本文關鍵詞：基于多目標混合人工蜂群算法的能效優(yōu)化調(diào)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：制造車間能源利用率低下是困擾制造業(yè)進一步發(fā)展的難題，車間的節(jié)能減排問題一直是近些年的研究熱點。在實際生產(chǎn)中，減少機床等設備的閑置和等待時間，控制機床的最大功率以及能耗是提高車間設備利用率，減少有害氣體排放的有效方法之一。通過調(diào)度使各加工工序更加連續(xù)，有效的減少機床的閑置等待時間，在制造業(yè)中具有廣闊的應用前景。 絕大多數(shù)的調(diào)度問題屬于NP-hard問題，近年來群體智能算法在求解調(diào)度問題中顯示出了比較好的效果。本文設計了兩種改進的多目標混合人工蜂群算法來求解能效調(diào)度問題。該算法將人工蜂群算法的全局搜索能力與變鄰域搜索的局部搜索能力相結合，能有效的改善單一智能算法的搜索效果。本文理論結合實踐，將該算法依次應用于雙目標單機能效調(diào)度問題與多目標的置換流水車間能效調(diào)度問題研究中。 針對雙目標單機能效調(diào)度問題，引入了一種基于變鄰域搜索的局部搜索策略來進行跟隨蜂的鄰域搜索，并在此基礎上設計了基于Pareto排序的改進多目標混合人工蜂群算法。針對單機調(diào)度的具體問題，將機床停機狀態(tài)引入改進后的調(diào)度模型中，通過與改進前的模型結果進行比較，驗證了模型的有效性。同時針對多目標解集問題，引入了灰色關聯(lián)分析法，通過對各組解進行灰色關聯(lián)分析，可以方便從眾多可行解中選出最佳解。 置換流水車間中，受工件加工時間與加工順序的約束，車床在加工過程中存在大量的空載時間。傳統(tǒng)加工中機床總以最大速度運行，雖然能減少加工時間但是機床的有效利用率低下。基于以上問題，本文建立了基于能耗的置換流水車間調(diào)度模型，以總完工時間、總能耗以及加工過程中的最大峰值載荷為優(yōu)化目標，將機床的切削參數(shù)引入調(diào)度方案中，并針對此問題設計了實例模型。此外設計了變鄰域與模擬退火相結合的局部搜索策略，改進混合人工蜂群算法。通過對具體案例的研究，驗證了算法以及模型的可行性。 最后在前面幾章的基礎上，對全文進行了總結，對工作中需要進一步深入拓展的方面進行了分析與展望，，為后續(xù)的研究人員提供一點參考。
【關鍵詞】：能量優(yōu)化 多目標優(yōu)化 混合人工蜂群算法 灰色關聯(lián)分析
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP18;TH186
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 課題概述9-10
• 1.2 能效調(diào)度研究背景以現(xiàn)狀10-13
• 1.3 群體智能優(yōu)化與人工蜂群算法13-14
• 1.4 論文研究的主要體系結構14-15
• 2 多目標人工蜂群算法15-23
• 2.1 多目標優(yōu)化問題及其決策15-17
• 2.2 人工蜂群算法的基本模型17-18
• 2.3 人工蜂群算法的基本步驟18-21
• 2.4 人工蜂群算法的基本特點21-22
• 2.5 本章小結22-23
• 3 基于多目標人工蜂群算法的單機能效調(diào)度模型23-44
• 3.1 單機能耗調(diào)度問題模型23-24
• 3.2 基于 Pareto 的改進 MOHABC24-35
• 3.3 灰色關聯(lián)分析法選擇最優(yōu) Pareto 解35-37
• 3.4 混合人工蜂群算法求解雙目標能耗調(diào)度實例37-43
• 3.5 本章小結43-44
• 4 基于多目標人工蜂群算法的置換流水車間能效調(diào)度優(yōu)化44-57
• 4.1 基于能效優(yōu)化的置換流水車間調(diào)度模型44-47
• 4.2 基于三個目標的人工蜂群算法47-49
• 4.3 實物模型描述49-56
• 4.4 結論56-57
• 5 全文總結與展望57-59
• 5.1 全文總結57
• 5.2 工作展望57-59
• 致謝59-60
• 參考文獻60-65
• 附錄 攻讀碩士學位期間發(fā)表論文65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 邢春峰,柳重堪;聯(lián)想記憶系統(tǒng)的學習算法設計(I)[J];北京聯(lián)合大學學報;1998年03期

2 王芳;劉軍;謝克明;;利用子群體遷徙的思維進化算法設計[J];中北大學學報(自然科學版);2011年03期

3 劉文哲;芻議算法在程序設計中的重要性[J];西安航空技術高等�？茖W校學報;2003年03期

4 楊玉婷;史玉回;夏順仁;;基于討論機制的頭腦風暴優(yōu)化算法[J];浙江大學學報(工學版);2013年10期

5 薛弘曄;浮動連桿上浮動點軌跡的 CAD 算法的改進[J];陜西工學院學報;1997年02期

6 李士勇;王青;;求解連續(xù)空間優(yōu)化問題的擴展粒子蟻群算法[J];測試技術學報;2009年04期

7 金曦;姜治宇;張雪;鄧慶緒;;重特大事故人員疏散算法設計及系統(tǒng)實現(xiàn)[J];東北大學學報(自然科學版);2013年10期

8 陳松喬;;微型計算機中西文表格自動處理軟件的算法設計[J];中南礦冶學院學報;1986年05期

9 李慶勝;;用微機進行強度預報的因素選擇和算法設計[J];水泥;1986年12期

10 韓光鵬;城市最優(yōu)乘車方案算法的研究[J];武漢理工大學學報;2004年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設計與實現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機動目標跟蹤的模糊變結構交互多模算法[A];2007'中國儀器儀表與測控技術交流大會論文集（二）[C];2007年

3 徐子珊;;《算法設計與分析》課程中的工程教育[A];2005年全國理論計算機科學學術年會論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設計的安全系統(tǒng)[A];2007年中國智能自動化會議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實踐教學模式在本科專業(yè)課程教學中的應用[A];中國電子教育學會高教分會2010年論文集[C];2010年

6 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設計[A];2006中國控制與決策學術年會論文集[C];2006年

7 李皓;羅熊;;云存儲部署優(yōu)化的進化算法設計[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

8 羅長政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

9 楊利;李霖;昌月樓;陽國貴;;對稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進展95——第十三屆全國數(shù)據(jù)庫學術會議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運行算法的研究[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 ;算法設計的策略[N];電腦報;2003年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 谷偉哲;齊次光滑算法及其應用[D];天津大學;2010年

2 龍海俠;進化算法及其在生物信息中的應用[D];江南大學;2010年

3 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學;2013年

4 尤海峰;求解隱式目標優(yōu)化問題的交互式進化算法研究[D];中國科學技術大學;2011年

5 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設計與優(yōu)化[D];中國科學技術大學;2014年

6 郭崇慧;地區(qū)中長期發(fā)展規(guī)劃若干定量模型、算法及應用研究[D];大連理工大學;2002年

7 蔣蔚;粒子濾波改進算法研究與應用[D];哈爾濱工業(yè)大學;2010年

8 孫賀;算法設計中的若干前沿問題[D];復旦大學;2009年

9 陳寧濤;基于二分技術的高效算法設計及其應用[D];華中科技大學;2006年

10 婁曉文;無符號基因組切割再粘貼重組問題的算法研究[D];山東大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 穆強;基于熵的K-匿名屬性泛化算法研究[D];南京信息工程大學;2011年

2 韓孟江;集裝箱配載關鍵問題的高效能求解算法[D];電子科技大學;2011年

3 王帆;面向高維及多目標的協(xié)同細菌覓食算法研究[D];大連理工大學;2013年

4 高媛;解兩類全局優(yōu)化問題的新算法[D];西安電子科技大學;2013年

5 肖立;智能算法在對地觀測計劃制定中的應用[D];中國科學院研究生院（空間科學與應用研究中心）;2008年

6 陳丹;基于遺傳聚類的社團發(fā)現(xiàn)算法研究[D];西南交通大學;2014年

7 劉源;基于云計算的分布式推薦引擎算法研究[D];電子科技大學;2013年

8 解英文;基于蟻群算法的網(wǎng)絡路由算法[D];山東大學;2009年

9 李海生;蜂群算法及其在垂直Web搜索中的應用[D];廣州大學;2010年

10 張洪亮;基于粒子濾波的車道標識線檢測與跟蹤算法的設計與實現(xiàn)[D];東北大學;2008年

  本文關鍵詞：基于多目標混合人工蜂群算法的能效優(yōu)化調(diào)度研究，由筆耕文化傳播整理發(fā)布。

本文編號：284083