智能优化算法在flow-shop调度中的研究

发布时间：2017-07-31 08:12

  本文关键词：智能优化算法在flow-shop调度中的研究

  更多相关文章： flow-shop调度 智能优化 邻域搜索 量子进化 萤火虫优化

【摘要】：在现代加工制造系统和流程工业生产中,广泛存在着flow-shop(流水车间)调度问题,该问题是一类典型的NP难问题,且具有多种模型和评价指标,对其进行优化可以有效地降低车间作业调度成本,提高企业核心竞争力。因此,研究flow-shop调度问题具有重要的学术理论意义和实际应用价值。目前,智能优化算法是解决flow-shop问题最常用的方法,并且取得了较好的优化效果。本文基于智能优化算法,对三种flow-shop调度模型展开研究,主要研究内容如下:(1)针对置换flow-shop调度多目标问题优化,提出了一种改进的遗传算法。该算法采用启发式算法和随机算法相结合产生初始种群,以保持种群多样性;通过选择、交叉、变异操作以及群体更新策略完成进化过程;当种群进化停滞时,引入群体重新初始化机制恢复多样性。此外,设计了一种变邻域搜索算法,加速种群收敛并跳出局部最优。通过基准测试问题实验以及与其他几个优化算法比较,结果表明,提出的算法无论在求解质量还是稳定性方面都优于其他算法。(2)针对阻塞flow-shop调度最大完工时间问题优化,提出了一种量子差分协同进化算法。该算法将量子进化与差分进化相结合,设计一种新颖的量子旋转机制控制种群进化方向,增加种群多样性;采用一种高效的协同进化策略增强算法的全局搜索能力,进一步提高解的质量。基于基准测试问题实例仿真,结果表明,相对目前较优的智能算法,所提算法具有高效性且适合大规模阻塞flow-shop调度问题。(3)针对无等待flow-shop调度总完工时间问题优化,提出了一种基于局部邻域搜索的量子萤火虫优化算法。该算法采用作业在机器上的总加工时间和标准差指标构造待排序解,然后用基本邻域搜索算法对其优化产生较优解;接着,设计快速的局部邻域搜索算法,进一步提高解质量;基于量子进化算法、萤火虫算法和局部邻域搜索提出效率更高的量子萤火虫算法。为提高算法效率,采用目标增量计算邻域解变化,同时每次迭代只搜索部分邻域。仿真结果表明,无论在求解质量还是鲁棒性方面,所提算法均优于目前较优的算法。
【关键词】：flow-shop调度 智能优化 邻域搜索 量子进化 萤火虫优化
【学位授予单位】：安徽师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB497;TP18
【目录】：

• 摘要5-6
• abstract6-10
• 第一章 绪论10-17
• 1.1 课题概述10-12
• 1.2 国内外研究进展12-15
• 1.3 论文主要工作与结构安排15-16
• 1.4 本章小结16-17
• 第二章 置换FLOW-SHOP调度问题及其求解17-27
• 2.1 置换FLOW-SHOP调度问题概述17
• 2.2 问题模型17-18
• 2.3 新颖的变邻域搜索算法18-19
• 2.4 基本遗传算法19-20
• 2.5 改进的遗传算法20-22
• 2.5.1 基本操作21-22
• 2.5.2 算法描述22
• 2.6 仿真实验与分析22-25
• 2.6.1 参数设计22-23
• 2.6.2 实验结果与分析23-25
• 2.7 本章小结25-27
• 第三章 阻塞FLOW-SHOP调度问题及其求解27-37
• 3.1 阻塞FLOW-SHOP调度问题概述27
• 3.2 问题模型27-28
• 3.3 量子进化算法28-29
• 3.4 差分进化算法29-31
• 3.5 量子差分协同进化算法31-33
• 3.5.1 量子编码与解码31-32
• 3.5.2 量子旋转门设计32
• 3.5.3 QEA-VNS协同进化策略32
• 3.5.4 算法描述32-33
• 3.6 仿真实验与分析33-36
• 3.6.1 Taillard实例优化结果33-34
• 3.6.2 性能比较34-36
• 3.7 本章小结36-37
• 第四章 无等待FLOW-SHOP调度问题及其求解37-50
• 4.1 无等待FLOW-SHOP调度问题概述37
• 4.2 问题模型37-38
• 4.3 初始解构造算法38-40
• 4.3.1 解排序算法38-39
• 4.3.2 基本邻域搜索算法39
• 4.3.3 算法描述39-40
• 4.4 局部邻域搜索40-44
• 4.4.1 算法定义40-41
• 4.4.2 算法分析41-44
• 4.5 基本萤火虫算法44-45
• 4.5.1 仿生原理44
• 4.5.2 数学模型44-45
• 4.6 基于局部邻域搜索的量子萤火虫算法45-47
• 4.7 仿真实验与分析47-49
• 4.7.1 参数设置47
• 4.7.2 性能比较47-49
• 4.8 本章小结49-50
• 第五章 总结与展望50-52
• 5.1 论文总结50
• 5.2 研究展望50-52
• 参考文献52-58
• 致谢58-59
• 附录：攻读学位期间参与的科研项目与学术研究成果59

【参考文献】

中国期刊全文数据库 前1条

1 周永权;黄正新;刘洪霞;;求解TSP问题的离散型萤火虫群优化算法[J];电子学报;2012年06期

，

本文编号：598164