多种群遗传算法在消费性电子产品车间调度的应用
本文选题:遗传算法 切入点:多种群遗传算法 出处:《大连交通大学》2014年硕士论文
【摘要】:自从工业革命开始,世界逐步进入工业社会。工业生产能力成为各国综合国力的最重要指标,因此各国为能使自己富强,在工业生产领域投入巨大资源进行研究。尤其是二次世界大战后,各个工业强国相继使用信息化技术参与生产制造,进而产生国际化,全球化制造的格局,我国更是成为世界制造的工厂。为保持我国的在世界制造领域的份额,对工业生产更深入的研究刻不容缓。这其中生产车间的管理至关重要,尤其是车间调度问题就是其中最关键的突破点。车间调度就是将实际的生产问题经过抽取关键因素,简化成在一定资源和生产约束的前提下,合理调配生产设备,安排工件的生产加工顺序,在最短的时间内完成生产计划的问题。 以在全球最大的产品制造商——FOXCONN(富士康科技集团)工作期间进行消费性电子产品生产的经验为基础,结合改进的多种群遗传算法,对客观实际的一线车间调度问题进行研究。提出的新遗传算法在传统的单种群自适应遗传算法上,引入辅助种群形成多种群遗传算法。并从实际生产应用方面讨论了求解车间作业调度问题的标准遗传算法优缺点,认为改进的遗传算法在消费性电子产品车间生产调度中有较好的使用价值。有效的解决了遗传算法本身具有一些缺点,如局部搜索能力差,求解耗费时间长,算法运行后期的搜索效率较低,容易陷入“早熟收敛”的陷阱等问题。 本文实现了利用多种群遗传算法解决车间调度问题,并结合在烟台富士康消费性电子产品事业处(CCPBG) CNB-成型部门的生产SONY笔记本的工作经历进行评估。实际测试了算法的使用效率,并将改进的算法应用到实际生产调度模拟系统中,结果证明多种群遗传算法是可行的,求解速度较快,在CNB-成型1课的车间生产调度问题上有良好的实用性、高效性。显著提高了其中两条产线的生产效率,获得企业认可。
[Abstract]:Since the beginning of the industrial revolution, the world has gradually entered the industrial society. The industrial production capacity has become the most important indicator of the overall national strength of all countries, so that each country can make itself rich and strong. Great resources have been invested in the field of industrial production, especially after the second World War. After World War II, various industrial powers have successively used information technology to participate in production and manufacturing, thus creating a pattern of internationalization and globalization of manufacturing. In order to maintain our country's share in the world manufacturing field, it is imperative to study industrial production more deeply. Among these, the management of production workshops is of great importance. Especially the job shop scheduling problem is the most critical breakthrough point. Job shop scheduling is to extract the key factors from the actual production problem and simplify it into the rational deployment of production equipment under the premise of certain resources and production constraints. Arrange the production and processing order of the workpiece and complete the production plan in the shortest time. Based on experience in consumer electronics production during the work of Foxconn, the world's largest product manufacturer, combined with improved multi-population genetic algorithms, In this paper, the objective and practical first-line job-shop scheduling problem is studied. A new genetic algorithm is proposed, which is based on the traditional single-population adaptive genetic algorithm. The advantages and disadvantages of the standard genetic algorithm for solving job shop scheduling problems are discussed in terms of practical production applications. It is considered that the improved genetic algorithm has better use value in the shop shop scheduling of consumer electronic products. It effectively solves some disadvantages of genetic algorithm, such as poor local search ability and time-consuming solution. The search efficiency of the algorithm is low, and it is easy to fall into the trap of "premature convergence". In this paper, multi-population genetic algorithm is used to solve job shop scheduling problem. Combined with the working experience of producing SONY notebooks in the CNB- forming department of the Consumer Electronics Department of Yantai Foxconn, the efficiency of the algorithm is tested, and the improved algorithm is applied to the actual production scheduling simulation system. The results show that the multi-population genetic algorithm is feasible, the solution speed is fast, and it has good practicability and high efficiency in the shop shop scheduling problem of CNB-1 class. The production efficiency of two of the production lines has been improved significantly and the enterprises have approved it.
【学位授予单位】:大连交通大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TB497;TP18
【相似文献】
相关期刊论文 前10条
1 李逢高;启发式遗传算法[J];湖北工学院学报;2000年03期
2 徐耀群,沈继红,丁建利;一种改进的遗传算法及其应用[J];黑龙江商学院学报(自然科学版);2000年02期
3 王晓丽,孙萍;一种全局优化的计算方法──遗传算法[J];吉林建筑工程学院学报;2000年03期
4 李一峰,姜勇,王红星,卢毅,田新启,方秋华;基于遗传算法的变压器局部放电超声定位法[J];江苏电机工程;2000年04期
5 靖稳峰,魏红,段惠娣;遗传算法及其发展现状[J];西安工业学院学报;2000年03期
6 吴立成,陆震,于守谦,郑红;柔性杆子杆模型参数的遗传算法优化求解[J];北京航空航天大学学报;2001年01期
7 王凤儒,徐蔚文,王凤林;基于序值编码的遗传算法及其应用[J];电机与控制学报;2001年01期
8 杨斌,余岳峰,杜建军;改进的遗传算法在中期发电规划中的应用[J];电网技术;2001年08期
9 廖平,喻寿益;基于遗传算法的圆的半径测量[J];计量学报;2001年02期
10 吴镇,孙国正;遗传算法中的加速进化技术[J];同济大学学报(自然科学版);2001年12期
相关会议论文 前10条
1 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
2 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
3 林家恒;李国锋;田国会;刘长有;;遗传算法在旋转货架拣选优化中的应用[A];1996中国控制与决策学术年会论文集[C];1996年
4 史骏;裘聿皇;;遗传算法中基因排列方式对运行的影响[A];1996年中国控制会议论文集[C];1996年
5 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年
6 唐毅;葛运建;王定成;江建举;;遗传算法在运动员技术动作优化中的应用研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
7 文泾;朱玉文;;用遗传算法进行航线规划[A];全国第16届计算机科学与技术应用(CACIS)学术会议论文集[C];2004年
8 于春梅;黄玉清;杨胜波;;遗传算法在参数辨识中的应用进展[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
9 王志宏;王斌;;基于遗传算法的非确定性目标优化[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年
10 王晓东;刘全利;金吉凌;王伟;;基于序次优化策略的改进遗传算法[A];第二十三届中国控制会议论文集(下册)[C];2004年
相关重要报纸文章 前2条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
2 高雪娟;协同设计的平台策略[N];中国计算机报;2006年
相关博士学位论文 前10条
1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年
8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年
9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年
10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年
相关硕士学位论文 前10条
1 谷克;遗传算法在公路路线智能决策系统中的应用研究[D];长安大学;2008年
2 李艳娇;基于改进遗传算法的刚架结构截面力学特性参数优化的研究[D];吉林大学;2009年
3 任巍;求解极小碰集的遗传算法的研究与改进[D];吉林大学;2009年
4 王赫;混沌遗传算法在模式识别中的应用[D];东北电力大学;2009年
5 于蕾蕾;双种群遗传算法的改进及其应用研究[D];合肥工业大学;2009年
6 王婧;遗传算法及其在聚类分析中的应用[D];华中师范大学;2009年
7 胡文斯;基于遗传算法的车间作业调度问题的研究[D];中国海洋大学;2009年
8 吴明华;基于遗传算法的养护机械生产车间作业调度问题的研究[D];长安大学;2007年
9 尉钰;基于改进遗传算法的桥梁模型动力优化[D];长安大学;2007年
10 王银年;遗传算法的研究与应用[D];江南大学;2009年
,本文编号:1666075
本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/1666075.html