为了给企业的决策者提供准确的生产调度方案,对生产调度中的生产批量、生产排序与维护方案进行了研究。以单机系统有限产能批量模型为基础,利用SPC控制图对产品质量进行监控,并依据判异准则确定设备是否需要维护,建立以生产成本、库存成本、缺货成本、开机成本、换型成本与维护成本的总成本为优化目标的生产调度模型,并设计了差分进化算法对模型进行求解。最后,通过实例仿真测试验证模型的有效性。

为平衡Flow Shop生产计划和关键资源模具维护活动之间的冲突,集成生产排序和模具维护双变量,同时以提前/拖后惩罚和模具利用率为目标,建立了生产调度和模具预防性维护的集成优化数学模型。提出基于可行解和不可行解的改进双种群差分进化算法,以及改进的交叉策略,对所建模型进行优化求解。在不同问题规模下,对比改进双种群差分进化算法和NSGA-II算法的实验结果,实验表明改进双种群差分进化算法可有效求解此类问题,在保证解的质量的基础上可大幅度提高运算速度。

为了探索设备退化效应对维护和生产调度耦合关系的影响,对多态单机生产系统调度与预防性维护集成优化进行研究。基于预防性维护费用、工件加工成本以及工件完工回报值,建立了无限阶段平均期望报酬Markov决策模型,并分析和证明了该集成优化模型最优平稳策略的存在性,获得了该模型的最优方程。基于模型最优方程设计了一种无模型强化学习算法用于求解Markov决策模型,可有效解决传统动态规划算法在求解模型时所遭遇的维数灾和模型灾难题。为了评估该无模型强化学习的性能,基于无限阶段平均期望报酬设计了一种启发式求解算法,实验分析结果验证了所引入的无模型强化学习算法的有效性。最后,对该强化学习算法参数进行了敏感性分析,探索各参数对算法性能的影响,为算法设计及其性能提高提供了相应的实验依据。