混流装配车间动态调度博弈模型构建方法及智能求解技术研究

The goal of the project is to solve the scheduling problem in the automobile mixed model assembly workshop where the production environment is complex and changeable. The optimizing objective is to balance among three aspects of objectives: efficiency, stability and balanced load. The project includes four main jobs: (1) establish the Agent collaboration / consultation mechanism base on game theory and balance the objectives of efficiency, stability and balanced load base on Pareto theory in order to establish the MAS of automobile mixed model assembly workshop. (2) Combining the advantage of pre-reactive scheduling and real-time scheduling strategy, develop actively self-adaptive scheduling strategy to accommodate, eliminate or quickly repair the interference caused by randomly occurring events. In addition, on-line heuristic algorithm is developed base on the scheduling strategy. (3) With the explicit advantage of hyper heuristic algorithm and the pattern search mechanism of gene expression programming, mine more effective scheduling rules in order to quickly generate reliable and feasible scheduling scheme. (4) The prototype system is developed and its performance is verified by simulation experiment and practical application. The dynamic scheduling method proposed for the automobile mixed model assembly plant is benefit to the optimism of the production process, the balance of the processing tasks and the stability of the workshop, which promotes the transformation and upgrading of China's industry.

本项目针对汽车混流总装车间的复杂工况，以高效、平稳和负荷均衡为目标， 构建博弈调度模型，设计主动自适应调度策略，采用超启发式算法构造调度规则，生成优化调度方案，以优化汽车混流总装车间的生产过程。包括四个方面：①结合博弈论建立Agent协作/协商机制，基于Pareto理论融合效率、稳定和负荷均衡三方面目标，构建MAS的车间调度系统模型。②融合预-反应调度和实时调度策略，研制具有容纳、消除或快速修复干扰能力的主动自适应调度策略，在此基础上开发多重在线启发式算法。③结合超启发式算法的模式搜索机理及基因表达式编程的显式解析优势，挖掘更有效的调度规则，以便快速生成可靠、可行的调度方案。④开发原型系统并应用验证。本项目提出的汽车混流总装车间动态调度方法，能优化车间生产过程、平衡加工任务、保证车间运作稳健，有效促进中国制造业的转型升级。

本项目针对汽车混流总装车间复杂多变的工况，以高效、平稳和负荷均衡为目标，提出了一套智能优化动态调度方法。本项目主要研究内容及结果有：① 融合博弈论理念设计了Agent协商/协作机制，构建了汽车混流总装车间MAS动态调度模型，通过仿真实验，利用遗传算法（GA）寻优机制求解该调度模型的纳什均衡解，验证了该Agent协商/协作机制可有效激励各Agent在提高作业效率、保证生产平稳和负荷均衡等互相冲突的目标之间达到平衡。 ② 结合预-反应调度和实时调度策略的优缺点，设计了主动自适应动态调度策略，通过自适应控制阈值实时控制重调度策略和实时调整策略的转换。针对重调度策略，设计了基于GA的主动自适应动态调度策略的重调度方法；针对实时调整策略设计了面向动态随机事件的在线启发式算法。仿真实验验证了两种动态调度策略能有效保证调度的鲁棒性和稳定性。③ 为了提高传统基因表达式编程（GEP）的寻优能力，从基因表达能力和自适应进化能力两个方面对GEP进行改进，并开发了基于改进GEP的超启发式算法。通过仿真实验验证了基于改进GEP的超启发式算法能构造出较传统GEP方法更优的调度规则，能更有效地指导生产车间进行实时调度。④ 结合汽车总装车间实际应用需要，开发了原型系统，实现了数据导入导出、算法配置以及参数设置、调度结果展示及比较等功能。本项目提出的汽车混流总装车间智能优化动态调度方法，能有效弥补目前ERP系统及APS产品的不足，帮助企业生产车间快速响应企业内外部的变化，以较短的制造周期、较高生产效率以及稳定的生产过程，实现个性化定制生产。该方法也不只局限于汽车行业，还适用于电子、船舶等其他行业，有利于促进中国制造业的转型升级。