● 摘要
针对大规模生产系统综合计划传统集中式模型在建模和计算过程中存在的问题，本文在众多学者关于分布式建模协调求解的生产决策研究基础上，分别从产品和资源角度提出两种分布式建模和启发式协调求解的思路，并研究了相应算法。本文的研究工作和相关创新内容可概括如下：1、 从产品角度结合Agent技术对生产系统建立分布式决策模型。以作业单元为局部决策Agent，车间管理者为全局协调Agent，引入生产节点间的内部结算价格，基于多Agent系统，建立了综合生产计划的分布式决策模型。通过将局部Agent决策目标的总和与全局Agent决策目标进行对比，证明了所引入的内部结算价格就是全局Agent目标函数关于物流平衡约束的Lagrange乘子。基于Lagrange分解协调原理，设计了局部作业单元Agent和全局协调Agent的迭代协调算法。该迭代算法以上次计算的中间结果作为对其它作业单元生产需求的估计，从而能将各个生产单元Agent的决策模型分离，实现了分布建模与求解。在算例研究中使用启发式规则来确定Lagrange乘子迭代的步长系数，保证了较好的收敛性，证明模型和算法是有效的。2、从资源角度结合Agent，引入拍卖和竞价的思想对生产系统建立分布式模型并进行了启发式协调求解。把拍卖和市场理念引入到生产计划的求解过程中，结合多agent理论，对大规模生产系统按生产单元建立分布式模型。各个生产单元看作相对独立核算的经济实体，其目标是实现自身利益最大化。当生产能力足够时，按照需求进行生产；当生产能力不足以完全满足需求时，紧缺生产资源的持有者按照单位能力获得最大收益的原则进行生产竞价与拍卖，真正实现了各个生产单元的分布式自主协商决策，并设计了求解算法。算例和实证研究证明该方法的可操作性和求解的有效性。