融合多策略进化算法的静动态混合流水车间调度方法研究

发布时间：2017-07-17 09:04

  本文关键词：融合多策略进化算法的静动态混合流水车间调度方法研究

  更多相关文章： 混合流水车间调度 机器故障 动态调度 进化算法 变邻域搜索 多目标优化

【摘要】：混合流水车间调度问题(Hybrid Flow Shop Scheduling Problem,HFSSP)在工程领域具有非常广泛的应用背景,是车间调度的一个重要研究方向。实际生产环境中,存在许多动态扰动事件,机器故障就是一种常见的动态扰动,其对车间的实际生产过程有很大影响。因此,对静态HFS问题和机器故障下的动态HFS问题(Hybrid Flow Shop Scheduling with Random Breakdown,RBHFS)进行研究,具有重要的理论和实际意义。本论文围绕两类NP难问题,研究基于进化算法的求解方法,开展了如下工作:(1)对车间静态和动态调度问题进行了全面的综述和分析,指出了进化算法、禁忌搜索等智能优化算法是求解两类问题的主要方法。(2)针对静态HFS问题,提出一种结合不同进化策略和变邻域搜索(VNS)的改进进化算法(V-HEA)。在进化算法的基本框架上,提出一种同时利用两种不同进化进制的混合进化策略,采用一种自适应选择策略选择具有不同进化思想的算子进化种群;VNS中,提出基于插入和交换邻域的精简随机局部搜索方法。该搜索方法通过把HFS模拟为两阶段的flow shop问题,利用两阶段flow shop调度的最优工件序列,估计各工件在原HFS问题最优解中的位置范围,缩小邻域搜索范围,提高算法效率。仿真实验结果表明了算法的有效性。(3)针对机器故障下的动态HFS问题,以预测反应式调度策略为基础,采用一种融合多策略的两阶段多目标进化算法(MOV-HEA)对该问题进行求解。第一阶段,不考虑机器故障的影响,以V-HEA算法进化初始种群,得到预调度种群;第二阶段,当机器故障发生时,同时考虑调度鲁棒性和稳定性,采用MOV-HEA算法产生在调度环境变化时的新调度种群。同时,在算法中引入禁忌搜索思想,避免对邻域的迂回搜索,改善算法搜索能力。实验仿真结果表明了两阶段MOV-HEA算法的有效性。
【关键词】：混合流水车间调度 机器故障 动态调度 进化算法 变邻域搜索 多目标优化
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TB497
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-16
• 1.1 研究背景和意义10-11
• 1.2 混合流水车间调度研究现状11-12
• 1.3 静态混合流水车间调度解决方法研究现状12-14
• 1.4 机器故障下动态混合流水车间调度方法研究现状14
• 1.5 论文结构安排14-16
• 第二章 车间调度问题概述16-22
• 2.1 车间调度问题定义及分类16-17
• 2.2 静态环境下车间调度方法17-19
• 2.3 动态不确定环境下车间调度方法19-21
• 2.4 本章小结21-22
• 第三章 基于进化算法与改进变邻域搜索的静态混合流水车间调度22-37
• 3.1 静态混合流水车间调度问题22-24
• 3.1.1 问题的描述22-23
• 3.1.2 问题的数学模型23-24
• 3.2 相关算法概述24-25
• 3.2.1 进化算法24-25
• 3.2.2 变邻域搜索算法25
• 3.3 融合两种进化机制和变邻域搜索的进化算法25-31
• 3.3.1 算法概述25-27
• 3.3.2 染色体编码和解码27
• 3.3.3 初始种群的产生27-28
• 3.3.4 混合进化策略28-29
• 3.3.5 改进的变邻域搜索策略29-31
• 3.4 实验仿真31-36
• 3.4.1 测试环境和算例31-32
• 3.4.2 实验参数讨论32-33
• 3.4.3 算法性能测试33-36
• 3.5 本章小结36-37
• 第四章 融合多策略的两阶段多目标进化算法求解机器故障下的动态混合流水车间调度37-56
• 4.1 机器故障下混合流水车间调度问题37-41
• 4.1.1 问题描述37
• 4.1.2 双目标优化37-38
• 4.1.3 问题模型38-40
• 4.1.4 求解机器故障下动态调度的算法流程40-41
• 4.2 相关算法概述41-43
• 4.2.1 多目标优化问题及其算法41-42
• 4.2.2 禁忌搜索算法42-43
• 4.3 两阶段MOV-HEA算法求解机器故障下动态HFS问题43-48
• 4.3.1 算法综述43-44
• 4.3.2 问题的编码和解码及初始种群的产生44
• 4.3.3 非支配集的构造44-46
• 4.3.4 两种进化策略和自适应选择机制46-47
• 4.3.5 引入禁忌思想的IVNS47-48
• 4.4 实验结果48-55
• 4.4.1 测试环境和算例48
• 4.4.2 性能测试指标48-49
• 4.4.3 算法参数讨论49-51
• 4.4.4 算法性能测试51-55
• 4.5 本章小结55-56
• 总结与展望56-57
• 参考文献57-63
• 攻读硕士学位期间取得的研究成果63-64
• 致谢64-65
• 答辩委员会对论文的评定意见65

【相似文献】

中国期刊全文数据库 前10条

1 蓝炳伟;;一种车间调度系统算法的设计与实现[J];装备制造技术;2008年08期

2 韦文斌,杨建军,曾波,陈永达;基于多代理的车间调度系统结构和调度流程的研究[J];航空精密制造技术;2001年05期

3 武志军;宁汝新;万春辉;;车间调度中的动态工作日制研究与实现[J];制造业自动化;2006年04期

4 戴涛;;多智能体技术在车间调度中的应用[J];中国水运(理论版);2006年06期

5 何利;刘永贤;谢华龙;刘笑天;;基于粒子群算法的车间调度与优化[J];东北大学学报(自然科学版);2008年04期

6 黄云峰;王时龙;;车间调度研究的五视角方法论与三域结构[J];计算机集成制造系统;2009年01期

7 王雪辉,李世杰,张玉芝;Multi-Agent技术在车间调度中的应用[J];河北工业大学学报;2005年02期

8 黄英杰;姚锡凡;谭伟;余铭奇;;基于遗传算法的多车间计划与调度的研究(英文)[J];科学技术与工程;2010年15期

9 周祖德;刘东;;基于多代理和蜂群算法的车间调度系统研究[J];武汉理工大学学报(信息与管理工程版);2009年01期

10 周晓慧;高鹏程;许华民;;一种基于时间槽描述的印染车间调度研究与实现[J];江南大学学报(自然科学版);2010年04期

中国重要会议论文全文数据库 前5条

1 甘屹;杜继涛;;基于并行蚁群优化的车间调度研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

2 陈可嘉;季平;;一种集成MRP与车间调度的混合整数规划模型[A];2006年中国运筹学会数学规划分会代表会议暨第六届学术会议论文集[C];2006年

3 张秀丽;黄越;刘念;;基于混合优化算法的多目标柔性工作车间调度[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

4 苏翔;窦培华;;一种基于带熵的遗传算法在车间调度中的应用[A];第十届中国管理科学学术年会论文集[C];2008年

5 朱晓东;;基于TC-TPN的SMT产品制造系统车间调度[A];2008中国电子制造技术论坛论文集[C];2008年

中国重要报纸全文数据库 前2条

1 张敏华;湖北化肥明年将为员工办10件实事[N];中国石化报;2008年

2 通讯员 谢晓刚;信息化让设备质量管理耳聪目明[N];人民铁道;2009年

中国博士学位论文全文数据库 前4条

1 戴敏;面向节能的工艺规划与车间调度研究[D];南京航空航天大学;2015年

2 黄云峰;车间调度和谐范式与多智能体系统情智集成的研究[D];重庆大学;2010年

3 曾强;离散制造企业批量生产车间调度智能优化研究[D];重庆大学;2010年

4 鞠全勇;智能制造系统生产计划与车间调度的研究[D];南京航空航天大学;2007年

中国硕士学位论文全文数据库 前10条

1 邵炜世;混合差分—分布估计算法及其在车间调度中的应用研究[D];兰州大学;2015年

2 董怡;考虑批量的柔性车间调度研究与实现[D];东华大学;2015年

3 冯世扣;基于遗传退火算法的车间调度研究与应用[D];浙江理工大学;2016年

4 杨钦贺;某航空发动机装配车间调度系统研发[D];东南大学;2015年

5 郭超;改进的粒子群优化算法在轮胎硫化车间调度的应用研究[D];青岛科技大学;2016年

6 陈功;基于混合遗传算法的船舶钢材准备车间调度研究[D];江苏大学;2016年

7 苗菁;融合多策略进化算法的静动态混合流水车间调度方法研究[D];华南理工大学;2016年

8 韩旭来;多智能体技术在车间调度系统中的应用[D];河北工业大学;2006年

9 樊凯;新层次型多代理体系在车间调度中的应用[D];吉林大学;2007年

10 武广州;混合型生产方式车间调度建模及应用[D];武汉理工大学;2007年

，

本文编号：552830