本文關(guān)鍵詞：基于改進平滑自適應(yīng)蟻群算法的Job shop調(diào)度方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學技術(shù)的發(fā)展，制造業(yè)的生產(chǎn)規(guī)模越來越大，生產(chǎn)環(huán)境更加復(fù)雜多變。生產(chǎn)車間調(diào)度問題通過合理的調(diào)度決策，可以提高機器利用率，降低生產(chǎn)成本，最小化完工時間，從而提高企業(yè)的生產(chǎn)效率和經(jīng)濟效益，從而被制造業(yè)廣泛關(guān)注，是其生產(chǎn)加工的核心環(huán)節(jié)。 各種智能優(yōu)化算法不斷的被提出并應(yīng)用在求解車間調(diào)度問題上，從而使得車間調(diào)度問題得到了很大的提高。其中，蟻群算法（ACO）根據(jù)自然界中的螞蟻在尋找食物源的機理，通過人工螞蟻不斷的迭代，從而尋找最優(yōu)解。該算法通過正反饋原理以及各個螞蟻之間進行相互的信息素更新和傳遞，使它們在搜索過程中相互協(xié)作，便于發(fā)現(xiàn)較優(yōu)解，因此特別適合解決JSSP問題。 本文針對Job shop調(diào)度的特點和蟻群算法自身易陷入局部最優(yōu)和收斂速度慢的問題，提出一種平滑自適應(yīng)Job shop車間調(diào)度蟻群算法。在信息素更新過程中采用獎懲措施加快算法的收斂速度，當算法陷入局部最優(yōu)時，采用平滑機制對信息素的揮發(fā)系數(shù)進行調(diào)整，擴大螞蟻的搜索范圍，進而使算法“跳出陷阱”，提高算法的全局搜索能力；根據(jù)各路徑上的信息素多少進行自適應(yīng)調(diào)整，有助于提高算法收斂速度。在自適應(yīng)參數(shù)更新過程中，根據(jù)算法的實驗性能將參數(shù)值進行適當?shù)恼{(diào)整，根據(jù)其他學者的研究經(jīng)驗，當算法運行至總迭代次數(shù)的1/4時，對參數(shù)進行更改。仿真結(jié)果驗證了算法的可行性和有效性。 蟻群算法的優(yōu)化結(jié)果以及求解效率受參數(shù)α、 β、 ρ、 Q、 m的影響非常大，它們值的大小對蟻群算法的性能起到?jīng)Q定性作用。本文對平滑自適應(yīng)蟻群算法中的主要參數(shù)α、 β、 ρ、 Q、 m進行分析和仿真研究，，并得出它們對算法的影響程度及規(guī)律。 針對生產(chǎn)規(guī)模擴大，單車間生產(chǎn)模式無法滿足時代需求的問題，本文將改進平滑自適應(yīng)蟻群算法應(yīng)用到分布式多車間調(diào)度中，并將結(jié)果與其它算法進行對比，結(jié)果表明該算法在運行時間和搜索最優(yōu)解等方面都有所提高。
【關(guān)鍵詞】：改進蟻群算法 Job shop調(diào)度 平滑機制 雙向收斂策略
【學位授予單位】：沈陽工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH186;TP18
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-20
• 1.1 研究背景及意義11-12
• 1.2 生產(chǎn)調(diào)度的描述12-15
• 1.2.1 生產(chǎn)調(diào)度的分類13-14
• 1.2.2 生產(chǎn)調(diào)度的特點14-15
• 1.3 國內(nèi)外現(xiàn)狀15-19
• 1.3.1 作業(yè)車間調(diào)度問題研究現(xiàn)狀15-18
• 1.3.2 蟻群算法的研究現(xiàn)狀18-19
• 1.4 本文的主要內(nèi)容及章節(jié)安排19-20
• 第二章 作業(yè)車間調(diào)度問題分析20-30
• 2.1 作業(yè)車間調(diào)度問題描述20-25
• 2.2 作業(yè)車間問題的分類25-27
• 2.3 作業(yè)車間調(diào)度問題的模型27-29
• 2.4 本章小結(jié)29-30
• 第三章 車間調(diào)度的蟻群算法研究30-34
• 3.1 蟻群算法的基本原理30-31
• 3.2 蟻群算法的特征31-32
• 3.3 蟻群算法的幾種改進32-33
• 3.3.1 改進信息素更新方式32-33
• 3.3.2 改進路徑搜索策略33
• 3.3.3 與其他算法結(jié)合33
• 3.4 本章小結(jié)33-34
• 第四章 一類平滑自適應(yīng)蟻群算法的設(shè)計與實驗34-44
• 4.1 工序轉(zhuǎn)移規(guī)則34-35
• 4.2 改進信息素更新策略35-36
• 4.3 自適應(yīng)參數(shù)更新策略36
• 4.4 算法實現(xiàn)36-38
• 4.5 仿真結(jié)果及分析38-43
• 4.5.1 15×5 基準問題的測試與比較38-41
• 4.5.2 20×5 基準問題的測試與比較41-43
• 4.6 本章小結(jié)43-44
• 第五章 參數(shù)對性能影響分析44-56
• 5.1 信息素啟發(fā)式因子α44-46
• 5.2 信息素自啟發(fā)式因子β46-48
• 5.3 信息素的揮發(fā)系數(shù)ρ48-50
• 5.4 總信息素 Q50-52
• 5.5 螞蟻數(shù)目 m52-55
• 5.6 本章小結(jié)55-56
• 第六章 分布式多車間調(diào)度方法研究56-61
• 6.1 問題的描述56-58
• 6.2 分布式多車間調(diào)度蟻群算法設(shè)計58-60
• 6.2.1 算法設(shè)計思路58
• 6.2.2 算法實現(xiàn)58-60
• 6.3 本章小結(jié)60-61
• 第七章 總結(jié)與展望61-63
• 7.1 總結(jié)61
• 7.2 展望61-63
• 參考文獻63-66
• 在學研究成果66-67
• 致謝67

【參考文獻】

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 宋存利;生產(chǎn)調(diào)度問題及其智能優(yōu)化算法研究[D];大連理工大學;2011年

2 張超勇;基于自然啟發(fā)式算法的作業(yè)車間調(diào)度問題理論與應(yīng)用研究[D];華中科技大學;2007年

3 張國輝;柔性作業(yè)車間調(diào)度方法研究[D];華中科技大學;2009年

  本文關(guān)鍵詞：基于改進平滑自適應(yīng)蟻群算法的Job shop調(diào)度方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：506720