日本单元生产系统结合了柔性车间生产模式的柔性、大规模生产模式的效率性以及可持续发展的环境友好性等特点,被广泛的应用于美国、欧洲、韩国和中国等国家的电子行业,是一种以人为核心、低自动化的新型生产管理方式。现有的单元生产系统主要有三种形式:分区式、巡回式和货摊式。单元生产系统自出现以来,以其效率性与对多品种、少批量、多批次市场需求的适应能力,受到了企业界和学术界的广泛关注。学者们主要关注单元生产系统的两个问题:单元构建与单元负载。在过去的二十年里,有关单元构建的学术研究已有很多,而关于单元负载的文献相对较少。单元负载问题包括两部分内容:一为产品组与单元的匹配关系,二为在单元内员工与工件的调度安排。本文的研究内容主要集中在单元内员工与工件的调度安排问题上。对于在巡回式单元生产系统中,面对动态的市场需求,在不断有新工件到达时,如何对单元内员工的工作顺序和工件的加工顺序进行调度安排的问题,本文以最小化工件的总流时间TFT和员工的总工作时间TLH为双目标,使用多策略的文化基因算法进行求解。文化基因算法是一种全局搜索和局部搜索相结合的启发式算法,其思想在于模拟为推动社会文化的进步,占多数的普通大众与少数拥有专业知识的社会精英共同为推动社会文化进步而努力的现象。本文的文化基因算法以NSGA-II为全局搜索算法,以两种改进的NEH算法为局部搜索算法。为提高算法的收敛速度与搜索能力,针对巡回式单元生产系统的特性,本文设计了四种优化策略:(1)NEH、SPT初始化种群策略。日本单元生产系统seru是将装配线缩短转化而来,保留了一定的flow shop性质,而NEH是针对Flow Shop最好的启发式规则之一。因而本文使用NEH、SPT规则优化初始种群。(2)图规划初始种群策略。在优化员工的总工作时间时,巡回式单元生产系统中的员工与其所加工的工件集存在一一对应的关系,通过将员工与工件集之间的对应关系转化为指派问题,使用图论中最小费用最大流理论进行求解,可得使得员工总工作时间最小的员工与工件集的对应关系。由于员工工作顺序在所有巡回中保持一致,可以将员工加工其所对应的工件集看作工件加工时间不确定的工件调度问题。本文对此简单处理,以工件集中工件的平均加工时间为工件集的加工时间,对此建立数学模型,求解工件集的调度安排,即员工的工作顺序。最后使用基于NEH逐个测试的思想改进的NEH_S算法确定一个具有较优目标值的个体,并将其加入初始种群以提高算法收敛速度及搜索质量。(3)两种改进的NEH规则作为局部搜索。在巡回式单元生产系统中,员工完成所有工件的加工需要进行若干个巡回,在每一个巡回中,工件的加工作业可以看作是一个小型的flow shop问题,因而本文提出了一种对于每个巡回使用NEH规则进行寻优方法——基于分解的NEH_D算法。NEHJD算法与NEH_S算法以相同的概率对个体进行局部搜索操作。(4)动态预测调度。在多次动态调度中,可以相信每次的调度结果包含了许多较优的工件加工顺序片段。因而对本代种群采取类似粒子群算法的形式,以前两次动态调度的所寻找到的有效前沿的中心点之间的欧氏距离为前进步长,以本代种群较差部分个体所形成中心点指向较好部分个体所形成的中心点的方向为前进方向,对本代种群中较差部分个体进行改进。为验证改进的文化基因算法的搜索性能,本文使用NSGA-II、HQGA、M0EAD算法作为对比算法,以IGD和HV作为评价指标,使用Taillard经典算例进行测试。根据数值实验结果,改进的文化基因算法在不同最大动态工件数与不同初始工件数两个维度上,IGD和HV指标均优于其他三种算法,且随着工件数的增多,算法优势更加明显。对四种策略单独进行评测时发现,随着工件数量的增加,单独局部搜索策略的性能逐渐下降,单独NEH、SPT初始种群策略的性能逐渐增强。分析单独局部搜索策略性能下降的原因可能为多次动态调度导致算法陷入局部最优。