研究在满足既定工序顺序约束的情况下,按序组合工序来分解柔性作业车间大规模调度问题,建立分解调度问题的数学模型,并探索高效求解的方法。首先基于工序组合与遗传算法,将大规模调度问题进行分解降低问题空间复杂度,形成调度子问题,并建立分解后的调度数学模型;其次将利用组合规则生成高质量的初始解,采用遗传算法与蛙跳算法相结合的混合算法,采用双线程进行并行计算求解,提高全局搜索能力和效率,重组后形成原问题的可行解;最后利用实例证实了模型和算法的可行性。

考虑了实际生产的碳排放问题,提出低碳排放约束下的柔性作业车间调度问题,以最大完工时间最小和碳排放最小为目标。采用改进的遗传算法求解低碳约束下的柔性作业车间调度问题,采用分步求解,先以最大完工时间最小进行调度方案的优化,再以碳排放指标进行调度方案的选取。在低碳约束下,同时考虑机器加工运转和空闲运转,设计不同机器间的碳排放模型。通过使用改进的遗传算法求解仿真案例得到不同的调度方案,根据预设碳排放模型比较分析得出调度方案的优劣。最后通过对企业生产实例的计算,并对不同调度方案进行总碳排放的对比,验证所建立的碳排放模型的有效性。

针对柔性制造车间调度问题的特点,提出一种求解该类问题的定点扰动-遗传算法（Fixed Point Disturbance Genetic Algorithm,FPD-GA）。根据车间生产实际构建以完工时间、机床负荷和设备使用率为目标函数的多目标优化模型。针对遗传算法局部搜索能力差、易早熟收敛的缺点,设计定点扰动策略,增强局部寻优能力,并改进传统的遗传选择操作,保持种群的多样性,提高遗传算法的进化效率。以车间生产计划为实例测试改进算法,并与典型遗传算法的测试结果相比较,验证新算法的可行性与有效性。