基于改进遗传算法的多工艺路线及批量生产车间作业调度优化

发布时间：2017-04-30 23:06

  本文关键词：基于改进遗传算法的多工艺路线及批量生产车间作业调度优化，由笔耕文化传播整理发布。

【摘要】：车间作业调度问题是生产管理的关键环节,车间作业调度问题的优化对提高生产效率和生产效益有至关重要的作用。车间作业调度问题具有多样性、复杂性和不确定性,是一个典型的NP hard问题。当今激烈的市场竞争环境下,多样化和个性化已成为客户主要需求,因此传统的车间作业调度问题与实际生产制造过程脱节严重,大批量单一品种的生产模式难以获得高效益。目前多工艺路线车间作业调度和批量生产车间作业调度已经受到广泛地关注。针对多工艺路线生产调度和批量生产车间作业调度问题的特点,建立了相应的数学模型,并设计了与其相适应的改进遗传算法进行求解。本文主要研究内容如下:针对在实际生产过程中,各类工件存在多种加工工艺路线,并且工件每条加工工艺路线包含的工序总数不确定的问题,以最大完工时间最小为优化目标,建立了工件加工路线和工序加工优先级同步优化数学模型。针对同步优化问题的特点,设计了基于工序优先级的矩阵编码方式,矩阵第一列为工件的加工工艺路线,剩余的各列为各工件的工序加工优先级。同时为了避免产生不可行解、提高算法的优化性能,设计了多种与问题相适应的交叉与变异操作方法。针对批量生产车间作业调度问题,本文考虑运输时间对整个加工完成时间的影响,以最大化完工时间最小为优化目标建立数学模型,并根据其特点设计了相应的改进遗传算法进行求解。在批量生产车间作业调度问题的求解过程中,批次数量的变化会导致染色体长度的变化,针对这一问题设计了基于相同工序的交叉方法,有效避免了不可行解的产生,提高了算法的计算效率。如何分批是批量生产过程的关键,针对该问题本文对提前固定批次和随机分批进行对比,分析了两种分批方式的优缺点。在上述理论研究的基础上,采用VC++编制了相应的优化设计程序,优化运行结果证明了改进遗传算法的有效性。
【关键词】：车间作业调度 多工艺路线 批量生产 优化设计 改进遗传算法
【学位授予单位】：青岛理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB497;TP18
【目录】：

• 摘要8-9
• Abstract9-11
• 第1章 绪论11-21
• 1.1 研究的背景、意义和目的11-12
• 1.2 国内外研究现状12-14
• 1.2.1 多工艺路线车间作业调度研究现状12-13
• 1.2.2 批量生产车间作业调度问题研究现状13-14
• 1.3 车间作业调度问题的描述及分类14-17
• 1.3.1 调度问题的描述14-15
• 1.3.2 车间作业调度问题的分类15-17
• 1.4 车间作业调度问题的特点17
• 1.5 车间作业调度问题的优化算法分类17-19
• 1.6 现有研究存在的问题及本文主要研究内容19-21
• 1.6.1 现有研究存在的问题19-20
• 1.6.2 本文研究的主要内容20-21
• 第2章 遗传算法基本理论21-31
• 2.1 遗传算法的起源与发展21
• 2.2 遗传算法的概念21-22
• 2.3 遗传算法的特点22-23
• 2.4 遗传算法的流程23-24
• 2.5 遗传算法的实现方法24-31
• 2.5.1 遗传算法的编码方法及编码原则24-27
• 2.5.2 适应度函数27-28
• 2.5.3 遗传算子28-30
• 2.5.4 遗传算法参数确定30-31
• 第3章 多工艺路线车间作业调度31-47
• 3.1 多工艺路线车间作业调度问题描述及数学模型31-33
• 3.1.1 问题描述31
• 3.1.2 数学模型建立31-33
• 3.2 多工艺路线调度问题的改进遗传算法设计33-43
• 3.2.1 编码设计33-34
• 3.2.2 初始解生成34-35
• 3.2.3 确定适应度函数35
• 3.2.4 交叉操作35-41
• 3.2.5 变异操作41-43
• 3.3 仿真结果与分析43-46
• 3.4 本章小结46-47
• 第4章 批量生产车间作业调度47-61
• 4.1 批量生产车间作业调度问题的描述和调度策略47-49
• 4.1.1 问题描述47-48
• 4.1.2 批量调度策略48-49
• 4.2 批量生产车间作业调度问题的数学模型49-50
• 4.3 批量生产车间作业调度问题的遗传算法50-54
• 4.3.1 编码设计50
• 4.3.2 初始解生成50-51
• 4.3.3 交叉操作51-53
• 4.3.4 变异操作53-54
• 4.4 实验结果与分析54-60
• 4.5 本章小结60-61
• 结论61-63
• 展望63-65
• 参考文献65-69
• 攻读硕士期间发表的学术论文69-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 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

6 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

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1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

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

  本文关键词：基于改进遗传算法的多工艺路线及批量生产车间作业调度优化，，由笔耕文化传播整理发布。

本文编号：337757