摘要：为了增强混合动力变速器的柔性生产能力，针对生产车间最大完工时间最小化作为核心优化目标，提出了一种创新的改进遗传算法。该算法采用轮盘赌选择机制和精英保留策略，以减缓传统遗传算法可能出现的过早局部收敛现象；同时结合部分顺序交叉（Precedence Operation Crossover，POX）和单点交叉策略，以保持种群多样性，防止算法陷入局部最优解。通过应用于标准算例测试集以及混合动力变速器的实际生产案例进行验证，结果表明，相较于传统方法，所提改进遗传算法在加工时间上提升了14.81%，显著优化了产线车间的调度效率。为提高生产线的调度性能和灵活性提供了全新的视角和方法论，展示了优化算法在实际生产调度中的巨大潜力和应用价值。

　　关键词：车间调度；遗传算法；算法改进

　　0引言

　　随着低碳环保发展概念的普及和贯彻，新能源汽车成为很多消费者的首选，新能源汽车的制造也呈现出比以往更加繁荣的景象，全球各大汽车厂商目前在国家政策支持下，逐步注重新能源汽车的开发，同时新能源汽车企业也在不断涌现[1]。我国目前新能源汽车的占有率截至2022年达到16.5%[2]。当前新能源汽车行业重视自动化水平的提升，由于生产信息化水平的落后，导致发展受到相对制约。

　　智能化成为众多车企发展的首要目标，智能化水平的不断提升，国内外众多学者针对智能化所带来的柔性作业车间调度问题（Flexible Job-shop Scheduling Prob‐lem，FJSP）展开广泛探讨和研究：Liang X[3]等提出混合量子粒子群优化算法（Quantum Particle Swarm Optimiza‐　tion，QPSO），加入NSGA-Ⅱ利用拥挤计算来提升最大粒子寻求能力，以此增加粒子群算法在解决柔性作业车间问题寻优能力；Chen W等[4]提出模糊FJSP，提出一种基于局部优化策略和改进优化旋转角的混合算法来解决FJSP问题；Shen Y[5]结合IPOX和MPX交叉算子，提出一种改进遗传算法解决FJSP问题；Gu X等[6]提出一种改进的自适应变量领域搜索遗传算法（IGA-VANS），并验证其有效性；周鹏鹏[7]结合TLBO的具备局部搜索能力，提升遗传算法简洁性；张亮[8]引入关键机器和搜索过程学习概念，提出一种基于机器学习的改进学习型遗传算法，提高算法寻优能力；杨帆[9]在遗传算法解码步骤加入随机算子，变异步骤采用单点交叉，以此增加算法的寻优能力；王豪渊[10]使用自适应改进的交叉算子和变异算子，提高算法全局搜索能力；唐艺军[11]将模拟退火算法和莱维飞行扰动策略引入传统遗传算法，改善传统遗传算法的“早熟”和易陷入局部最优解的缺陷；斯兴瑶等[12]采用分段编码，结合滚动技术特点，提出一种对柔性车间动态调度新方法；侍守创[13]等采用量子粒子群算法优化染色体的选择算子，提高算法的自适应能力，以此解决车间调度问题；马晓梅[14]针对标签印刷问题，提出动态自适应交叉和变异概率，提升算法寻优能力；田云娜[15]在灰狼算法迭代过程中加速随机游走策略，增强局部搜索能力，使得改进灰狼算法在求解FJSP问题的寻优方面有明显优势；王玉芳[16]提出一种自适应灰狼优化算法，改进狼群社会等级制度、搜索猎物机制，进一步提升算法求解稳定性和提高算法局部搜索能力；吴继浩[17]集合模拟退火算法和遗传算法，提出一种新的哨兵狼机制，改善算法性能；姚远远[18]针对TFT-LCD生产，提出一种改进工序插入式方法编码，降低算法计算复杂性，并通过实际生产活动验证算法有效性。

　　本文针对传统遗传算法的不足，在选择操作中使用轮盘赌和精英保留策略，降低遗传算法过早局部收敛速度；在变异操作，采用部分顺序交叉（Precedence Oper‐ation Crossover，POX）和单点交叉相结合，维持种群的多样性避免陷入局部最优解，进一步提升算法全局和局部搜索能力，并通过对比2组标准数据集的仿真实例分析验证算法有效性，将实际生产案例应用并输出甘特图。

　　1问题描述

　　某企业生产事业部主要承担新能源汽车混合动力变速器生产业务。该产品主要由定子、转子、传感器卡扣、特种螺母、轴承、径向轴封组装而成。生产工艺首先对定子进行泄漏测试，将轴承压入定子，对转子进行磁化，磁化检查。利用特种螺母将定子和转子进行焊接连接，而后进行C0&C3离合器配合度测试，安装传感器卡扣，进行EOL（End Of Line）整体检测、高压检测后，安装密封圈，随后进行模块整体检测、测量检测。最后进行激光打标完成打包堆栈。当前，该事业部在实际的加工生产中实行的是一种单批次调度方式。然而，面对全球经济的低迷形势，它正逐步向按需生产模式转变。这种转变，随着加工需求的持续变化，可能会引起生产系统资源的无效利用和加工总时间的波动。

　　以该生产线的加工流程为例，原材料根据相应的型号和工艺流程被编排成不同批次的生产任务，在生产线上进行加工。针对混合动力变速器生产线的调度问题，可概括为：在k个工序上对m个独立的混合动力变速器进行加工，每种产品需经n台不同的机器加工，每个工序对应着不同数量的机器，并且各工序的加工不能被打断。在遵守生产限制的前提下，本文旨在最小化整体加工时间，实现最佳的批次生产排程顺序。

　　以表1中数学有关符号建立混合动力模块加工工艺数学及约束模型。