發(fā)布時(shí)間：2018-03-16 01:36

  本文選題：車間調(diào)度問(wèn)題　切入點(diǎn)：差分進(jìn)化算法　出處：《沈陽(yáng)工業(yè)大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：調(diào)度是一個(gè)決策的過(guò)程,它在制造和生產(chǎn)系統(tǒng)中扮演著重要的角色。作業(yè)車間調(diào)度問(wèn)題是一類非常重要的生產(chǎn)調(diào)度問(wèn)題,具有廣泛的實(shí)際應(yīng)用背景。然而車間調(diào)度是一類典型的組合優(yōu)化問(wèn)題,具有NP難特征。盡管迄今人們提出很多種調(diào)度算法,然而由于調(diào)度問(wèn)題本身的復(fù)雜性以及應(yīng)用環(huán)境的日趨復(fù)雜,有必要對(duì)車間調(diào)度問(wèn)題進(jìn)行進(jìn)一步研究。差分進(jìn)化算法屬于群體智能優(yōu)化算法,進(jìn)行并行、隨機(jī)的搜索操作。其在對(duì)大規(guī)模問(wèn)題進(jìn)行優(yōu)化時(shí),具有收斂速度快、準(zhǔn)確性高的優(yōu)點(diǎn)。雖然差分進(jìn)化算法具有高效特性,但因本身具有連續(xù)特性,當(dāng)應(yīng)用于求解調(diào)度問(wèn)題時(shí),需要對(duì)其進(jìn)行離散化后才可以應(yīng)用。為此本文針對(duì)車間調(diào)度的特點(diǎn),對(duì)差分進(jìn)化算法進(jìn)行深入研究,并分別對(duì)典型作業(yè)車間調(diào)度問(wèn)題以及分布式車間調(diào)度問(wèn)題進(jìn)行具體研究。針對(duì)作業(yè)調(diào)度問(wèn)題,本文結(jié)合國(guó)內(nèi)外研究現(xiàn)狀,深入分析作業(yè)車間調(diào)度問(wèn)題的結(jié)構(gòu)特點(diǎn)和算法的基本原理對(duì)算法做了兩方面的更改。首先在變異操作中,采用了自適應(yīng)變異因子。自適應(yīng)變異因子可以根據(jù)迭代次數(shù)的增加,動(dòng)態(tài)調(diào)整算法的性能,在迭代初期保證種群的多樣性,在迭代后期避免算法對(duì)最優(yōu)解的盲目更改。其次根據(jù)交叉操作基本原理,通過(guò)更改提供父輩的方式,對(duì)試驗(yàn)個(gè)體每個(gè)不可行位進(jìn)行重新選擇,使交叉操作可以直接產(chǎn)生可行調(diào)度解。對(duì)于分布式車間調(diào)度,在深入研究的基礎(chǔ)上,增加對(duì)工廠的選擇操作。為了驗(yàn)證所提出算法的可行性,將本文所提出算法記為DE1。將交叉操作產(chǎn)生不可行解時(shí)只進(jìn)行隨機(jī)生成可行解的離散差分進(jìn)化算法記為DE2。本文以VC++6.0和MATLAB綜合作為仿真環(huán)境。首先利用MATLAB豐富的庫(kù)函數(shù)對(duì)差分進(jìn)化算法進(jìn)行實(shí)現(xiàn),對(duì)于車間調(diào)度問(wèn)題生成甘特圖部分,由于運(yùn)算量十分龐大,本文運(yùn)用MEX文件調(diào)用C語(yǔ)言,利用C語(yǔ)言高效的運(yùn)算能力進(jìn)行求解,縮短算法的仿真時(shí)間。利用DE1、DE2算法分別對(duì)FT06、FT10、LA01、LA06、LA11和分布式車間調(diào)度問(wèn)題實(shí)例進(jìn)行仿真。結(jié)果表明所提出離散差分進(jìn)化算法應(yīng)用到作業(yè)調(diào)度問(wèn)題的可行性和高效性。
[Abstract]:Scheduling is a decision-making process, it plays an important role in manufacturing and production systems. Job shop scheduling problem is a very important production scheduling problem. However, job shop scheduling is a typical combinatorial optimization problem with NP-hard characteristics. Although so far, many scheduling algorithms have been proposed. However, due to the complexity of the scheduling problem itself and the increasing complexity of the application environment, it is necessary to further study the job shop scheduling problem. Random search operation. It has the advantages of fast convergence and high accuracy in optimizing large-scale problems. Although the differential evolution algorithm has the characteristics of high efficiency, but because of its own continuous characteristics, when it is applied to solve scheduling problems, It needs to be discretized before it can be applied. In this paper, according to the characteristics of job shop scheduling, the differential evolution algorithm is deeply studied. The typical job shop scheduling problem and the distributed job shop scheduling problem are studied respectively. The structural characteristics of the job shop scheduling problem and the basic principle of the algorithm are analyzed in depth. Firstly, the adaptive mutation factor is adopted in the mutation operation. The adaptive variation factor can be increased according to the number of iterations. By dynamically adjusting the performance of the algorithm, the diversity of the population is guaranteed at the early stage of iteration, and the blind change of the optimal solution is avoided at the later stage of iteration. Secondly, according to the basic principle of crossover operation, the method of providing the parent through the change is proposed. Each unfeasible bit is re-selected so that the crossover operation can directly produce feasible scheduling solutions. For distributed job shop scheduling, based on the in-depth study, To verify the feasibility of the proposed algorithm, The algorithm proposed in this paper is described as DE1.The discrete differential evolutionary algorithm (DDA), which only generates the feasible solution at random when the cross operation produces the infeasible solution, is denoted as DE2.In this paper, VC 6.0 and MATLAB synthesis are used as the simulation environment. Firstly, the rich library of MATLAB is used as the simulation environment. Function to realize the differential evolution algorithm, For the Gantt graph part of the job shop scheduling problem, because of the huge amount of computation, this paper uses MEX file to call C language, and makes use of C language's efficient computing ability to solve the problem. The simulation time of the algorithm is shortened. The examples of FT06X / FT10L / LA06 / LA11 and distributed job shop scheduling problem are simulated using DE1DE2 algorithm, respectively. The results show that the proposed discrete differential evolution algorithm is feasible and efficient in job scheduling problems.
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TB497

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王艷宜;;改進(jìn)差分進(jìn)化算法及其應(yīng)用[J];機(jī)械設(shè)計(jì)與研究;2010年05期

2 張鵬;;基于差分進(jìn)化的混合地面等待優(yōu)化策略[J];桂林航天工業(yè)高等�？茖W(xué)校學(xué)報(bào);2012年03期

3 寧桂英;周永權(quán);;一種求解二重積分的差分進(jìn)化算法[J];哈爾濱理工大學(xué)學(xué)報(bào);2013年02期

4 王惠卿;;結(jié)合機(jī)械設(shè)計(jì)約束處理的差分進(jìn)化算法[J];電子制作;2013年13期

5 蔡亮;楊啟文;岳興漢;;一種基于混合差分策略的改進(jìn)差分進(jìn)化算法[J];河海大學(xué)常州分校學(xué)報(bào);2007年04期

6 譚躍;譚冠政;;混沌局部搜索策略的差分進(jìn)化算法[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

7 萬(wàn)東;;差分進(jìn)化算法研究及其應(yīng)用[J];科學(xué)技術(shù)與工程;2009年22期

8 喬英;高岳林;江巧永;;一種新局部搜索策略的差分進(jìn)化算法[J];太原理工大學(xué)學(xué)報(bào);2011年04期

9 曲福恒;胡雅婷;楊勇;谷欣超;;改進(jìn)差分進(jìn)化算法及其在模糊聚類分析中的應(yīng)用[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

10 黃林峰;;基于離散差分進(jìn)化算法的多維0/1背包問(wèn)題求解[J];硅谷;2012年20期

相關(guān)會(huì)議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個(gè)體排序的差分進(jìn)化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

3 張倩;李海港;;多目標(biāo)問(wèn)題的差分進(jìn)化算法研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進(jìn)化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國(guó)運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

5 劉國(guó)帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國(guó)水文科技新發(fā)展——2012中國(guó)水文學(xué)術(shù)討論會(huì)論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽(yáng)春華;;一種改進(jìn)的多目標(biāo)差分進(jìn)化算法研究[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進(jìn)差分進(jìn)化算法的脈沖控制方法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

8 袁沈堅(jiān);顧幸生;;基于差分進(jìn)化的膜計(jì)算優(yōu)化算法[A];上海市化學(xué)化工學(xué)會(huì)2010年度學(xué)術(shù)年會(huì)論文集（自動(dòng)化專題）[C];2010年

9 姜立強(qiáng);郭錚;劉光斌;;差分進(jìn)化算法縮放因子取值策略研究[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進(jìn)差分進(jìn)化算法的PID參數(shù)優(yōu)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進(jìn)化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 陳盈果;面向任務(wù)的快速響應(yīng)空間衛(wèi)星部署優(yōu)化設(shè)計(jì)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 謝宇;差分進(jìn)化的若干問(wèn)題及其應(yīng)用研究[D];南京理工大學(xué);2015年

4 丁青鋒;基于元胞自動(dòng)機(jī)的差分進(jìn)化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

5 賈東立;改進(jìn)的差分進(jìn)化算法及其在通信信號(hào)處理中的應(yīng)用研究[D];上海大學(xué);2011年

6 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

7 郭鵬;差分進(jìn)化算法改進(jìn)研究[D];天津大學(xué);2012年

8 王旭;改進(jìn)差分進(jìn)化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

9 董明剛;基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

10 王天意;大地電磁迭代有限元與改進(jìn)差分進(jìn)化正反演算法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進(jìn)化算法在油田開(kāi)發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬(wàn)婧;基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問(wèn)題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進(jìn)化算法的混凝土德拜模型的研究[D];長(zhǎng)安大學(xué);2015年

4 江華;差分進(jìn)化算法的改進(jìn)及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 周志剛;基于差分進(jìn)化算法的信用風(fēng)險(xiǎn)度量模型研究[D];華中師范大學(xué);2015年

6 任甜甜;差分進(jìn)化算法在反演問(wèn)題中的研究與應(yīng)用[D];新疆大學(xué);2015年

7 楊洋;基于差分進(jìn)化的模糊C-均值聚類算法研究[D];電子科技大學(xué);2015年

8 王丹;基于輔助函數(shù)的自適應(yīng)差分進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

9 劉家華;基于進(jìn)化計(jì)算的軋制生產(chǎn)過(guò)程操作優(yōu)化算法與系統(tǒng)開(kāi)發(fā)[D];東北大學(xué);2013年

10 王旦平;圓形對(duì)稱振子陣列天線基于差分進(jìn)化算法的綜合[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1617782