遗传算法加入移动瓶颈和变邻域搜索方法，增强局部搜索能力，实验结果表明混合算法的可行性和有效性。Wang和陈亮等提出过滤定向搜索方法对多个规则及多个目标的权重进行不同深度和广度的搜索，取得了良好的效果.

不确定环境下柔性作业车间调度问题

随着全球经济一体化程度的不断加深，国际竞争日趋激化，产品更新换代的速度越来越快，不可预测的竞争环境的变化，使得企业生产通常面临很多不确定性因素，如工件的到达时间具有不确定性、工件实际的加工时间具有模糊性、客户交货期具有模糊性等，即生产过程中不可预料的事件具有动态性。目前，很多不确定性制造系统中的调度问题集中在动态的事件处理、不确定的加工时间和交货期综合起来的柔性作业车间调度问题。

动态调度的概念出现较早，Jackson在１９５７年便对静态调度和动态调度的概念做了区分。在不同文献中，动态调度有时也称为反应调度、自适应调度等。Suresh等对动态调度事件分成了四类：与工件相关，与机器相关，与工序相关，其他事件等。Matsuura首先用分支定界法产生一个调度，当工况发生变化时，再用调度规则来分配工件。Abumizar等提出一种重调度算法，当扰动发生时，仅仅重新调度那些直接或间接受扰动影响的工件，从而减少由于扰动引起的全局改变。Liu等利用仿真的方法进行动态调度研究。Sim等利用神经网络专家系统确定各子网的输入，进行车间动态调度研究。Chu等提出一种基于神经网络和仿真的鲁棒自适应调度器。Jones等提出一种解决实时排序和调度问题混合方法的框架，但只是一个框架而已。Lee等利用遗传算法和机器学习来解决单机车间的动态调度问题。Jian等提出一种FMS的调度和重调度算法，考虑了四种动态事件，即机器损坏、订单优先级提高、订单插入和订单取消。Kouiss等利用多Agent方法，对车间中每个加工中心配备一个Agent，用于解决对应加工中心内的调度问题。南京航空航天大学的潘全科等改进调度策略，对车间动态调度问题进行研究。上海交通大学的杨红红根据建立的动态数据库管理模块和ＧＡ模块，并引入约束解决机制，对动态环境下的调度问题进行研究。上海交通大学的李岩论述了综合事件机制及时间机制优点的动态调度机制，通过重调度修订工序集，以减少人为干预。西北工业大学的余建军采用免疫模拟退火混合算法，利用基于概率突跳特性的爬山性能来避免早熟。随着模糊数学的发展及模糊数学规划思想在调度领域的成功应用，很多研究人员对具有模糊加工时间和模糊交货期的模糊调度问题展开了研究。IshiiH．等首次提出用模糊数表示交货期，对开环车间的双机调度问题和并行机调度问题进行了研究。HanS．等人研究了具有模糊交货期的单机调度问题。WangG.Y．等对具有模糊加工时间的带有准备时间的单机调度问题进行了研究。PengJ．和LiuD.B．对具有模糊加工时间的并行机调度问题进行了研究。IshibuchiH．等人研究了模糊流水车间调度问题，对模糊流水车间中的模糊加工时间问题进行了描述。TsujimuraY．等运用遗传算法求解了具有模糊加工时间的作业车间调度问题。王玮和汪定伟研究了制造业中的模糊交货期下的准时化生产计划问题。MurataT等研究了具有模糊交货期的多目标调度问题。AdamopulosG.I等人提出了一种基于邻域搜索的混合方法。求解了具有模糊交货期和加工时间不确定的单机调度问题。ＬａｍＳ．Ｓ．和CaiX．对模糊交货期下带有非线性附加惩罚的单机调度问题进行了研究。吴悦和汪定伟研究了模糊加工时间的单机提前／拖期调度问题。王成尧等对多个工件叠加的联合隶属函数所对应的性质进行了研究，并提出了一种具有模糊加工时间的单机调度模型。王成尧和汪定伟对具有模糊加工时间的最迟开工时间单机调度问题进行了研究，给出了问题在特殊情况下的最优解，并给出了一般情况下获得最优解的必要条件。Linf.T对具有模糊加工时间的单件作业车间调度问题进行了研究，对确定型的单件作业车间调度问题进行了模糊化处理。从现有研究来看：有关模糊流水车间调度问题的研究较多，但也主要集中在模糊交货期方面；对具有模糊加工时间的调度问题的研究大部分还停留在描述性阶段；将模糊加工时间和交货期一起考虑的调度研究还很少。