改进的模拟退火遗传算法在模具制造车间调度中的研究

发布时间：2020-11-03 02:49

　　 作业车间调度问题属于典型调度问题,车间调度问题考虑的是在一定的时间约束条件下,如何调度车间内有限的资源,在执行既定任务的同时还要满足特定的约束条件。资源包括不同种类,人力、现金、设备、电能、原料等等。任务也包括不同的要素,完成时间、交货时间、紧要程度、人力消耗和资源消耗等等。同时任务之间也有先后顺序约束等。车间调度问题在当今生产制造企业中应用非常广泛,许多实际中需要实现的调度问题本质上都非常复杂,用传统组合优化方法难以实现。这些问题都属于NP-难问题。遗传算法和模拟退火算法在解决此类问题时已经有了比较深入的研究和应用,所以用遗传算法和模拟退火算法解决车间调度问题成为一个研究方向。 作业车间调度问题是给定一个作业集合和一个机器设备集合。每台机器同一时间可以加工一个作业,而每个作业包括一系列工序,每个工序在某个机器上需要连续加工若干时间。车间调度研究的问题就是在完成既定任务的情况下如何使所需要的时间最短化。在过去的几十年中,国内外许多研究人员都对该问题进行了深入研究,并且得出了许多令人鼓舞的成果。但是随着车间调度问题需要考虑的实际问题越来越复杂,不可预期的情况越来越多,同时对车间调度实时性和有效性的要求越来越高,企业需要更适合本企业的车间调度方案的出现。 本文在阅读大量文献的基础上,对前人取得的研究成果进行再分析,尤其是对模拟退火算法和遗传算法进行了综合研究,提出了改进的模拟退火遗传算法。该算法在对经典的遗传操作算子(选择算子、交叉算子和变异算子等)进行了改进的同时,对模拟退火和初温设置等操作进行了优化,使改进的混合算法具备了一定的自适应性。经过实际数据的验证,该算法降低了遗传算法陷入局部早熟的概率,提高了算法的搜索效率,可以对实际的车间调度问题起到一定的改进作用。同时,根据某模具制造公司的实际情况,设计开发了一套针对该公司的模具制造车间调度系统,该系统对优化改进该车间调度问题具有可行性。
【学位单位】：大连交通大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：TH186;TP18
【部分图文】：

所以，模拟退火算法通常耗费时间较长，优化较慢，这也是模拟退火算法最大的缺点。因此提高算法的搜索效率，是对模拟退火算法进行改进主要方向。算法结构图如图3.1所示:

图3.2算法收敛曲线比较 F19.3.2theAlgorithmeonvergeneeeurveeomPared图3.2出了模拟退火、遗传算法和改进算法的收敛曲线，由图可以得出以下结论，在算法的收敛速度上，模拟退火算法收敛速度缓慢，遗传算法收敛速度快。从解的质量来看，改进算法既获得了较好的收敛速度又有比较好的质量。不仅较好的克服了遗传算法早熟现象，又较好的解决了模拟退火算法收敛缓慢的缺点。3.4典型Job一Shop问题验证许多研究者已经对调度问题进行了深入的研究，并提出设计了若干的典型问题，比如LA01、LA06、MTO6等几种不同规模的典型问题，笔者对这些问题分别进行研究和实验，改进算法和几种典型算法相比都获得了比较满意的结果，在设定初始参数，得出了如下表所示的结果。(其中设置参数为只=0.65

Fig.3.3thetyPiealalgorithmsofrelativewindbagrateeomPared通过以上的图表可知，改进算法无论在获得解所需要的时间复杂度还是在解的质量上都获得比较满意的效果，可以较好的满足改进算法在解决大规模Job一Shop问题时的要求。本章小结本章深入研究了遗传算法、模拟退火算法以及改进的混合算法解决车间调度的问题，提出了改进的自适应模拟退火遗传算法解决Job一Shep问题的算法和思想，本文提出了一种求解作业车间调度问题的混合算法，即将退火策略结合到遗传算法中，并对遗传算子进行了改进，将遗传算法和模拟退火算法进行优势互补。针对典型JSP问题，利用改进混合算法和其他典型优化算法进行了比较，结果表明本文改进的算法在解决大规模问题上是有效且可行的。通过理论分析及试验证明，此混合算法能在运算效率和结果精确度较高。
【引证文献】

相关硕士学位论文 前1条

1 周婷;基于改进Hopfield网络的注塑模具制造车间生产调度的研究[D];华南理工大学;2012年

本文编号：2867990