本文试图克服开放生产线瓶颈识别和调度优化的缺陷。 为此,作者分析了外部干扰和系统配置变化对生产线的影响机理,并通过计算机仿真提出了生产线的多瓶颈识别模型。 然后,将所提出的模型用于优化开放式生产线的调度。 具体而言,基于层次聚类和多属性决策的生产线瓶颈识别方法,旨在克服传统瓶颈识别算法的候选集少,准确性低的缺点。 实验结果表明,该算法具有清晰的主逻辑和次逻辑。 主瓶颈簇的数量随着顺序的增加而减少。 主瓶颈集群中的机器数量非线性变化; 机器负载和瓶颈之间没有直接联系; cophenetic相关系数(CPCC)值都接近1。所有这些结果证明了该算法的可行性。 此外,传统的遗传算法(GA)从三个方面进行了改进:通过提高种群多样性避免了局部最优陷阱; 通过引入自适应交叉算子和遗传算子,加快了迭代速度。 在不牺牲计算速度的前提下,通过添加多元竞争算法来保证收敛质量。 与其他四种调度优化算法相比,我们的方法获得了生产线任何规模的基站。 比较证明了所提算法的稳定性和有效性。 可以说,研究结果为生产线的有效运行提供了新的见解。