發(fā)布時(shí)間：2017-10-23 08:34

  本文關(guān)鍵詞：基于粒子群算法的動(dòng)態(tài)車間調(diào)度問題研究

  更多相關(guān)文章： 粒子群算法 遺傳算法 動(dòng)態(tài)車間調(diào)度 事件驅(qū)動(dòng)策略

【摘要】：作業(yè)車間生產(chǎn)調(diào)度是影響制造企業(yè)生產(chǎn)效率的關(guān)鍵因素,一個(gè)良好的生產(chǎn)調(diào)度系統(tǒng),能降低企業(yè)的生產(chǎn)成本,提高企業(yè)的生產(chǎn)效率,是一個(gè)制造企業(yè)在激烈的競(jìng)爭(zhēng)中立于不敗之地的關(guān)鍵所在,因而近年來(lái),越來(lái)越多的國(guó)內(nèi)外學(xué)者參與到這個(gè)問題的研究當(dāng)中。作業(yè)車間調(diào)度問題(Job-Shop Scheduling Problem,JSP)是由普通的生產(chǎn)調(diào)度問題經(jīng)過(guò)一系列約束條件的限制演化而來(lái)的典型的組合優(yōu)化問題。對(duì)于車間調(diào)度問題的求解,現(xiàn)在主要以人工智能算法為主,而單一的算法也很難以求得問題的最優(yōu)解,利用混合進(jìn)化算法對(duì)車間調(diào)度問題進(jìn)行求解是目前研究的熱點(diǎn)。粒子群算法是應(yīng)用最為廣泛的群體尋優(yōu)算法之一,它具有操作簡(jiǎn)單,收斂速度快等諸多優(yōu)點(diǎn),被廣泛應(yīng)用于解決組合優(yōu)化問題。本文針對(duì)粒子群算法的改進(jìn)及其在車間調(diào)度中的應(yīng)用進(jìn)行研究,研究的主要內(nèi)容包括如下的幾個(gè)方面:首先,介紹了車間調(diào)度問題的發(fā)展,國(guó)內(nèi)外學(xué)者在此問題方面的一些研究方法和研究成果,以及仍然存在的問題;詳細(xì)闡述了粒子群算法的基本原理及在車間調(diào)度問題中的應(yīng)用。其次,根據(jù)粒子群算法和車間調(diào)度問題的特點(diǎn),對(duì)粒子群算法進(jìn)行了改進(jìn),把遺傳算法(GA)的交叉操作用于種群的更新,形成了離散的粒子群算法(DPSO);并對(duì)DPSO算法進(jìn)行了改進(jìn),引入局部搜索算法,使得算法可以在局部范圍內(nèi)實(shí)現(xiàn)精確搜索,增加額外的信息參考點(diǎn),提高了算法在全局范圍內(nèi)搜索最優(yōu)解的概率,形成了混合的粒子群算法(GSPSO)。再次,把GSPSO算法用于求解作業(yè)車間靜態(tài)調(diào)度問題。采用車間調(diào)度問題標(biāo)準(zhǔn)算例對(duì)混合粒子群算法的收斂速度進(jìn)行了驗(yàn)證,與其他算法進(jìn)行比較,證明了算法具有較好的收斂速度。并把混合算法用于解決其他一些車間調(diào)度問題,仿真結(jié)果表明該算法在求解車間調(diào)度問題上與其他類似算法相比具有一定競(jìng)爭(zhēng)力。最后,對(duì)動(dòng)態(tài)車間調(diào)度問題進(jìn)行了研究,采用滾動(dòng)窗口技術(shù)和基于事件驅(qū)動(dòng)的調(diào)度策略,考慮實(shí)際生產(chǎn)環(huán)境中新增緊急訂單、訂單取消與機(jī)器故障等常見動(dòng)態(tài)事件發(fā)生的情況,并對(duì)其進(jìn)行具體的分析;利用GSPSO算法對(duì)其進(jìn)行仿真實(shí)驗(yàn),把仿真結(jié)果與混合蟻群算法進(jìn)行比較,結(jié)果表明GSPSO算法能很好的處理調(diào)度過(guò)程中發(fā)生的動(dòng)態(tài)事件。
【關(guān)鍵詞】：粒子群算法 遺傳算法 動(dòng)態(tài)車間調(diào)度 事件驅(qū)動(dòng)策略
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TB497;TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-14
• 1.1 引言10
• 1.2 課題的研究背景及意義10-11
• 1.3 國(guó)內(nèi)外的研究現(xiàn)狀11-12
• 1.4 論文的主要內(nèi)容12-14
• 第二章 作業(yè)車間調(diào)度問題理論基礎(chǔ)14-26
• 2.1 引言14
• 2.2 車間調(diào)度問題14-24
• 2.2.1 車間調(diào)度問題的分類14-15
• 2.2.2 車間調(diào)度問題的特點(diǎn)15-16
• 2.2.3 車間調(diào)度問題的數(shù)學(xué)描述16-17
• 2.2.4 車間調(diào)度問題的評(píng)價(jià)指標(biāo)17-18
• 2.2.5 車間調(diào)度問題的表示方法18-20
• 2.2.6 車間調(diào)度問題的求解方法20-24
• 2.3 本章小結(jié)24-26
• 第三章 混合粒子群算法研究26-50
• 3.1 引言26
• 3.2 標(biāo)準(zhǔn)粒子群算法26-30
• 3.2.1 粒子群算法的數(shù)學(xué)模型26-28
• 3.2.2 粒子群算法的基本操作流程28-29
• 3.2.3 粒子群算法的研究現(xiàn)狀29-30
• 3.3 粒子群算法離散化30-32
• 3.3.1 離散粒子群算法（DPSO）30-31
• 3.3.2 DPSO算法求解JSP流程31-32
• 3.4 混合粒子群算法（GSPSO）32-41
• 3.4.1 局部搜索算法32-35
• 3.4.2 GSPSO算法求解JSP流程35-36
• 3.4.3 粒子編碼與解碼36-37
• 3.4.4 交叉操作的選擇37-39
• 3.4.5 變異操作的選擇39-41
• 3.5 GSPSO算法求解靜態(tài)車間調(diào)度問題41-47
• 3.5.1 問題的輸入輸出模型42
• 3.5.2 仿真實(shí)驗(yàn)42-47
• 3.6 本章小結(jié)47-50
• 第四章 混合粒子群算法在動(dòng)態(tài)車間調(diào)度問題中的應(yīng)用50-64
• 4.1 引言50
• 4.2 動(dòng)態(tài)車間調(diào)度問題50-53
• 4.2.1 動(dòng)態(tài)車間調(diào)度問題描述50-51
• 4.2.2 動(dòng)態(tài)調(diào)度問題分類51-52
• 4.2.3 動(dòng)態(tài)調(diào)度的研究方法52-53
• 4.3 動(dòng)態(tài)調(diào)度有關(guān)概念53-56
• 4.3.1 滾動(dòng)調(diào)度窗53-54
• 4.3.2 重調(diào)度穩(wěn)定性54-55
• 4.3.3 動(dòng)態(tài)調(diào)度策略55-56
• 4.4 動(dòng)態(tài)車間調(diào)度問題的求解56-59
• 4.4.1 動(dòng)態(tài)系統(tǒng)模型修復(fù)56-57
• 4.4.2 動(dòng)態(tài)事件的處理57-59
• 4.5 仿真實(shí)驗(yàn)59-62
• 4.6 本章小結(jié)62-64
• 第五章 總結(jié)與展望64-66
• 5.1 總結(jié)64-65
• 5.2 展望65-66
• 參考文獻(xiàn)66-70
• 攻讀碩士學(xué)位期間發(fā)表的論文70-72
• 致謝72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 劉勝輝;王麗紅;;求解車間作業(yè)調(diào)度問題的混合遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年29期

2 李莉;;基于自適應(yīng)參數(shù)與混沌搜索的PSO算法求解柔性作業(yè)車間調(diào)度問題[J];計(jì)算機(jī)應(yīng)用;2012年07期

，

本文編號(hào)：1082422