Abstract ：

本发明公开一种基于路径覆盖的通信确定MPI并行程序测试数据生成方法，包括如下步骤：S1，对待测试的MPI并行程序进行部署；S2，获取MPI并行程序的目标路径；S3，确定所述目标路径的初始测试数据集；S4，将每个初始测试数据的分量对应地划分给MPI并行程序的每一个子进程；S5，对所述子进程和所述MPI并行程序应用协同交叉人工蜂群搜索算法产生测试数据。本发明基于路径覆盖的通信确定MPI并行程序测试数据生成方法中，对子进程和所述MPI并行程序应用协同交叉人工蜂群搜索算法产生测试数据，协同交叉人工蜂群搜索算法将人工蜂群算法、单点交叉和协同机制很好的融合起来，从而解决了因并行程序自身特点而带来的测试数据生成问题。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

为克服单一算法在求解多目标柔性作业车间调度问题时最优性和多样性方面的缺陷,提出了一种多策略融合的Pareto人工蜂群算法(multi-strategy integration Pareto artificial bee colony algorithm, MSIPABC).算法在初始化阶段采用混合启发式策略产生质量较高的初始化种群;雇佣蜂采用多种探索操作实现蜂群自主邻域搜索;观察蜂选择较优食物源执行交叉操作,实现蜂群协作搜索,扩大搜索范围,并执行柔性作业车间关键路径相关局部搜索操作,进一步加强蜂群寻优能力;最后侦查蜂对种群重复解进行多样性重构.多种搜索策略的融合使算法不仅实现了人工蜂群的自主与协同搜索,而且达到了全局探索与局部寻优的平衡.通过验证,所提算法在求解质量和获取基准算例Pareto最优解数目方面具有优势.

Keyword ：

多策略融合 多目标Pareto优化 关键路径 人工蜂群算法 柔性作业车间调度

Cite：

Copy from the list or Export to your reference management。

Abstract ：

海上风电开发作为一种新兴的且具有巨大发展潜力的可再生清洁能源生产方式，已经成为全球新能源开发的热点与前沿。我国海上风电产业发展迅速，风机装机容量目前已处于世界前列。然而随着机组数量与容量的不断增加，机组设备越来越复杂，其可靠性问题变得尤为突出。从我国近几年的海上风电机组运维经验来看，我国海上风电机组的故障率偏高，连续无故障运行时间较短，再加上海洋恶劣天气影响，其维修可及性差，故障隐患维修不及时，不仅造成了大量的停机损失，而且导致维修费用急剧上升。分析上述问题的原因，其根本在于我国海上风电的可靠性研究技术还不够成熟，缺乏系统性的针对我国海上风电机组设计、制造和运行数据的可靠性分析技术，没有建立起科学的适用于海上风电机组复杂工况的运行维护策略。鉴于此，本文围绕我国海上风电机组的实际可靠性问题，研究面向设计、制造、运维等全生命周期的海上风电机组可靠性分析、分配与预计技术，为机组设备的选型、风险点辨识、设计优化和维修策略制定提供技术支持和参考依据。 本文以我国海上风电机组可靠性统计数据为基础，围绕海上风电机组“可靠性分析”、“可靠性配置”和“可靠性预计”三个关键问题，系统性地研究了海上风电机组的FMEA分析技术、海上风电机组可靠性建模与分析技术、海上风电机组可靠性分配技术以及海上风电机组可靠性预计技术，形成了适用于我国海上风电机组运行环境的可靠性分析、分配和预计技术。 首先，在分析传统FMEA缺陷的基础上，提出了一种改进的FMEA方法，通过引入可靠性屋（HoR）理论、粗糙集理论和多属性决策方法，研究了考虑不确定性、专家意见多样性和故障模式相关性的FMEA。通过对海上风电机组的可靠性基础数据进行分析，辨识出了海上风电机组各子系统的潜在故障模式，并采用提出的改进FMEA对其危害度等级进行了分析，得到了各故障模式的危害度排序和子系统的危害度排序，为海上风电机组的故障预防和可靠性优化设计提供了方向。 其次，基于收集整理的海上风电机组运行故障数据，提出了一种以“分布函数拟合—参数估计—拟合优度分析—模型优选”为核心的子系统可靠性建模技术，并通过提出一种改进的D-S证据理论对子系统的分布模型进行了优选，确定了各子系统故障间隔时间的分布函数和子系统的可靠度函数。在此基础上，采用Copula连接函数，综合考虑子系统间的故障相关性，建立了海上风电机组的整机可靠度函数模型，分析了其可靠性水平。 在可靠性分析结果的基础上，以可靠性提升为目标，提出了基于多目标优化和考虑子系统稳态可用度的海上风电机组可靠性配置技术。基于各类成本与可靠度的函数关系，分别构建了海上风电机组的研制成本—可靠度函数模型，维修成本—可靠度函数模型以及总成本—可靠度函数模型。在此基础上，通过分析子系统可靠度的约束关系，建立了海上风电机组的可靠性优化分配模型。基于Pareto多目标优化思想，提出了一种改进的人工蜂群算法应用于可靠性优化分配模型的求解。针对求解得到的Pareto非支配解集，采用偏好顺序结构评估-II方法，对优化分配结果进行了二次优选，确定了各子系统的可靠性分配指标。以子系统分配的可靠性指标为依据，通过分析子系统在各零部件影响下的稳态可用度，将子系统的可靠性指标分配到了各零部件，明确了各子系统、零部件的定量可靠性要求。 为保证可靠性分配结果能够落地，提出了面向制造过程的海上风电机组可靠性预计技术。针对传统串并联模型表达能力不强的问题，提出了一种多动因驱动的可靠性预计网络模型，分析了在不同制造工序能力指数下，海上风电机组的可靠性波动情况。通过分析和量化不同故障模式对系统可靠性的敏感度，辨识出了各子系统的主次故障模式，并基于改进的二阶窄界限理论，在考虑制造工艺对产品可靠性影响的情况下，分析了某厂家海上风电机组制造完工后的可靠性水平。针对海上风电机组故障数据样本量小的问题，基于灰色系统理论，提出了一种改进的GM(1,1)模型应用于海上风电机组的故障间隔时间预测，为海上风电机组的运行维护提供决策支持。 最后，基于本文可靠性分析、分配和预计的理论研究成果，按照标准的软件设计开发流程，采用面向服务的体系架构和Web服务技术，实现了本文研究算法的服务化，开发了柔性可配置的面向海上风电机组等复杂系统的可靠性分析与配置系统软件，并在企业得到了实施应用。

Keyword ：

FMEA 海上风电机组 可靠性分配 可靠性建模 可靠性预计

Cite：

Copy from the list or Export to your reference management。

Abstract ：

在现实生活中, 很多问题复杂多变, 决策过程往往会涉及不确定性因素. 当不确定性因素是随机因素时, 两阶段随机规划是一种更贴近实际问题的处理方法, 在许多领域有着广泛应用. 进一步, 在随机环境下, 实际问题往往含有多个相互冲突的目标, 为了更好地平衡各个目标并给出最优妥协方案, 随机多目标规划也得到了长足发展和广泛应用. 上述两类数学规划研究都基于概率论, 使用概率论时要有充足的样本数据, 才能使用统计方法来推断接近实际频率的概率分布. 但是当实际问题的数据不足或无法得到时, 此时只能借助领域专家根据经验给出信度. 这种专家信度的不确定性有别于随机现象且处处存在. 研究表明, 若坚持使用概率论来处理这种带有专家信度的不确定性, 会出现明显无法接受的决策方案. 针对上述存在的问题, 论文引入了更好处理带有专家信度不确性的不确定理论, 创新性地研究上述两类不确定规划问题的模型、性质、求解及应用. 论文主要的创新性研究成果包括: 1. 为了解决带有专家信度不确定性的实际问题, 基于不确定理论, 论文创新地提出了两阶段不确定规划模型, 并给出其求解方法; 其次, 为了衡量该模型中不确定信息的价值及不确定性因素在决策中的重要性, 提出了两个指标: 完全信息期望值及不确定解的值, 并研究了它们的性质; 进一步, 研究了不完全信息的价值及在此情形下不确定性因素的重要性; 最后, 用数值例子演示了研究内容的合理性及有效性. 2. 由于复杂环境下的实际问题往往含有专家信度的不确性及互相冲突的多个目标属性, 获得妥协方案比较困难, 针对这个问题, 论文提出了不确定多目标规划(Uncertain Multiobjective Programming, UMP) 模型, 根据不同需求下的决策给出八类不确定有效解的定义, 并对它们进行全面的分析, 找到其相互之间的关系; 其次, 为避免割裂目标间不确定性关系的缺陷, 论文提出了一种新的求解方法—不确定方法, 其思想是先把UMP转化成不确定单目标规划, 基于定义的序的关系给出不确定单目标规划的最优解并证明此解为UMP问题的不确定有效解; 另外, 当目标间不确定关系较小或没有时, 基于不确定理论研究了另一种求解方法—确定方法; 最后, 用数值例子演示了有效解理论的有效性及求解方法. 3. 由于UMP模型具有不确定性因素、冲突目标、离散性等特征, 求解复杂. 因此, 论文设计出两种改进的人工蜂群算法来求解UMP问题. 一方面, 结合了遗传算法的良好特性, 把逆转运算, 交叉运算以及变异运算嵌入到人工蜂群算法中, 设计出一种不确定方法求解思想下的改进人工蜂群算法, 得到了UMP问题的期望值标准差有效解; 另一方面, 结合NSGA-II中的非支配序值和拥挤距离的良好特性, 设计出另一种确定方法思想下的改进人工蜂群算法, 得到了UMP问题的Pareto前沿有效集, 为不同偏好下的决策方案提供更多选择. 4. UMP在旅行商问题及冗余系统分配中的应用研究. 考虑含有专家信度不确定性的旅行距离、费用及时间作为三个不确定目标, 建立了不确定多目标旅行商模型, 利用上述第一种改进的人工蜂群算法得到不确定方法思想下的期望值标准差最优旅行路线. 另外, 在现实数据缺失的系统冗余分配问题中, 考虑含有专家信度不确定性的可用度及设计费用作为两个不确定目标建立了不确定多目标冗余分配规划模型, 利用上述第二种改进的人工蜂群算法得到了确定方法思想下的最优分配方案的Pareto前沿.

Keyword ：

不确定多目标规划 不确定理论 两阶段不确定规划 人工蜂群算法

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对多传感器目标分配中参数多、计算复杂、实时性不强、全局搜索能力不高等问题,在分析其数学模型的基础上,基于改进人工蜂群算法,对目标函数进行优化并确定分配方案.改进后的算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,并采用萤火虫算法中的自适应步长策略来进行局部搜索,有助于提高算法收敛速度、增强算法的局部搜索能力.仿真结果表明,改进蜂群算法能够有效解决多传感目标分配问题,与基本蜂群算法相比,改进后的算法收敛速度加快、寻优能力得到进一步增强,具有较强的实用价值.

Keyword ：

改进蜂群算法 目标分配 双向轮盘赌 自适应步长

Cite：

Copy from the list or Export to your reference management。

Abstract ：

可靠性是产品质量的核心和基础，我国从制造大国走向制造强国的进程中，产品可靠性的提升至关重要。特高压气体绝缘输电管线(Gas Insulated Transmission Lines，GIL)通常应用于重要输电枢纽，一旦发生故障将带来巨大经济损失，而且GIL电压等级越高故障危害越严重，所以对特高压GIL的可靠性研究十分必要。可靠性分配是产品可靠性保障的重要手段，本文从特高压GIL可靠性分配各阶段具体问题出发，将系统总体可靠性指标自顶向下逐层分配到子系统、零件和零件参数。 提出一种考虑失效模式相关性的GIL可靠性分配框架，将系统可靠性指标分配给子系统。GIL各子系统间存在故障相关性，是否考虑相关性引起的故障传播链对可靠性分配结果影响甚大。本文通过故障树分析得到了GIL的40个失效模式并对其进行了相关性分析，通过系统可修多状态模型分析了子系统重要度。将失效模式相关性分析、子系统重要度分析与可靠性功能配置(Reliability Function Deployment, RFD)过程相融合，以系统可靠性指标为要求，得到了各子系统的可靠性指标。 通过改进的人工蜂群算法，将子系统可靠性指标分配给零件。GIL各子系统由多个零件串联而成，传统可靠性串联分配模型不再适用。本文建立了串联系统可靠性分配修正模型，该分配模型是一个可靠性约束下的成本最小化函数，在利用人工蜂群算法求取该函数最优解时，发现基本人工蜂群算法不能满足该问题求解需要，所以改进了人工蜂群算法的初始化策略和跟随蜂搜索策略，并通过计算得到了零件的可靠性指标。 建立了相关性约束下的可靠性损失模型识别出零件关键参数，通过逆可靠度法配置了零件关键参数。零件的可靠性由某些关键参数保障，零件关键参数识别是零件参数配置的前提。本文在失效模式相关性的约束下构建了可靠性损失模型，以三支柱绝缘件为例，通过该模型计算了各失效机理的可靠性损失指数，并通过可靠性损失指数的排序识别出了零件关键参数。最后以零件可靠性指标为要求，通过逆可靠度法配置了零件关键参数。 设计和开发了特高压GIL可靠性分配系统。在企业对GIL可靠性分配的需求基础上，将本文的理论研究成果整合到软件中。

Keyword ：

参数配置 可靠性分配 气体绝缘输电线路 人工蜂群算法 相关性分析

Cite：

Copy from the list or Export to your reference management。

Abstract ：

正确而有效地提取出微弱特征信号是实现机械设备早期故障诊断的前提条件，对保证机械设备的可靠运行，避免重大事故的发生意义重大。但随着现代工业的不断发展，机械设备正朝着大型、高速、精密以及智能化的方向发展，致使表征设备早期故障的微弱特征信息经常被强噪声所吞噬。传统信号处理方法大多都是基于抑制或消除噪声的方式来处理这一难题，然而当待测信号与噪声频率相近或背景噪声太大时，在消除噪声的同时不可避免地损害了有用信号的能量。而随机共振则是通过利用噪声的途径借助某些特定非线性系统来实现微弱信号的增强，这一有别于传统信号处理机制的新思想能够实现更低信噪比的信号检测。因而开展随机共振理论用于机械设备早期故障诊断的相关研究具有广阔的工程应用前景。 针对经典随机共振只能处理超低频信号的缺陷，通过考虑信号中所包含的多尺度噪声信息，提出了基于双树复小波变换（DTCWT）的多尺度噪声调节随机共振方法，实现了高频微弱信号的有效增强。在多尺度噪声调节过程中引入了具有抗频带混叠性和近似平移不变性的DTCWT分解模式，克服了起初采用离散小波变换（DWT）所造成的不足，实现了更加精细地多尺度噪声调节，促使了噪声能量更有效地向目标频率转移，提高了系统输出响应的信噪比。通过轴承外圈故障和风机联轴器松动故障验证了所提出的早期故障增强检测方法的有效性。 针对周期性冲击信号的检测，提出了基于修正峭度指标的自适应多尺度噪声调节随机共振方法。通过深入分析峭度指标、互相关系数和过零点比率对随机共振输出效果评价的优缺点，将三者有效结合，使其优势互补，构造了修正峭度指标，摆脱了起初基于信噪比指标的多尺度噪声调节随机共振需要提前预知待分析信号目标频率的束缚。将构造的新指标作为目标函数，借助人工蜂群算法（ABC）可以同时自适应地优选出多尺度噪声调节过程中需要的最优参数（DWT截止分解层数和噪声调节参数），从而实现了强噪声背景下微弱周期性冲击信号的自适应提取。通过数值仿真验证了该方法的有效性，并将其成功应用于滚动轴承内圈和外圈的故障诊断之中。 针对单一时延反馈随机共振在微弱周期信号检测中未考虑时延数量对系统输出响应的影响，从多时延随机共振系统方程着手，重点探讨了时延数量对随机共振输出效果的影响规律，提出了多时延反馈随机共振方法。该算法通过将多个时延项叠加形成的历史信息有效地反馈到系统当前输出中，实现了更低信噪比的微弱周期特征的有效提取。相比于单一时延反馈随机共振，该方法提升了处理微弱周期信号的能力。采用数值仿真的手段分析了该方法在不同的输入信号驱动频率和不同的输入噪声强度下的系统输出响应，证实了所提方法具有良好的鲁棒性。通过在齿轮箱故障诊断中的应用验证了该方法的有效性。 基于上述研究工作，以离心式压缩机为研究对象，通过LabVIEW编程软件开发了离心式压缩机振动状态监测与故障诊断分析系统。该系统不仅涵盖了本文所研究的随机共振相关算法，而且还集成了多种现代信号处理分析手段。采用该系统从现场实测数据中成功提取出了某离心式压缩机齿轮箱的断齿故障特征，为企业消除潜在隐患、杜绝事故发生提供了重要的技术保障，确保了生产现场设备的安全性。

Keyword ：

多时延 故障诊断 随机共振 微弱信号检测 自适应

Cite：

Copy from the list or Export to your reference management。

Abstract ：

机械设备长期在重载、高温、腐蚀等恶劣工况下运行，其关键部件不可避免地会出现损伤，导致重大事故时有发生，造成重大经济损失和人员伤亡，因此对机械设备的关键部件开展状态监测和损伤识别研究，准确地预测结构损伤的产生，并及时采取相应的维护措施，对提高设备工作效率、减少维护成本和保障设备安全可靠运行具有重要意义。 机械结构损伤识别一直都是国内外学者的研究热点，近些年来取得了丰硕的成果，其中基于模态信息的损伤识别方法引起人们的广泛关注，但是现有的结构损伤识别方法大多数是通过比较损伤结构和健康结构的数据来判断结构的状态，致使过分依赖健康结构的“基线”数据，然而在很多情况下，“基线”数据难以或者根本无法获得，制约了这些方法在工程实际中的应用价值。本文以模态信息作为监测指标，采用理论分析、数值仿真、实验验证与工程应用相结合的方法，主要从“无基线”角度对损伤结构建模、损伤特征提取和损伤识别方法等关键问题开展了深入研究。 针对单一损伤识别方法存在损伤敏感性不足的问题，提出了基于小波分解和波形容量维数的结构损伤混合定位方法。利用小波分解的多分辨分析特性，将振型数据分解到不同频带中，再利用波形容量维数具有度量信号复杂度的特性，对小波分解得到的细节信号进行维数估计以提取损伤特征信号，进而对损伤进行定位识别。研究结果表明：该方法解决了单一损伤识别方法的损伤敏感性不足的问题，提升了方法的损伤识别能力。 针对损伤参数过多容易导致损伤定量诊断结果不唯一的问题，提出了基于奇异值分解和人工蜂群算法的结构损伤定量识别两步法。第一步损伤定位：利用振型数据构建吸引子轨迹矩阵，再利用基于奇异值分解的方法提取轨迹矩阵中的损伤特征信息，进而实现损伤的定位识别；第二步损伤定量：基于已识别的损伤位置信息，利用小波有限元方法建立损伤定量诊断频率库，将测量频率作为人工蜂群算法的输入，通过寻优诊断数据库以实现损伤定量诊断。研究结果表明：该方法解决了损伤定量诊断结果不唯一的问题，降低了损伤定量诊断的难度。 针对单一损伤指标包含的损伤信息量不全，容易导致损伤误判问题，提出基于支持向量机模态信息融合的结构损伤识别方法。对损伤指标进行归一化，消除不同损伤指标因量纲不同对损伤识别带来的不利影响，融合归一化的损伤指标构建多维损伤特征向量，利用支持向量机分类算法实现结构损伤识别。研究结果表明：该方法减少了损伤误判问题，提高了损伤识别的可靠性。 基于上述研究工作，针对离心式压缩机结构损伤状态监测和损伤识别的迫切需求，本章以离心式压缩机的关键部件——叶轮结构作为研究对象开展工程应用研究。利用LMS测试系统对叶轮结构进行模态试验获取结构模态信息，利用本文所提出的方法提取模态振型数据中损伤特征信息，进而实现叶轮结构损伤的定位识别。叶轮损伤识别结果验证了本文所提出的方法有效性。

Keyword ：

两步法 模态信息 奇异值分解 损伤识别 小波有限元

Cite：

Copy from the list or Export to your reference management。

Abstract ：

随着社会的发展和经济的进步，客户对产品的需求向个性化和多样化转变，传统的制造系统已经难以满足市场的需求，柔性作业车间因其小批量、多品种、柔性等优点而受到学术界和企业界的广泛关注。当前此类系统的调度主要是针对缓冲区无限的系统，而在自动化系统中，缓冲区作为一种系统资源，一般都是有限的。在缓冲区有限的柔性作业车间中，工件竞争利用有限的资源，如果缺乏有效的资源分配控制或调度方法，就会造成系统死锁，使得系统无法完成生产任务，造成经济损失，影响生产效益。这类系统的调度问题涉及到系统运行的性能优化和资源的合理配置，因此比一般柔性作业车间调度问题更难。如何有效地将死锁控制方法与优化调度算法相结合，在保证系统安全运行的同时，实现生产目标的优化，是近年来学术界和工业界研究的一个重要课题。 本文针对缓冲区有限的柔性作业车间调度问题，主要做了以下研究工作。 本文利用Petri网为系统生产过程建模，针对缓冲区有限的柔性作业车间以最小化完工期为目标的优化调度问题，提出了一种混合人工蜂群调度算法。混合算法以人工蜂群算法为主框架，通过嵌入变邻域搜索算法与分布估计算法增强算法的性能。将调度问题的一个解编码为既包含工序信息又包含路径信息的个体，使每个个体能够解码为Petri网中的变迁序列。在搜索过程中，为系统添加死锁控制器对不可行解进行修复，保证了搜索在可行解空间内进行。在人工蜂群算法中，利用遗传算法中的交叉操作来作为邻域搜索方式，并对编码的路径和工序部分设计了不同的交叉方式。在变邻域搜索算法中，设计了四种邻域结构，通过系统地改变解的邻域结构来扩展搜索范围，加强了算法的局部搜索能力。在分布估计算法中，提取精英集合的统计信息来构建概率模型，通过采样产生子代，增强了算法的全局搜索能力。通过实例仿真验证了两种改进措施的嵌入可以改善算法的结果。 针对柔性作业车间以最小化完工期和提前/拖期时间为多目标的调度问题，提出了一种基于Pareto支配的多目标混合人工蜂群算法。采用基于快速非支配排序和拥挤距离的种群划分机制，通过快速非支配排序方法将种群依据个体之间的支配关系分成不同等级且具有支配关系的子群体，用拥挤距离来描述同一等级内每个个体与周围个体的紧密程度。采用Pareto档案集保存搜索过程中出现的所有非支配解。在实例仿真中，采用了在多目标优化中常用的三种评估标准，仿真结果表明所提出的算法均能获得较好的调度结果，从而验证了多目标混合算法的可行性与有效性。

Keyword ：

Petri网 调度 缓冲区有限 人工蜂群算法 柔性作业车间

Cite：

Copy from the list or Export to your reference management。

Abstract ：

随着生产模式转变为面向订单的多品种小批量模式，企业越来越关注如何为车间生产制定合理的调度方案，以缩短生产周期、减少在制品库存以及按时交货等。柔性作业车间调度问题（flexible job shop scheduling problem, FJSP）是典型作业车间调度问题的扩展，也更加符合企业实际生产环境，但由于该问题是困难的组合优化问题之一，长期得到研究人员的关注。论文结合企业生产实际，针对多目标柔性作业车间调度及其扩展问题进行研究，主要围绕多目标FJSP、包含交付期目标的多目标FJSP以及考虑复杂实际因素的多目标FJSP展开研究，具体包括以下几个方面： （1）针对多目标FJSP，以集成求解的方式，提出一种基于Pareto最优的人工蜂群算法，优化目标包括最小化完工周期、总负荷和最大设备负荷。算法采用混合启发式策略进行食物源种群初始化，得到质量较高的初始化种群。雇佣蜂采用多种局部探索操作在食物源附近搜索新食物源。算法采用锦标赛规则为观察蜂选择较优食物源。观察蜂执行交叉操作和基于关键路径的局部搜索操作，进一步加强算法的寻优能力。最后侦查蜂对重复解进行重构，以维持食物源种群的多样性。算法采用多种搜索策略，实现了全局探索和局部寻优的平衡。通过验证，所提算法在解集最优性和多样性方面均具有优势。 （2）针对考虑提早/延迟目标的多目标FJSP，提出一种具有完工时间约束的三阶段解码机制，实现完工周期和提早/延迟目标的折衷优化。算法在雇佣蜂、侦查蜂阶段分别采用三阶段解码机制，在观察蜂阶段采用融入完工周期和交付期相关邻域搜索操作的三阶段解码机制。通过求解设置不同松紧程度交付期的多组基准算例，探讨了涵盖提早/延迟目标的多目标FJSP Pareto最优解集的分布情况，证明了算法求解该问题的有效性。 （3）针对考虑可提前顺序相关调整时间的多目标FJSP，提出一种Pareto人工蜂群算法来求解该问题，优化目标包括完工周期与平均工件加权延迟时间。算法在初始化阶段增加了调整时间相关和交付期相关的初始化策略；在雇佣蜂阶段执行遗传算法操作，扩大算法搜索范围，为观察蜂提供多样化且质量较高的初始化食物源；观察蜂从这些初始食物源开始，执行基于自适应邻域策略的禁忌搜索算法，进一步搜索局部最优解；随后新旧食物源种群混合，更新食物源种群，提高食物源种群整体的质量；侦查蜂增加最优食物源局部探索的机会。通过各角色交替搜索，算法可收敛到范围更广、质量更高的Pareto近似最优前沿。通过对多个扩展基准算例进行求解，并与现有算法的对比分析，验证了所提算法能获得较高质量、更多的Pareto近似最优解集。 （4）针对考虑预防性维修时间窗和顺序相关调整时间的多目标FJSP，提出了考虑预防性维修时间窗和顺序相关调整时间的调度解码机制以及关键路径相关局部搜索算法，构建了求解该问题的Pareto人工蜂群算法。对多种基准算例进行扩展，得到了考虑预防性维修时间窗的FJSP和考虑预防性维修时间窗和可提前顺序相关调整时间的FJSP算例。通过算例求解和结果对比分析，验证了算法的有效性。 （5）针对多工艺路线并行机FJSP，建立了该问题数学模型和析取图模型，以分层求解的方式，提出一种两阶段混合Pareto蚁群算法求解该问题。算法将复杂的原调度问题分解为柔性加工路径决策和作业排序子问题，然后利用混合Pareto蚁群算法分阶段求解两个子问题。参考目前求解工艺规划与生产调度集成问题有效的遗传算法构建了求解该问题的多目标遗传算法NSGAII，并引入多目标解集质量评比指标，将两者算法所求解集进行比较，证明了所提算法的有效性和较优性。最后采用基于模糊集理论的Pareto最优解集评优方法对算法得到的Pareto最优解集进行评选，找出了综合性能最好的一个解。 （6）设计和开发了面向数字化车间的生产执行原型系统。将论文研究成果转化为能够解决车间实际生产问题的软件工具，同时进一步验证了论文研究的有效性和实用性。

Keyword ：

多工艺路线 多目标柔性作业车间调度 顺序相关调整时间 提早/延迟 预防性维修

Cite：

Copy from the list or Export to your reference management。