1、仿真及優化發展現狀和未來展望摘要：仿真優化技術是實現傳統制造向可預測制造、科學制造轉變的關鍵技術，目前已經引起科學界和企業界的廣泛關注。本文在闡述了仿真優化基本原理和方法的基礎上，介紹了國內外仿真優化技術在制造系統中各個層次的應用概況、研究成果及各種仿真優化系統采用的開發工具，并對國內外發展狀況進行了簡要的對比分析，指出了目前仿真優化研究中存在的問題以及主要發展趨勢。關鍵詞：仿真，優化，仿真軟件，仿真建模。引言20 世紀 90 年代，為了解決產品在 TQCSE 方面存在的問題，出現了多種制造模式，如可重構制造和大規模定制等。在這些先進制造模式指導下的制造系統規模龐大、結構復雜，制造系統從初期規

2、劃（資源配置、布局規劃）到實際運行（供求關系管理、生產計劃與調度）階段都存在復雜的決策問題。這些決策問題包含眾多影響因素、因素之間關系錯綜復雜，傳統數學優化方法已經無法解決這類問題，仿真優化技術則以其獨特的優化方法和強大的建模能力引起科學界和企業界的廣泛關注。每年 Winter Simulation 會議都將仿真優化列為一個國際前沿課題來研討，并介紹最新的理論研究成果及應用情況。2000 年，世界著名的兩本仿真書籍Simulation Modeling and Analysis與Discrete Event Systems Simulation首次將仿真優化作為一個專題進行討論，并指出仿真優化

3、對仿真的推廣應用具有重要的影響；自上世紀 90 年代中期開始，各種商業化仿真軟件將優化作為一個重要模塊納入其中，目前已成為不可或缺的部分。盡管仿真優化已經取得了長足的發展，有些仿真優化系統已經開始工業應用，但仿真優化領域仍然存在一些亟待解決的問題。本文首先從仿真優化的原理、方法等方面對這一技術進行分析，然后綜述國內外研究現狀，最后分析仿真優化存在的問題及發展趨勢。一、仿真優化原理 利用傳統優化技術求解優化問題時，首先要建立問題的解析模型，然后利用某一方法進行優化，通常可以求得問題的最優解。但由于實際問題的復雜性和隨機性，很難建立起精確的解析模型。仿真技術作為一種建模方法，能夠將系統的相關要素按

4、照實際的運行邏輯有機地結合起來，真實反映出系統的行為，因此可以利用仿真模型代替解析模型研究系統的行為特性。然而，仿真實質上是一種試驗方法，通過枚舉對備選方案進行逐一驗證，搜索目標不明確，無法給出問題的最優或近優解，當試驗方案較多時，該方法變得極其復雜，甚至無法實現。因此，將仿真技術和優化方法相結合為解決實際問題提供了有效的優化手段。仿真優化的基本原理是將仿真模型看作一個實值函數其中 X為可控因素，即決策參數，是不可控，f(X,) 因素為仿真模型的輸出，它是一個向量函數。根據仿真優化原理，仿真優化過程描述如下：首先由優化算法產生初始解（決策參數），然后將其輸入仿真模型中，仿真運行結束輸出響應值（

5、性能指標），通過數據轉換接口將其反饋到優化算法中，作為優化算法確定新一輪搜索方向的依據，并將搜索結果重新輸入仿真模型。上述過程反復進行，直至滿足預先設定的終止條件。常見的仿真優化過程模型。二、仿真優化方法 目前常用的仿真優化方法包括如下幾類：基于梯度的方法、隨機優化方法、響應曲面法、統計方法和啟發式方法等，其中每類都包括多種方法。很多文獻重點闡述了各種方法的原理和性質，而對仿真優化系統的開發及其應用情況涉及很少，沒有從系統的角度研究仿真優化的進展情況。在各類方法中，非啟發式方法一般需要大量的理論假設，計算復雜、穩健性差，算法性能隨求解問題規模的增大迅速下降，在實際中很少采用。啟發式方法則可以避

6、免上述弊端，除此之外，它還可以實現全局優化，并且能夠解決離散、定性決策變量問題。 三、仿真優化研究現狀 近幾年，許多國家和大學的研究機構都開展了仿真優化的研究，特別是從 90 年代中后期，隨著智能優化算法和仿真建模技術的充分發展和應用，仿真優化已從單純的理論研究走向了實際應用，滲透到各個領域。 3.1 國外仿真優化的研究狀況 1998 年，美國密西西比州立大學的 Bowden 等人首次指出，仿真優化研究人員缺乏從系統的角度對仿真優化進行研究，有必要將仿真優化的各種單點技術集成到一個統一的技術框架下，為此，他們提出了“六域”集成的仿真優化框架。“六域”涵蓋了仿真優化的六個研究范疇，即問題域、算法

7、域、分類域、策略域、智能域和界面域。問題域輔助用戶構造目標函數和約束條件；算法域涉及優化算法庫的建立及各種算法的描述；分類域依據求解問題規模和決策變量性質等對給定問題進行分類；策略域實現對某類問題選擇適當優化算法，并在有限的計算資源基礎上提高仿真優化效率；智能域根據所研究的領域問題知識選擇適當的優化策略和方法；界面域研究優化器與用戶及仿真模型的接口問題。“六域”構成了一個完整而有聯系的理論框架，為仿真優化的集成問題指明了方向。基于“六域”集成思想，他們開發了一個仿真優化系統，并以一個“拉式”生產系統為例，重點研究各種仿真優化方法策略。該系統包括 33 個決策參數，以看板數量作為評價指標，優化算

8、法分別采用進化策略（ES）、Hooke-Jeeves（HJ）模式搜索法及 ES 和 HJ 相結合的兩階段搜索策略。實驗發現，HJ 收斂速度最快，但解的質量較ES 差，ES+HJ 方法的運行時間和解的質量均處于 HJ 和 ES之間，能夠在可接受的時間內獲得較優解。該項研究結果表明，有效的搜索策略能夠提高優化效率、改善解的質量。 美國堪薩斯州立大學 Azadivar 一直致力于仿真優化理論及應用研究，他和 Tompkins 于 1999 年針對具有離散、定性決策變量和模型結構變化的問題提出了一種 GA 和仿真模型自動生成器相結合的仿真優化方法。該方法具有一定的代表性，一般來說，在仿真優化系統中，仿

9、真模型始終保持不變，只需改變輸入參數即可，并且輸入參數都是定量的，而他們解決的是一個制造系統初期規劃問題，即確定購買設備的數量、車間布局形式和采用的工藝路線以及調度規則等，優化算法在每次迭代中產生的解是一組全新的系統配置方案，前一代解對應的仿真模型可能與當前配置方案不一致，因此需要重新構建仿真模型。他們采用了 MODSIM對制造系統進行建模，利用面向對象技術中的封裝和延遲綁定技術實現仿真模型的自動創建功能。為了保證優化算法和仿真模型之間的有機集成，基于 GA 的優化器也在 MODSIM中實現。為了實現對各種參數并行優化，GA 采用三段編碼方式，依次表示工件的工藝路線、設備類型和車間布局方案。該

10、方法的優點是可以解決離散與定性輸入參數問題，并且適合對相似類型的制造系統進行布局規劃，同時也存在一定的缺點，優化算法在尋優過程中不可避免會產生重復設計方案，針對每組方案需要重新創建模型并運行仿真，需要耗費大量的計算資源，影響運行效率，因此，該方法缺乏去掉重復方案的有效手段。 2000 年，法國 Cergy 大學的 Fontanili 等人研究了裝配線運行管理問題。他們歸納總結了裝配線在運行過程中可能存在的決策點，如訂單釋放優先級、投產批量、工件釋放間隔時間和緩沖區容量等，這些決策點之間相互關聯、相互影響，是一個典型的組合優化問題。為解決這一問題，他們采用 GA 和商業化仿真軟件 WITNESS

11、 開發了一個仿真優化系統，在該系統中利用開發工具 Delphi 編制優化算法程序，并通過 Microsoft OLE 自動化技術實現和仿真模型集成。中GA 采用整數編碼，染色體的每個基因代表相鄰工件的投產時間間隔。Fontanili 利用該系統對單一產品與混合產品的裝配流程進行了研究，以生產周期作為性能評價指標，實驗數據表明，通過仿真優化技術，極大地改善了裝配線的運行效果。但是，在列舉的眾多決策點中，該系統只考慮了如何優化工件的投產時間間隔，而沒有涵蓋對其它運行參數的優化。 日本JGC 公司在意識到仿真優化的重要性后，聯合美國西北大學共同研制開發了一個用于解決制造企業設施規劃的仿真優化軟件。該

12、軟件以 JGC 公司實際工程應用需求出發，注重優化策略和仿真結果的統計分析問題。他們采用 Awe Sim 作為仿真建模工具，優化模塊使用麻省理工大學的 Wall 開發的遺傳算法庫（GALib-a），通過 C+語言實現二者的集成及編寫統計分析程序，利用 Visual Basic 開發統一用戶界面。該系統將仿真優化過程分為三個階段，首先是基本參數的設置，用戶可以通過圖形化的界面定義決策變量、目標函數、約束條件以及根據經驗知識為系統提供效果相對較好的初始設計方案，除此之外，還可以定義與統計分析相關的參數；其次是備選方案的生成，優化器根據初始條件產生可行解，并根據問題規模的大小及系統運行時間的約束，自

13、動決定是否搜索整個解空間，在該過程中系統數據庫存儲了所有設計方案及其響應值，評估每個方案之前，先在數據庫中檢索該方案是否存在，以決定是否對其進行仿真評估，避免浪費計算資源；再次是仿真輸出的統計分析，針對隨機仿真問題，每個方案需多次運行仿真才能確定最終響應值，該步驟利用改進的統計分析方法來提高分析精度及減少仿真迭代次數。該系統顯著提高了仿真優化效率與可操作性，各模塊相互統一，同時又保持了一定的獨立性，初步具備了 Bowden 等提出的仿真優化的“六域”集成思想。 2004 年，比利時 Facultes 大學 Allaoui 等人利用仿真優化技術研究了具有維修時間約束的混合流水車間調度問題。他們指

14、出，調度問題的復雜性來源于求解算法自身復雜性和生產系統結構、功能復雜性，其根本原因是傳統的調度方法不適合解決大規模問題，無法描述生產系統的動態隨機性。因此，他們兼顧啟發式調度規則、智能優化算法 SA 和模型仿真的優點，建立了一個求解調度問題的仿真優化系統。該系統以 Delphi 為開發環境編寫調度規則和 SA 程序，采用仿真器 RAO（Resource-Actions-Operations）構建仿真模型，并考慮了多種隨機因素，如設備故障時間、設備維修時間、生產準備時間、工件運送時間等。為了改善初始解的質量，采用啟發式調度規則（SPT、LPT 或 EDD）為 SA 產生一個初始解，然后通過 SA

15、 和仿真模型的迭代優化確定最終解。Allaoui 以最大流通時間、平均流通時間、最大延遲時間、平均延遲時間和延遲工件數量為評價指標，研究了不同維修時間比例下仿真優化調度的效果，并將其與 NEH 方法（被認為目前解決混合流水車間調度問題最好的啟發式方法）進行了比較分析。實驗數據表明，在各項性能指標上，仿真優化調度方法的調度結果均優于 NEH 方法。由此可見，仿真優化方法的優化能力和模型表達能力是任何調度方法無法比擬的。Lacomme等曾經指出仿真優化方法是解決調度問題的最有效方法，它對調度問題的研究具有巨大的推動作用。但是，該系統沒有解決隨機仿真需要大量迭代次數問題，勢必影響系統運行效率。 20

16、05 年，在美國諾斯羅普.格魯門艦船系統部（NGSS）的支持下，密西西比州立大學的 Greenwood 等人開始了一項仿真優化項目的研究，研究對象是 NGSS 的兩個鈑金加工車間，研究目標是建立仿真優化決策支持系統（DSS），用以減少仿真建模與系統分析的復雜性。DSS 是涵蓋三個關鍵模塊即 DSS 控制器、仿真優化模型（包括仿真模型和優化器）和圖形化用戶界面的集成系統。其中，DSS 控制器主要用于處理用戶、仿真模型、優化器之間進行的數據交換及邏輯推理過程。仿真建模涉及兩個車間，其中帕斯卡古拉的鈑金車間仿真模型由密西西比州立大學工業工程中心采用Pro Model 構建的，新奧爾良的鈑金車間仿真模

17、型由新奧爾良大學仿真設計中采用 QUEST 開發的，他們通過 Active X技術，將仿真模型集成到 DSS 中。優化器的核心算法是 ES，它可以根據車間當前狀態及不同性能評價指標自動選取性能較好的調度規則。圖形化用戶界面負責用戶與仿真模型及優化算法的交互，同時也為維護各種生產數據和運行參數提供一個編輯環境。該系統能夠進行車間調度及優化系統運行參數，Greenwood 通過兩個實例，并以生產周期和延遲時間作為評價指標驗證了 DSS 的有效性。但是，該系統的仿真模型通用性差，即使是解決同類型系統的調度問題，也需對模型進行顛覆性修改，此外，決策支持系統一般需要大量的數據以支持其決策過程，而該系統采

18、用 Excel 作為仿真數據庫，不利于同其它信息系統進行集成，導致獲取生產數據需要耗費大量時間。Ding 等人在歐共體研究計劃“網絡化企業優化方法研究”項目中，提出了一個解決供應商選擇問題的仿真優化方法。該方法包括三個基本模塊：基于遺傳算法的優化器、仿真器和建模框架。為了實現模塊之間的無縫集，所有模塊均采用C+語言實現。GA 采用三段編碼方式，分別代表供應商、供應產品比例和補給水平，通過遺傳操作產生備選方案，建模框架根據每種方案構建仿真模型，由仿真器描述整個供銷過程，并以采購成本、運輸成本、庫存成本和延遲供應懲罰成本之和作為方案評價指標。文中以一個歐洲分銷商如何選擇分別地處亞洲和歐洲的供應商的

19、問題作為實例對該方法進行了詳細描述，實驗數據表明，該方法能夠較好地解決這類決策問題。但是，自行開發仿真程序需要耗費大量時間，并且建模能力和模型功能均無法達到專業化仿真軟件的水平。3.2 國內仿真優化的研究狀況 同濟大學的陳偉等人以基于進化策略的仿真優化方法為基礎，開發了一套可用于優化獨立制造島硬件配置的仿真優化系統，實現非枚舉地從所有可能的方案中搜索到最佳的硬件配置方案。該系統的主要組成部分有初始化模塊、仿真模塊和優化模塊。初始化模塊負責對數據進行初始化處理，以供仿真模塊使用，仿真模塊整體嵌入到優化模塊中，實現二者無縫集成。為了方便系統功能的擴展和升級，該系統將基礎數據和程序進行分離，只需更改

20、原始數據庫中的數據及對程序做細微修改，就可以將其應用到類似系統的規劃中。但是，由于實際生產系統的復雜性和零件加工的隨機不確定性等，自行開發的仿真系統考慮的因素不全面，其建模功能有待擴充，特別是研究關于系統配置的仿真優化問題，要求仿真模型能夠根據不同的配置方案自動更新，對建模方法提出了更高的要求。西北工業大學的鄭鋒等人提出了一個GA和過程仿真相結合的調度規則決策方法，用以實現調度規則的優選。在該方法中，遺傳算法采用分段整數編碼，各個基因段按先后順序分別表示工件進入系統的排序規則、工件選擇加工設備的規則和加工設備選擇工件的規則，每個染色體就是一個調度方案。他們利用擴展 Petri 網對生產過程進行

21、仿真，以獲得調度方案的各項性能指標，為了解決多目標問題，采用層次分析法和模糊評判相結合的決策優化方法求取相應的適應值。除此之外，為了提高優化算法的效率，采用主從式并行遺傳算法代替傳統遺傳算法。他們以西北鋯管有限責任公司材軋制車間作為實例，采用拖期訂單數、總完工時間、系統生產率、平均通過時間和關鍵設備利用率作為性能評價指標，研究了動態生產環境下仿真優化方法的決策效果。實驗結果表明，該方法是有效的，特別是并行 GA 的引入使該方法更符合實際生產需求。但是，由于 Petri 網自身的局限性導致模型可重用性和可擴展性差，隨著生產系統內外環境的不斷變化，已構建的模型可能變成“廢棄模型”，因此不利于展開其

22、它方面的研究，而且 Petri 網不適合解決大規模復雜問題。 南京航空航天大學的郭宇等人對仿真優化平臺及其關鍵技術進行了研究。他們在“六域”集成的仿真優化思想基礎上，提出了一個包括界面層，應用層，通信層，數據層和支撐層的五層結構框架，并采用 Visual C+開發了基于虛擬仿真環境的制造系統仿真優化平臺。在該平臺中應用層是核心層，它包括兩個相對獨立的模塊：虛擬仿真模塊和優化控制模塊，兩者通過數據通信接口實現集成。其中虛擬仿真模塊包括資源模板庫和建模仿真編輯器，資源模板庫提供基本仿真建模對象，建模仿真編輯器實現建模功能及仿真運行的驅動機制；優化控制模塊采用基于變尺度遺傳算法和增強連續禁忌搜索算法

23、的混合優化算法，用以提高算法的收斂速度。該平臺為仿真研究對象提供了一個虛擬環境，增強了可視化效果。但是，對仿真優化進行研究，關鍵問題之一是如何提高系統的運行效率，在仿真運行過程中應盡量避免采用耗費大量系統資源的三維模型和仿真動畫，待仿真優化結束后，將這個最優或近優方案構建的虛擬仿真環境呈現給用戶即可。 此外，清華大學的劉民等人開展了并行機調度問題的仿真優化研究，北京理工大學的孫連勝等人將仿真優化技術應用到了柔性制造系統規劃中，這些研究了仿真優化的應用范圍。四、國內外仿真優化研究現狀對比分析國內較早就開展了仿真優化算法的研究，而仿真優化系統的建立起步較晚，目前，雖然已經取得了一些研究成果，但與國

24、外相比差距較大。國外仿真優化技術已在制造系統各個層次得到了應用，針對不同問題開發了各種仿真優化系統，并且出現了多種商業化仿真軟件，如 Auto Simulations公司的 Auto Mod、Opt Tek Systems 公司的 Opt Quest 和 Lanner Group 公司的 Optimizer 等；國內由仿真優化軟件自身的發展及制造系統現狀等，仿真優化技術在實際應用中還存在諸多問題，開發的仿真優化系統在功能上還有待于完善。五、存在的不足及發展趨勢5.1實現仿真優化的通用性仿真優化的通用性包括兩層含義，一是優化算法的穩健性，二是仿真模型的可重用性和可擴展性。工業應用領域中的問題一般

25、比較復雜，多種類型決策變量并存，如連續、離散決策變量問題，離散決策變量中又存在定量和定性的問題，并且同一領域中不同類型的問題規模大小也不同，因此，要注重仿真優化算法解決問題范圍的能力研究。仿真與優化是一個有機整體，在強調優化算法穩健性的同時也應該考慮仿真模型的通用性，否則會出現“單邊倒”的現象。就仿真模型而言，應該研究有效的仿真建模方法，提高模型的模塊化程度，針對不同問題采用“即插即用”的方式快速構建仿真模型。如仿真優化系統輔助完成制造系統的初期規劃后，應能快速、方便地擴展到制造系統運行中，如供應鏈管理、生產計劃和調度、生產運行控制等。否則，仿真優化系統將變成“一次性”或“廢棄”的系統，造成資

26、金和資源的浪費。5.2 實現仿真優化的高效性 對仿真優化的高效性研究體現在如何提高優化算法效率、仿真運行效率和仿真評估效率。工程應用領域經常面臨著在最短的時間內做出有效的決策的問題，而各種優化算法都存在求解時間和求解質量的矛盾。因此，如何在保證解的質量前提下提高優化算法搜索效率是仿真優化能否推廣應用的關鍵問題。因此，一方面，對具有實際應用價值的優化算法本身進行研究，如確定優化算法最佳的運行參數（目前仍沒有好的解決辦法）；另一方面探索新的高效優化算法。對仿真而言，不同的仿真軟件由于采用的仿真機制不同，其運行效率也不同，并且不同的建模方法及技巧對仿真運行效率也會有影響。如在基于事件驅動的仿真軟件中

27、構建生產系統仿真模型時，在保證生產系統運行邏輯準確的前提下，可以利用一個實體表示一批工件，這樣可以減少事件發生次數，對于大規模生產問題，能夠節省大量的仿真運行成本。除此之外，對于隨機仿真問題，每一組方案需要進行多次重復獨立實驗，其運行時間往往超過優化算法的一次搜索時間，因此，有效的仿真統計分析技術也是未來研究的重點。5.3實現仿真優化的智能化仿真優化的應用目標是為用戶提供一個輔助決策支持工具，而實際工程設計問題一般比較復雜，涉及因素較多，完全依靠計算機來進行決策很難考慮周全，隨著人工智能技術的發展，將領域知識引入到仿真優化系統中，建立決策支持系統，充分發揮人的創造性和計算機的計算能力，實現人機

28、協同決策功能。除此之外，仿真優化專業性強的特點也要求建立智能決策系統。目前的仿真優化系統要求用戶對仿真優化算法和仿真建模工具有較深入的了解，才能夠開展工程應用，如各種仿真優化算法存在大量運行參數（GA 的種群規模、交叉率、變異率、遺傳數，TS 的狀態產生函數、狀態接受函數、初溫、停止準則等）需要選擇，仿真實驗也需要設置各種參數，如仿真開始時間、仿真結束時間、仿真迭代次數和“預熱”時間等等，任何一項參數的變動對仿真優化結果都會產生影響，如果要求非仿真專業人員來完成這些設置幾乎是一件不可能的事，因此如何根據具體問題，利用專家知識系統輔助完成這些工作是一個可行的實現方法。5.4實現仿真優化的集成化仿真優化涉及到的技術方方面面，而國內外