基于粒子群优化算法的车间调度系统的研究与设计

发布时间：2021-12-16 18:49

　　传统车间调度问题仅仅考虑工件的分配问题。而柔性车间调度问题在传统车间调度问题上做了一定的延伸,它更接近实际生产过程的原因是由于其在传统车间调度问题中加入了对加工机器的选择。因此对其的研究既具有理论意义,也有实际运用价值。本文对基于多目标的柔性车间调度问题进行研究,采用粒子群优化算法作为求解问题的主要方法。首先,对车间调度问题的研究背景和研究现状进行了分析。介绍了粒子群算法的相关理论和研究进程,重点对粒子群算法的基本思想、数学模型、算法流程和改进策略等方面进行了深入的研究,分析了标准粒子群算法的优缺点。针对其不足,给出了一种引入“淘汰”机制的改进粒子群算法。为本文采用改进的粒子群优化算法去解决柔性车间调度问题奠定了坚实的理论基础。然后,对多目标的柔性车间调度问题具有较多的优化指标,本文从中选择了最大完工时间最小化、最小费用和单机器最大负荷三项指标,并分析了选择的优化指标之间的关系。分别使用了改进的粒子群算法和标准的粒子群算法在Matlab上进行仿真实验,得到的实验结果表明,改进的粒子群算法在非劣解的数量、三个优化决策指标的质量以及解的收敛速度三个方面均高于标准的粒子群算法。最后,基于本文... 

【文章来源】：宁夏大学宁夏回族自治区 211工程院校

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

图３－２种群的初始状态?

所有的个体都随机分布在矩形范围之内，每个个体都有速度惯性、个体最优（ｐｂｅｓｔ）和全局??最优（ｇｂｅｓｔ），所有的粒子根据适应度来改变自己的位置，一次迭代后如图２所示，将所有在椭??圆形范围之外的个体全部淘汰掉，如图３所示，以保证种群的优越性。同时，为了保证粒子的多??样性，避免粒子都被淘汰掉，在每一次迭代过程中重新生成与淘汰数量相同的粒子并将其加入种??群中，如图４所示。再次根据适应度的值改变每个个体的位置并将椭圆形外的那些位置较差的粒??子淘汰掉，如图５所示，并且椭圆形的大小应当逐渐减小，反复进行淘汰、生成和加入，直至达??到最大迭代次数，将中心的圆形范围内的粒子取出即为所求问题的最优解集。??？?．?．??．？?？?？?？?＃?？?＃?？？??图３－２种群的初始状态?图３－３种群迭代一次的位置变化??－１６－??

图３－６种群再次迭代的位置变化?图３－７最终结果??３．３．３算法流程及流程图??Ｓｔｅｐｈ初始化粒子群种群??Ｓｔｅｐ２：得到初始粒子群的适应度以及个体最优ｐｂｅｓｔ和全局最优ｇｂｅｓｔ??Ｓｔｅｐ３：对粒子的位置和速度更新??Ｓｔｅｐ４：求解该粒子的适应度??Ｓｔｅｐ５：判断所有的粒子是否完成更新操作，若完成则进行Ｓｔｅｐ６，否则返回ｓｔｅｐ２??Ｓｔｅｐ６：更新个体最优解和全局最优解??Ｓｔｅｐ７：将位置较差的粒子淘汰，并将新产生的粒子加入种群中??Ｓｔｅｐ、判断是否满足终止条件，若满足则终止算法，ｇｂｅｓｔ为最优解，若不满足则返回Ｓｔ印２．??流程图如下：??

【参考文献】：
期刊论文
[1]改进的粒子群算法在多目标车间调度的应用[J]. 李浩,毕利,靳彬锋.  计算机应用与软件. 2018(03)
[2]柔性作业车间调度问题的改进遗传算法[J]. 张腾飞,马跃,李力,胡毅,程倩.  小型微型计算机系统. 2017(01)
[3]求解具有混合约束流水车间调度问题的迭代贪婪算法[J]. 张其亮,陈永生.  计算机应用研究. 2016(02)
[4]柔性作业车间调度优化的改进模拟退火算法[J]. 李俊,刘志雄,张煜,贺晶晶.  武汉科技大学学报. 2015(02)
[5]多目标FJSP的一维编码粒子群优化求解方法[J]. 侯晓莉,刘永,江来臻,高新勤.  计算机工程与应用. 2015(13)
[6]基于多目标粒子群算法的柔性作业车间调度优化方法[J]. 王云,冯毅雄,谭建荣,李中凯.  农业机械学报. 2011(02)
[7]混合流水线调度研究进展[J]. 王凌,周刚,许烨,金以慧.  化工自动化及仪表. 2011(01)
[8]基于MAS的生产车间动态调度系统的研究[J]. 张磊,张瑞林.  计算机工程与设计. 2009(20)
[9]一种求解多目标组合优化的遗传局部搜索算法[J]. 杨开兵,刘晓冰.  计算机应用与软件. 2009(08)
[10]基于免疫遗传算法的多目标柔性作业车间调度研究[J]. 赵韩,高先圣,姜康,朱凌云.  系统仿真学报. 2008(22)

博士论文
[1]基于混合离散粒子群算法的柔性作业车间调度问题研究[D]. 张静.浙江工业大学 2014

硕士论文
[1]基于种群熵和种群结构的粒子群算法研究[D]. 高红霞.辽宁科技大学 2007



本文编号：3538646