1.4　研究内容、方法、技术路线

◎1.4.1　研究内容

C2M生产模式导致频繁的作业切换，需要作业时间，增加了车间调度的难度。本书首先分析了作业切换现状和作业切换时间的影响因素，提出基于加工资源的零件聚类成组遗传算法，将工件的加工特征转换为所需的加工资源，根据加工资源的相似性将小批量工件成组为中批量、大批量工件再进行加工，能够有效缩短作业切换时间和产品生产周期；其次，研究了基于成组技术的最优作业切换车间调度问题，主要包括排序依赖作业切换时间的单机成组调度研究、排序依赖作业切换时间的不相关并行机成组调度研究和排序依赖作业切换时间的柔性Job-shop调度研究；最后，应用改进智能算法进行优化目标求解，通过仿真分析验证了算法的可行性。本书主要研究内容如下。

第1章介绍了本书的研究背景、国内外相关研究现状、研究目的和意义，阐明了研究内容、方法及创新之处。

第2章提出了面向Job-shop最优作业切换的成组调度模型与关键技术，通过对Job-shop调度和作业切换现状的调研和分析，对作业切换时间的影响因素进行分析，提出了最优作业切换的车间调度问题，描述并构建了面向Job-shop最优作业切换的成组调度总体模型和关键技术。

第3章研究了基于加工资源相似度的零件聚类成组遗传算法。数控车间加工资源主要包括机器、工装、装夹方式、加工精度、数控程序、员工知识水平等。首先，对加工零件所需资源进行分类，不同类别资源再划分子类，采用0-1整数编码表示加工是否需要该项资源；其次，根据加工资源对于作业切换时间长短的不同影响，确定核心加工资源和一般加工资源的权重，采用Jaccard系数计算零件间“相似度”，应用成组遗传算法确定零件的分类成组。

第4章研究了基于EDD-SDST-ACO启发规则的最优作业切换的单机成组调度模型，以最小化总拖延时间为优化目标，采用田口设计方法的信噪比（SNR）进行算法参数优化；应用算例进行仿真分析，论证方法的可行性。

第5章研究了基于GATS混合算法的最优作业切换的不相关并行机成组调度问题，构建了数学模型，以最小化总拖延时间为优化目标。由于每台机器的加工速度因子不同，相同工件在不同机器上的加工时间和作业切换时间也不同。本章还对遗传禁忌搜索混合算法相关参数进行优化，应用算例进行仿真分析，验证方法的可行性。

第6章研究了基于QCSO混合算法的最优作业切换的柔性Job-shop调度问题，提出排序依赖作业切换时间和加工时间的调度规则，构建了数学模型，以最小化总完工时间为优化目标，采用了改进的量子猫群算法进行问题求解，通过仿真实验验证了算法的可行性和有效性。

第7章作为简要的结束语，总结本书研究取得的重要结论，同时指出研究的不足之处，并展望有待进一步研究的问题。