不確定條件下基於分群策略的柔性Flow Shop調度問題研究

《不確定條件下基於分群策略的柔性Flow Shop調度問題研究》是依託武漢大學，由王愷擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：不確定條件下基於分群策略的柔性Flow Shop調度問題研究
• 項目類別：青年科學基金項目
• 項目負責人：王愷
• 依託單位：武漢大學

項目摘要

柔性製造環境下的車間生產調度問題具有複雜性、不確定性、多約束等特點，是近年來生產管理和組合最佳化領域的重點和難點課題。本項目旨在套用運籌學、人工智慧和Holonic製造系統（HMS）等學科相關理論和方法，採用分群策略研究不確定條件下的柔性Flow Shop生產調度問題，具有前沿性和探索性。主要研究內容是：分析HMS體系結構和運行機制，建立柔性Flow Shop的Holonic調度模型；依據隨機特性分群的思想，研究基於聚類算法的資源Holon（加工機器）自組織機制；採用機器學習和仿真方法，建立Holon群隨機特性的預測模型，實現不同生產環境下調度方法的自適應選擇；引入基於數據挖掘的種群更新策略，探討元啟發式最佳化算法對資源Holon自治調度問題的求解效率；採用基於Q-學習和契約網協定的協商調度方法，提高資源Holon動態環境下的協調能力。研究成果將為解決不確定條件下的生產調度問題提供創新方法。

結題摘要

柔性製造環境下的車間生產調度問題是近年來生產管理和組合最佳化領域的重點和難點課題，具有複雜性、不確定性、多約束等特點。本項目綜合運用運籌學、人工智慧和Holonic製造系統（HMS）等學科相關理論和方法，採用分群策略求解不確定條件下的柔性Flow Shop生產調度問題。主要研究成果包括：構建了柔性Flow Shop的Holonic調度模型；根據隨機特性分群的思想，建立了基於聚類算法的資源Holon（加工機器）自組織機制；採用機器學習和仿真方法，提出了Holon群隨機特性的預測模型，該模型可實現不同生產環境下調度方法的自適應選擇；引入基於數據挖掘的種群更新策略，提高了元啟發式最佳化算法對資源Holon自治調度問題的求解效率；採用基於Q-學習和契約網協定的協商調度方法，加強了資源Holon動態環境下的協調能力。本項目的研究成果為不確定條件下生產調度問題的求解提供了創新方法，具有較高的理論意義和實際套用價值。