多代理混合车间调度模型与算法研究

This research introduces the multi-agent model into the hybrid shop scheduling problems. The multi-agent hybrid shop scheduling models are applied widely in the customized production in intelligent manufacturing era, because that the new models not only harmonize the resources belonging to different agents, but also enhance the satisfaction of the customers. For doing the research works according to real-world setting, “Machine Maintenance”, “Learning Effect” and “Behavior Factor” are combined in the scheduling models, which increases the difficulty of the study. The research will be implemented mainly in the following three aspects. First, accurate algorithms (Branch & Bound and Dynamic Programming) are presented to obtain optimal solution for small-scale problems in a specified time, where the research focuses on reducing the computation loads with the optimal properties. Second, intelligent optimizers (Differential Evolution and Estimation of Distribution) are designed to achieve near-optimal solution for medium-scale problems in a short time, where the research focuses on improving the search capacity and convergence speed for the algorithms. Finally, heuristic algorithms are constructed to quickly gain flexible solution for large-scale problems, where the research focuses on investigating the convergence of the heuristics with asymptotic analysis method. For one thing, the study enriches the current theory of hybrid shop scheduling; for another, it promotes the ability of scientific management and decision-making for the enterprise in scheduling level.

将多代理模型引入混合车间调度问题，不仅能够有效协调不同代理之间的资源利用问题，而且可以充分提高用户满意程度，在智能制造时代的定制化生产中应用更加广泛。为了使理论研究更符合实际情况，此类模型中考虑了机器维护、学习效应、行为因素，这在一定程度上增加了研究难度。主要将进行如下三个方面的研究。首先，对于小规模问题，采用精确算法（分支定界及动态规划）在设定时间内求得最优解，其中重点讨论如何利用问题的最优性质减小算法的计算量；其次，对于中等规模问题，设计智能优化算法（差分进化及分布估计）在短时间内求得满意解，其中重点研究如何提升算法的全局搜索能力并加快收敛速度；最后，对于大规模问题，构造启发式算法快速求得可行解，其中，在算法性能理论分析过程中，将重点研究如何利用渐近性能分析方法研究启发式的收敛性。本研究不但丰富了现有混合车间调度理论，而且有助于提高企业在调度层面的科学管理决策水平。

生产全球化加速产业变革，推动代工生产模式发展。在订单生产过程中，不同的品牌商（代理）共享代工厂提供的制造设备与服务（资源）以节约生产成本，同时相互之间也存在竞争关系，目的在于谋求自身利益最大化。为了提高资源利用率，代工厂需从全局角度安排订单生产，满足客户个性化需求。本项目针对上述先进制造模式，深入探讨复杂多代理生产调度模型，主要研究内容包括：根据调度问题的本质特征确定约束条件与目标函数，建立数学规划模型，其中考虑了任务不同时释放、缓冲区容量受限、机器周期维护等实际情况，更加贴近工业生产环境；利用最优调度性质提出剪支规则与算法下界，用于缩小分支定界搜索空间，加快算法寻优速度，为测试近似算法性能提供基准算例集合；基于模型特征设计有效进化机制提升智能优化算法性能，用于快速高效求解复杂约束的工业问题，提高企业生产运营决策能力；构造启发式算法求解大规模问题并进行收敛性分析，既可为分支定界算法提供优质上界，又能为智能优化算法提供具有收敛性保证的初始解；选择合适的评价指标与实验方案验证算法有效性，为进一步改进算法提供仿真技术支持。.在此基础上，本项目针对智能制造与智慧医疗领域中若干复杂优化问题分别进行了扩展研究。主要包括：考虑释放时间的生产调度、考虑行为因素的作业调度、多场景鲁棒调度、港口物流优化与调度、医疗服务资源调度等。重点开展最优化性质、算法设计与理论分析等方面研究，取得了一系列重要研究成果。围绕上述研究已发表期刊论文15篇（其中JCR一区论文10篇），他引92次；完成待出版专著1部；开发基于种群进化的软计算方法。

内容获取失败，请点击重试