不确定条件下基于遗传算法的柔性作业车间调度问题研究

发布时间：2020-05-19 05:53

【摘要】： 制造业是国民经济的重要组成部分。然而,实际生产中的制造加工时间、完工时间和产品交货期等无法用确定的参数进行描述和研究,生产过程的不确定性已成为现在调度理论应用于实际的瓶颈。人们迫切需要对不确定条件下的车间调度问题理论及其应用进行深入和广泛的研究,以更好地指导实际生产。本文正是在这样的背景下,结合实际生产调度问题所面临的多目标和多约束等问题,对具有不确定加工时间和交货期的柔性作业车间调度问题进行研究,并取得了一些有意义的研究成果。本文首先对课题的来源,研究的目的、背景和意义进行介绍。概述调度问题和其主要研究方法,阐述调度问题的分类和主要特点,并针对不确定条件下的车间调度问题,对目前的主要研究方法和国内外研究现状进行系统地综述和深入的分析,指出所存在的问题。接着对不确定条件下的模糊调度问题相关理论进行介绍,给出模糊集合与模糊数概念,以及模糊数操作的法则。并在此基础上对不确定条件下的柔性作业车间模糊调度问题进行描述。然后本文对柔性作业车间模糊调度算法进行了研究。先介绍了遗传算法的基本理论,并结合模糊集的相关理论应用改进遗传算法求解具有模糊加工时间和模糊交货期的单目标柔性作业车间调度问题,并通过对实例的测试,验证该算法在求解不确定条件下的柔性作业车间调度问题的有效性。之后介绍了多目标优化问题的基本概念,对多目标优化方法及其解决车间调度问题上的研究进行综述。结合遗传算法和模糊集理论,设计了改进NSGA-II算法求解具有模糊加工时间和模糊交货期的多目标柔性作业车间调度问题,给出算法的流程图,并通过对设计的实例进行测试,验证了该算法在求解不确定条件下的多目标柔性作业车间调度问题的有效性。本文在算法研究的基础上开发出不确定条件下的柔性作业车间调度原型系统,并通过运行实例,对原型系统的功能和效果进行了描述,使理论研究能够应用于实际生产。最后,对全文所做的工作进行总结,并对未来的研究方向进行展望。
【图文】：

选择机制,聚集函数,多目标进化算法,决策方式

40图 4.2 一类 MOEA 基本框架多，根据不同的要求和需要分类方法也有多种，在本文决策方式对多目标进化算法进行分类。按照选择机制的1）聚集函数。这种方法将被优化的所有子目标组合或聚优化问题转换成单目标的优化问题。（2）基于群体的方的进化来实现分布搜索，在选择机制中没有用到 Pareto

工序,交叉操作,基因,染色体

3 O22M1M2M3－－ M332 O23M2M3M4M5－ M334 O31M1M3M4M5－ M551 O32M2M3－－－ M223 O33M1M2M4M5－ M44.2 交叉操作在遗传算法中，称种群中两个个体随机的交换部分或者某些基因为交叉操作，操作，，在原有两个基因基础上产生的新基因组合有望将更为优的基因个体组合从而得到更为优的染色体。染色体中第一部分基于工序编码的基因串交叉操作X[69]交叉算子，第二部分基于机器分配编码的基因串交叉采用一种多点交叉的方部分基因串的交叉操作是分别进行的。在基于工序编码基因串的交叉操作中，首先将所有工件随机分为两个集合J1 和将子代染色体 child1 / child2 继承父代 parent1 / parent2 中集合 J1 内的工件所因。child1 / child2 其余的基因位则分别由 parent2 / parent1 删除已经继承的基的基因按顺序填充[69]，其过程如图 3.2 所示。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TH165

【参考文献】