機(jī)車車輛企業(yè)是典型的訂單式生產(chǎn)企業(yè)，面對(duì)全球經(jīng)濟(jì)一體化，客戶需求個(gè)性化以及產(chǎn)品交貨高速化的經(jīng)濟(jì)時(shí)代，機(jī)車車輛行業(yè)面臨著快速響應(yīng)客戶需求、縮短產(chǎn)品交貨期、提高產(chǎn)品質(zhì)量和改進(jìn)產(chǎn)品服務(wù)的壓力。為了在激烈的市場(chǎng)競(jìng)爭(zhēng)中求得生存和發(fā)展，企業(yè)需要從生產(chǎn)調(diào)度環(huán)節(jié)進(jìn)行優(yōu)化。生產(chǎn)調(diào)度是制造系統(tǒng)的一個(gè)研究熱點(diǎn)，調(diào)度的任務(wù)是根據(jù)生產(chǎn)目標(biāo)和約束，為每一個(gè)對(duì)象確定具體的加工路徑、時(shí)間、機(jī)器和操作等，優(yōu)良的調(diào)度策略對(duì)于縮短產(chǎn)品的生產(chǎn)時(shí)間，降低成本有著極大的作用。
　　訂單生產(chǎn)調(diào)度問題屬于一類NP-hard組合問題，因此尋找具有多項(xiàng)式復(fù)雜性的最優(yōu)算法幾乎是不可能的。傳統(tǒng)的啟發(fā)式算法、智能模擬退火算法、禁忌算法、神經(jīng)網(wǎng)絡(luò)法等算法其共性是對(duì)生產(chǎn)線優(yōu)化問題尋求滿足實(shí)際需要的近似解或滿意解，但都是局部尋優(yōu)的方法。而各種基于統(tǒng)計(jì)優(yōu)化的方法諸如模擬退火法、遺傳算法等，提供了一種解決調(diào)度優(yōu)化問題的新途徑，但也存在著一定程度的枚舉，一般來說收斂到最優(yōu)解較慢，并且對(duì)于判斷解的最優(yōu)性也很困難。將遺傳算法與優(yōu)化算法結(jié)合起來對(duì)解決訂單生產(chǎn)調(diào)度問題具有較高的性能。
　　1 混合遺傳算法
　　1.1 遺傳算法
　　遺傳算法由于其運(yùn)算的簡(jiǎn)易性和解決問題的高效性而被廣泛應(yīng)用于眾多的領(lǐng)域。理論上已經(jīng)證明，遺傳算法能從概率的意義上以隨機(jī)的方式尋求到問題的最優(yōu)解。但是另一方面，應(yīng)用實(shí)踐表明，在遺傳算法的應(yīng)用過程中也會(huì)出現(xiàn)一些不盡如人意的問題，這些問題主要表現(xiàn)為：容易產(chǎn)生早熟現(xiàn)象、局部尋優(yōu)能力較差等。并且一般來說，對(duì)很多問題，基本遺傳算法的求解效果往往不是解決這個(gè)問題的最有效的方法，它比起專門針對(duì)該問題的知識(shí)型啟發(fā)算法的求解效率要差，雖然這種知識(shí)型啟發(fā)算法并保證不了一定能夠找到問題的全局最優(yōu)解。另外，遺傳算法也無法避免多次搜索同一個(gè)可行解的情況，這也是影響遺傳算法運(yùn)行效率的一個(gè)重要因素。
　　1.2 混合遺傳算法
　　梯度法、爬山法、模擬退火算法、列表尋優(yōu)法等一些優(yōu)化算法卻具有很強(qiáng)的局部搜索能力，而遺傳算法由于其運(yùn)算的簡(jiǎn)易性以及另一些含有問題與相關(guān)知識(shí)的啟發(fā)式算法的運(yùn)行效率也比較高。因此可以預(yù)計(jì)，在遺傳算法的搜索過程中融合這些優(yōu)化方法的思想，構(gòu)成一種混合遺傳算法是提高遺傳算法運(yùn)行效率和求解質(zhì)量的一個(gè)有效手段。
　　混合遺傳算法是在標(biāo)準(zhǔn)遺傳算法中融合了局部搜索算法的思想，其特點(diǎn)主要體現(xiàn)在以下兩個(gè)方面：
　　（1）引入了局部搜索過程。基于群體中各個(gè)個(gè)體所對(duì)應(yīng)的表現(xiàn)型，進(jìn)行局部搜索，從而找出各個(gè)個(gè)體在目前的環(huán)境下所對(duì)應(yīng)的局部最優(yōu)解，以便達(dá)到改善群體總體性能的目的。
　　（2）增加了編碼變換操作過程。對(duì)局部搜索過程所得到的局部最優(yōu)解，再通過編碼過程將它們變化為新的個(gè)體，以便能夠以一個(gè)性能較優(yōu)的新群體為基礎(chǔ)來進(jìn)行下一代的遺傳進(jìn)化操作。
　　2 機(jī)車車輛業(yè)面向訂單生產(chǎn)調(diào)度模型
　　訂單生產(chǎn)調(diào)度問題中存在著多種優(yōu)化目標(biāo)或者綜合優(yōu)化目標(biāo)，調(diào)度問題的優(yōu)化目標(biāo)通常從生產(chǎn)的成本和生產(chǎn)的時(shí)間兩個(gè)方面來考慮。從生產(chǎn)成本方面來考慮，其優(yōu)化目標(biāo)有：制品最少、庫存最少、設(shè)備利用率最高等；從生產(chǎn)時(shí)間方面來考慮，其優(yōu)化目標(biāo)有：最小完成時(shí)間、最大程度滿足交貨期、最小流動(dòng)時(shí)間和最小等待時(shí)間等。這兩個(gè)方向的優(yōu)化目標(biāo)之間彼此不是相互孤立的，其中的許多具體目標(biāo)之間聯(lián)系非常密切，有的相互促進(jìn)，有的相互沖突，也有的毫無聯(lián)系。本算法采用以總加工時(shí)間最小為目標(biāo)，具體表示為：
　　
　　其中：Rk表示需要在設(shè)備k上加工的總工序數(shù)；Aijk表示第i個(gè)工件的第j道工序在設(shè)備k上完成加工所需要的時(shí)間。這個(gè)時(shí)間包括開始加工此道工序之前的等待時(shí)間Wijk和從開始加工到完成此道工序的所需時(shí)間Nijk；Cj表示訂單j的生產(chǎn)時(shí)間是訂單j中包括的所有部件全部完成的時(shí)間總和；Cmax為所有訂單在并行生產(chǎn)的情況下，最大完工時(shí)間，即各個(gè)訂單完成時(shí)間最晚的訂單的完成時(shí)間；目標(biāo)函數(shù)F（x）的目的是使得最長(zhǎng)需要時(shí)間盡可能地短。這樣，經(jīng)過算法的多次迭代后就可以生成調(diào)度的近似最優(yōu)解，得到滿意的調(diào)度結(jié)果。