本文選題：分散搜索算法 + 混流裝配線��； 參考：《華中科技大學(xué)》2011年碩士論文

【摘要】：伴隨著經(jīng)濟(jì)的全球化發(fā)展,用戶需求越來越趨向于多樣化、個性化,制造業(yè)已經(jīng)發(fā)展為由傳統(tǒng)的大批量生產(chǎn)模式轉(zhuǎn)變?yōu)槎嗥贩N中小批量生產(chǎn)模式。多品種混流裝配線正是實(shí)現(xiàn)多品種中小批量生產(chǎn)的有效途徑�；炝餮b配線排序問題是車間調(diào)度的一個分支,是實(shí)現(xiàn)混流生產(chǎn)的關(guān)鍵問題之一,對投產(chǎn)順序的優(yōu)化可以降低在制品庫存,縮短交貨期,提高混流裝配線運(yùn)作效率,從而提高企業(yè)的競爭力。由于其具有很高的工程應(yīng)用遠(yuǎn)景而優(yōu)化求解又十分復(fù)雜,長期以來一直是制造與學(xué)術(shù)界關(guān)心的熱點(diǎn)問題。 為了解決制造企業(yè)中混流裝配線投產(chǎn)排序時(shí)面臨的實(shí)際問題,達(dá)到縮短裝配時(shí)間,提高生產(chǎn)效率的目的,本文從工作站生產(chǎn)負(fù)荷和基于JIT的時(shí)間優(yōu)化兩個方面,提出了包括:最小化工作站的閑置與超載時(shí)間、最小化總調(diào)整變換時(shí)間、交貨期滿意度、保持各零部件消耗速率均勻優(yōu)化目標(biāo),建立了相應(yīng)的多目標(biāo)數(shù)學(xué)模型。 為了滿足企業(yè)高效、快速的求解多目標(biāo)模型的需求,本文首先運(yùn)用了加權(quán)權(quán)重法對多目標(biāo)模型進(jìn)行處理;設(shè)計(jì)了一種改進(jìn)分散搜索算法,該算法首次提出了一種基于遺傳理論的多樣性初始解生成法,不僅保證了初始種群的多樣性而且為參考集提供了高質(zhì)量的初始解。同時(shí),設(shè)計(jì)了參考集生成更新方法、子集產(chǎn)生方法、子集合并方法和優(yōu)化解方法等多種機(jī)制。 加權(quán)權(quán)重法權(quán)重系數(shù)的選擇缺乏一定的理論基礎(chǔ),所得解不全是非支配解,而多目標(biāo)進(jìn)化算法則可以得到一個非支配解集供決策者選擇。鑒于此,本文還提出了一種多目標(biāo)分散搜索算法�；诜稚⑺阉鞯娜嵝钥蚣苤匦略O(shè)計(jì)了部分子方法用于實(shí)現(xiàn)對多目標(biāo)的求解。 針對兩種多目標(biāo)處理方法,本文分別對其進(jìn)行了驗(yàn)證。對改進(jìn)分散搜索算法,將其與HA、GA等算法的性能進(jìn)行比較,證明該方法保持了種群的多樣性,又尋求到了質(zhì)量較高的滿意解。通過對多目標(biāo)分散搜索算法與多目標(biāo)遺傳算法的驗(yàn)證結(jié)果進(jìn)行對比,表明多目標(biāo)分散搜索算法所得的非支配解集能夠很好的逼近了Pareto前沿,同時(shí)也具有很好的分散性。 最后,對全文工作進(jìn)行了總結(jié)并提出了一些未來發(fā)展的方向。
[Abstract]:With the development of global economy, the user's demand is more and more diversified and individualized. The manufacturing industry has developed into the traditional mass production mode to transform the multi-variety medium and small batch production mode. Multi-variety mixed-flow assembly line is an effective way to realize multi-variety medium-and-small batch production. The scheduling problem of mixed-flow assembly line is a branch of workshop scheduling and one of the key problems to realize mixed-flow production. The optimization of production sequence can reduce the in-process inventory, shorten the delivery time, and improve the operation efficiency of mixed-flow assembly line. In order to improve the competitiveness of enterprises. Because of its high prospect of engineering application and the complexity of optimization, optimization has long been a hot issue in manufacturing and academic circles. In order to solve the practical problems in the scheduling of mixed-flow assembly lines in manufacturing enterprises, to shorten assembly time and improve production efficiency, this paper focuses on two aspects: workstation production load and time optimization based on JIT. It includes minimizing idle and overload time of workstation, minimizing the total adjustment and transformation time, the satisfaction of delivery time, keeping the consumption rate of parts and components evenly optimized, and establishing the corresponding multi-objective mathematical model. In order to meet the needs of enterprises to solve the multi-objective model efficiently and quickly, this paper first uses the weighted weight method to deal with the multi-objective model, and designs an improved decentralized search algorithm. This algorithm proposes for the first time a genetic theory-based initial solution generation method for diversity, which not only guarantees the diversity of the initial population, but also provides a high quality initial solution for the reference set. At the same time, several mechanisms are designed, such as reference set generation updating method, subset generation method, subset merging method and optimization solution method. The selection of weight coefficients in the weighted weight method lacks a certain theoretical basis, and the resulting solutions are not all non-dominated solutions, while the multi-objective evolutionary algorithm can obtain a set of undominated solutions for decision makers to choose. In view of this, this paper also proposes a multi-objective decentralized search algorithm. The flexible framework based on decentralized search is redesigned to solve multi-objective problem using partial submethod. Two multi-objective processing methods are verified in this paper. The performance of the improved decentralized search algorithm is compared with that of HAGA-algorithm. It is proved that the proposed method maintains the diversity of population and finds a satisfactory solution of high quality. By comparing the results of the multi-objective decentralized search algorithm with the multi-objective genetic algorithm, it is shown that the non-dominated solution set obtained by the multi-objective decentralized search algorithm can approach the Pareto frontier well, and it also has a good dispersion. Finally, the paper summarizes the work and puts forward some directions for future development.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH186

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉剛;彭春華;相龍陽;;采用改進(jìn)型多目標(biāo)粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度[J];電網(wǎng)技術(shù);2011年07期

2 陶友瑞;韓旭;姜潮;劉迎春;;一種基于線性物理規(guī)劃和兩級集成系統(tǒng)綜合方法的多目標(biāo)多學(xué)科優(yōu)化方法[J];中國機(jī)械工程;2011年11期

3 舒冬;姚松;;基于微分進(jìn)化算法的列車吸能方管結(jié)構(gòu)耐撞性多目標(biāo)優(yōu)化設(shè)計(jì)[J];鐵道科學(xué)與工程學(xué)報(bào);2011年02期

4 劉婷;;變點(diǎn)交叉多目標(biāo)遺傳算法在作業(yè)車間調(diào)度中的應(yīng)用[J];大連交通大學(xué)學(xué)報(bào);2011年04期

5 張武;陳劍;;基于灰色粒子群算法的發(fā)動機(jī)懸置系統(tǒng)多目標(biāo)優(yōu)化設(shè)計(jì)[J];機(jī)械設(shè)計(jì);2011年08期

6 李佳澤;李應(yīng)岐;徐姍;;基于混合算法的無人機(jī)路徑規(guī)劃[J];四川兵工學(xué)報(bào);2011年06期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)會議論文 前10條

1 蔡苗;王峰年;楊少霞;;JIT生產(chǎn)模式下混流轎車總裝配線上的物料配送[A];先進(jìn)制造技術(shù)論壇暨第五屆制造業(yè)自動化與信息化技術(shù)交流會論文集[C];2006年

2 李俊峰;戴文戰(zhàn);;基于遺傳算法和灰色關(guān)聯(lián)度的多目標(biāo)問題求解方法研究[A];第25屆中國控制會議論文集（上冊）[C];2006年

3 曹振新;趙浩興;;混流汽車總裝過程的物料協(xié)同控制與管理信息系統(tǒng)研究[A];全國先進(jìn)制造技術(shù)高層論壇暨第七屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2008年

4 薛廷河;彭延飛;石慶冬;鄒登亮;;灰色系統(tǒng)理論在巖土工程爆破中的應(yīng)用[A];世紀(jì)之交軟巖工程技術(shù)現(xiàn)狀與展望[C];1999年

5 閆書麗;肖新平;;混合型多屬性決策的一種新方法[A];2006年灰色系統(tǒng)理論及其應(yīng)用學(xué)術(shù)會議論文集[C];2006年

6 金燦;鄭利平;劉曉平;;有限元領(lǐng)域中基于遺傳算法的模型態(tài)選擇[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

7 陳波;楊慶山;武岳;沈世釗;;多目標(biāo)等效靜風(fēng)荷載分析方法研究[A];第十四屆全國結(jié)構(gòu)風(fēng)工程學(xué)術(shù)會議論文集（中冊）[C];2009年

8 王高平;王永驥;;多目標(biāo)問題的游戲模型并行共同進(jìn)化算法[A];2006年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會議論文集（三）[C];2006年

9 葉青;熊偉清;李綱;;多目標(biāo)優(yōu)化的多種群混合行為二元蟻群算法[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

10 朱廣為;;多群體協(xié)同進(jìn)化算法及其在經(jīng)濟(jì)調(diào)度中的應(yīng)用[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

相關(guān)重要報(bào)紙文章 前5條

1 徐以升;央行：貨幣政策堅(jiān)持多目標(biāo)[N];第一財(cái)經(jīng)日報(bào);2007年

2 ;《分層次和多目標(biāo)抽樣調(diào)查方法研究》簡介[N];中國信息報(bào);2002年

3 王俊 詹曉敏;東風(fēng)特種車異軍突起[N];經(jīng)理日報(bào);2002年

4 邱東山;聯(lián)手雷諾東風(fēng)打造強(qiáng)力“心臟”[N];中國商報(bào);2002年

5 國務(wù)院發(fā)展研究中心副主任 魯志強(qiáng);郵政：抓住機(jī)遇 推進(jìn)改革[N];中國郵政報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 鄭林江;基于智能對象的混流裝配線敏捷生產(chǎn)管理技術(shù)研究[D];重慶大學(xué);2010年

2 劉毅;面向人群的并行多目標(biāo)疏散模型研究[D];武漢理工大學(xué);2012年

3 楊開兵;基于進(jìn)化計(jì)算的多目標(biāo)流水車間批組調(diào)度問題研究[D];大連理工大學(xué);2011年

4 許可;面向生態(tài)保護(hù)和恢復(fù)的梯級水電站聯(lián)合優(yōu)化調(diào)度研究[D];華中科技大學(xué);2011年

5 葉亞麗;公路智能選線與決策支持系統(tǒng)研究及開發(fā)[D];長安大學(xué);2010年

6 劉愛軍;離散制造車間多生產(chǎn)模式下作業(yè)調(diào)度研究[D];重慶大學(xué);2011年

7 郭秀萍;多目標(biāo)進(jìn)化算法及其在制造系統(tǒng)中的應(yīng)用研究[D];上海交通大學(xué);2007年

8 聶書志;基于DNA遺傳算法的協(xié)同制造資源優(yōu)化配置技術(shù)研究[D];華南理工大學(xué);2010年

9 尚兆霞;多目標(biāo)投資組合問題優(yōu)化模型與多目標(biāo)策略研究[D];山東師范大學(xué);2011年

10 王楠;基于實(shí)時(shí)狀態(tài)信息的混流裝配生產(chǎn)優(yōu)化與仿真技術(shù)研究[D];華中科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王文璽;基于分散搜索的多目標(biāo)混流裝配線排序問題研究[D];華中科技大學(xué);2011年

2 宋春雷;混流裝配線平衡與投產(chǎn)排序研究[D];大連理工大學(xué);2012年

3 陳昊;準(zhǔn)時(shí)制生產(chǎn)方式下多目標(biāo)單機(jī)調(diào)度算法研究[D];合肥工業(yè)大學(xué);2010年

4 韓麗莎;混流裝配線投產(chǎn)排序優(yōu)化設(shè)計(jì)[D];大連理工大學(xué);2012年

5 劉賀;基于目標(biāo)滿意度的多目標(biāo)調(diào)運(yùn)過程仿真研究[D];哈爾濱工程大學(xué);2010年

6 姚瑤;電力系統(tǒng)多目標(biāo)混合優(yōu)化調(diào)度問題研究[D];哈爾濱工業(yè)大學(xué);2011年

7 裴旭;基于多目標(biāo)智能算法的節(jié)能減排發(fā)電調(diào)度研究[D];浙江大學(xué);2012年

8 楊瑩;基于Petri網(wǎng)的混流裝配線調(diào)度問題研究[D];燕山大學(xué);2012年

9 唐文婷;基于GA-TS混合算法的混流裝配線的排產(chǎn)研究[D];天津理工大學(xué);2012年

10 李嘉炎;基于蟻群算法的多目標(biāo)物流車輛調(diào)度問題研究[D];華南理工大學(xué);2011年

，

本文編號：1829480