多品種小批量模式下離散制造車間調度問題研究

唐紅濤，楊 源，聞 婧

(1.武漢理工大學 機電工程學院，湖北 武漢 430070；2.湖北省數字制造重點實驗室，湖北 武漢 430070)

離散制造是現代制造的重要組成部分，也是國民經濟的重要支柱。離散制造企業大多采用面向訂單生產(make-to-order，MTO)的經營模式，這使得離散制造具備多品種、小批量的特點，并且各訂單之間的技術標準不同，導致無法成批生產，離散制造車間的生產管控更為復雜[1-2]，研究離散制造車間的生產調度問題對提高國家整體的制造水平有著重要意義。

國內外學者對以作業車間和流水車間為代表的離散制造車間生產調度問題展開了大量研究，取得了較為豐碩的成果[3-5]。Qiao[6]等針對離散制造車間高污染問題，建立了以最小化生產總成本和碳排放量為目標的生產調度模型，并使用改進的遺傳算法求解該問題。宋昌興[7]等研究了準備時間不確定的混合流水車間調度問題，建立了一個以最小化總拖期和制造期的多目標優化模型，針對模型特點，基于NEH(nawaz ensore ham)-Pareto對傳統的模擬退火算法進行改進，最后的仿真實驗證明了算法的優越性。

車間調度問題屬于典型的NP(nondeterninistic polynomin)-Hard問題[8]，而多品種模式下的柔性流水車間調度問題是在流水車間的基礎上考慮的多品種生產特性，故其仍然屬于NP-Hard問題范疇。諸如遺傳算法(genetic algorithm, GA)[9]、粒子群算法(partical swarm optimization, PSO)[10]、灰狼算法、蛙跳算法[11]等智能優化算法等具備較快的求解速度，常被用于車間調度問題。特別地，候鳥優化算法(migrating birds optimization algorithm，MBO)是一種新興的群智能優化算法，其具備參數少，求解質量高等特點，近年來也被逐漸地被運用于求解車間調度問題。……