作业车间调度属性选择及调度规则挖掘方法研究

发布时间：2017-06-26 22:13

  本文关键词：作业车间调度属性选择及调度规则挖掘方法研究，由笔耕文化传播整理发布。

【摘要】：作业车间调度问题是典型的生产调度问题,其具有动态性、不确定性、计算复杂性等特点。经过几十年的发展,研究人员已经提出了许多用于解决作业车间调度问题的算法,其中基于调度规则的调度算法以较低的计算时间复杂度、便于理解等特点而广泛应用于实际生产过程中。但研究表明,生产线的状态对基于调度规则的调度算法的性能具有较大的影响,单一的调度规则无法适应于动态的生产环境,设计基于调度规则的自适应调度系统成必然要求。另一方面,随着信息技术的不断发展和应用,生产系统积累了大量与生产调度相关的信息,基于数据的生产过程调度方法引起了研究者的普遍关注。本文探讨了基于数据的作业车间问题调度方法中调度属性选择问题和调度规则挖掘问题,主要内容如下：针对基于数据的作业车间调度方法研究中调度属性选择和调度规则挖掘算法需要大量的样本数据进行学习的问题,建立了一个基于Multi-Pass的作业车间最优调度方案生成平台。以作业车间调度问题ft10为研究对象,引入Multi-Pass仿真机制,使用Plant Simulation软件建立最优调度规则生成平台。通过运行仿真平台,构建了用于调度属性选择和调度规则挖掘的样本数据。针对生产环境中大量不相关或冗余的调度属性影响调度规则挖掘算法性能的问题,研究了基于概念格的作业车间调度属性选择方法。一种方法是将调度属性样本映射成概念格中的多值背景,通过计算属性重要度进行属性选择；考虑到调度属性的多值特性,另一种方法是将多值背景转换为单值背景,利用概念格约简理论对特征属性进行选择。针对动态生产环境问题,研究了一种基于属性选择的作业车间调度规则挖掘方法。调度规则挖掘方法采用神经网络,一方面以调度特征属性作为输入,调度规则挖掘算法的精度得到了提高；另一方面,相比较用于单一的调度规则,基于属性选择的调度规则挖掘方法能够根据生产调度环境自适应地输出当前调度决策时刻的最优调度规则。
【关键词】：作业车间调度问题 属性选择 调度规则挖掘 仿真模型 概念格 人工神经网络
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TB497
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-18
• 1.1 研究背景及意义12
• 1.2 研究现状12-15
• 1.2.1 生产调度特征属性选择研究现状13-14
• 1.2.2 调度规则挖掘方法研究现状14-15
• 1.3 本文的结构安排15-18
• 第二章 基于Multi-Pass的作业车间调度方案集生成方法研究18-36
• 2.1 引言18
• 2.2 调度规则18-22
• 2.2.1 调度规则定义与分类18-19
• 2.2.2 基本调度规则19-21
• 2.2.3 调度规则性能分析21-22
• 2.3 Multi-Pass仿真技术22-24
• 2.3.1 Multi-Pass基本原理22-23
• 2.3.2 基于Multi-Pass的作业车间最优调度方案生成机制23-24
• 2.4 基于Multi-Pass的作业车间调度仿真平台实现24-31
• 2.4.1 作业车间调度问题24
• 2.4.2 基于Plant Simulation的作业车间调度仿真平台实现24-31
• 2.5 获取最优调度方案集合31-34
• 2.6 本章小结34-36
• 第三章 基于概念格的作业车间特征属性选择方法研究36-48
• 3.1 引言36
• 3.2 概念格及其约简理论36-38
• 3.3 基于属性重要度的作业车间属性选择方法38-40
• 3.3.1 理论基础38
• 3.3.2 算法描述与实现38-40
• 3.4 基于属性特征的作业车间属性选择方法40-44
• 3.4.1 理论基础40-42
• 3.4.2 算法描述与实现42-44
• 3.5 仿真实验44-46
• 3.5.1 基于属性重要度的作业车间属性选择算法实例44-45
• 3.5.2 基于属性特征的作业车间属性选择算法实例45-46
• 3.6 本章小结46-48
• 第四章 基于属性选择的作业车间调度规则挖掘研究48-56
• 4.1 引言48
• 4.2 人工神经网络48-49
• 4.3 基于属性选择的神经网络调度规则挖掘系统的设计和实现49-52
• 4.3.1 调度规则挖掘机制49-50
• 4.3.2 建立和训练神经网络模型50-52
• 4.4 仿真实验与分析52-53
• 4.5 本章小结53-56
• 第五章 结论与展望56-58
• 5.1 结论56
• 5.2 问题与展望56-58
• 参考文献58-62
• 致谢62-64
• 研究成果及发表的学术论文64-66
• 作者和导师简介66-67
• 北京化工大学专业学位硕士研究生学位论文答辩委员会决议书67-68

【参考文献】

中国期刊全文数据库 前10条

1 范华丽;熊禾根;蒋国璋;李公法;;动态车间作业调度问题中调度规则算法研究综述[J];计算机应用研究;2016年03期

2 李豆豆;;生产调度的启发式规则研究综述[J];机械设计与制造工程;2014年02期

3 I.A.Chaudhry;;Job shop scheduling problem with alternative machines using genetic algorithms[J];Journal of Central South University;2012年05期

4 叶建芳;潘晓弘;王正肖;唐任仲;;基于免疫离散粒子群算法的调度属性选择[J];浙江大学学报(工学版);2009年12期

5 黄亚平;熊婧;;基于改进蚁群算法作业车间调度问题仿真研究[J];计算机仿真;2009年08期

6 刘民;;基于数据的生产过程调度方法研究综述[J];自动化学报;2009年06期

7 吴启迪;乔非;李莉;吴莹;;基于数据的复杂制造过程调度[J];自动化学报;2009年06期

8 曹政才;吴启迪;乔非;王遵彤;;基于遗传算法的半导体生产线调度研究进展[J];同济大学学报(自然科学版);2008年01期

9 乔立岩;彭喜元;彭宇;;基于微粒群算法和支持向量机的特征子集选择方法[J];电子学报;2006年03期

10 ;Attribute reduction theory and approach to concept lattice[J];Science in China(Series F:Information Sciences);2005年06期

  本文关键词：作业车间调度属性选择及调度规则挖掘方法研究，由笔耕文化传播整理发布。

，

本文编号：487771