马玉敏，陆晓玉，乔 非，沈一路

(同济大学 电子与信息工程学院，上海 201804)

0 引言

复杂制造系统生产过程复杂，由多个相关联的生产过程构成[1]。当制造过程比较平稳时，原定调度策略能够持续保证系统生产性能的优化；而当制造系统出现机器故障等扰动时，制造环境发生变化，先前采用的调度策略失效，最终无法得到期望的生产性能[2]。因此，如何根据生产过程状态动态地确定有效的调度策略是提高复杂制造系统运行性能的关键。这种根据制造系统生产状态来动态调整调度策略的方法即为复杂制造系统动态调度。

针对调度问题，国内外学者已经展开全面深入的研究，并取得了不少成果，其中包括启发式方法、仿真方法等[3-4]传统调度方法，也包括遗传算法、人工神经网络[5-6]等人工智能背景下的新调度方法。Wang等[7]为解决动态多目标调度问题，在精英非支配排序遗传算法中引入了有向搜索策略；Pickardt等[8]针对半导体制造中的动态作业车间问题，将遗传规划算法与进化算法相结合，提出一种两阶段的超启发式方法；Lou等[9]针对制造车间动态环境中的不确定性，提出一种基于多智能体主动式的调度方法和体系结构，并采用分布式调度算法求解动态调度问题。现有方法在解决调度问题上已展示出很好的有效性，然而随着制造系统复杂程度的增加(如设备、产品的数量大规模增加，多工艺约束限制等)，使得对制造系统的建模愈加困难，模型的不准确性会降低其给出的调度策略的可靠性，进而无法获得令人满意的调度结果。……