大型混合作业车间布局自适应建模与协同优化
发布时间：2021-11-05 03:25
随着产业升级、整合和集群的持续推进,制造系统日趋复杂。高效企业物流系统已成为现代制造业构成的关键要素之一。企业希望通过新厂房布局优化设计和老厂房布局调整解决原有车间布局不合理、物流迂回、在制品多、浪费严重、调度混乱等问题。本文针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,研究了大型混合作业车间布局新问题。如何有效进行一类典型的大型混合制造作业车间布局设计与优化已成为目前国内制造业迫切需要解决的科学问题。布局问题实质就是一个多目标优化问题。现有的车间布局特别对大型混合作业车间布局问题在建模、求解及布局调度低熵协同优化等方面有待完善。本文旨在实现反映生产实际的大型混合作业车间布局自适应建模和低熵协同优化,为一类复杂作业车间布局多目标设计和持续改善提供有效的分析技术与工具。本文主要研究内容如下:（1）构建了大型混合作业车间布局数学模型。在分析大型混合作业车间原型特征基础上,为寻求最佳占空比、最少在制品数量、最低物流损耗和重构成本、最大化非物流关系、良好的柔性和可拓展性等,明确大型混合作业布局约束条件。融合脑模型连接控制器（CMAC）的任意多维非线性映射机理,解决了大型...
【文章来源】：浙江工业大学浙江省
【文章页数】：130 页
【学位级别】：博士
【部分图文】：
四种算法求解DTLZ1时获得的Pareto前端Figure3-9.ParetofrontobtainedbyfouralgorithmsinsolvingDTLZ1
法的选择压力，加快算法的收敛速度。由于 DDEACA 可以较好兼顾多样性和收敛性，这些特性有利于提高整个 Pareto 前端的覆盖范围。由图 3-11 可知，本文提出的变异方式提高了算法抵抗陷入局部最优的能力。当目标个数为3个、决策变量为10时，在DTLZ3的搜索空间中共引入了6560个与全局Pareto最优边界平行的局部 Pareto 最优边界。CellDE 和 SPEA2 易陷入局部最优，DDEACA 能较好地获得 DTLZ3 的近似全局 Pareto 最优边界。图 3-11 四种算法求解 DTLZ3 时获得的 Pareto 前端Figure 3-11. Pareto front obtained by four algorithms in solving DTLZ3图 3-12~图 3-14 为四种算法在 DTLZ 问题上的性能指标统计盒图。其中，盒子的上下两条线分别表示样本的上下四分位数，盒子中间的水平线为样本的中位数。盒子上下的虚线表示样本的其余部分(异常值除外)，样本最大值为虚线顶端，样本最小值为虚线底端，“+”表示异常值。图中的字母“N”、“S”、“C”、“D”分别标示 NSGA-II、SPEA2、CellDE、DDEACA。尽管在部分测试问题上
大型混合作业车间布局自适应建模与协同优化得的 Pareto 前端。尽管在 P = 0.3 时，DDEACA 在 WFG1 的收敛性不如 NSGA-IIPEA2，但是 DDEACA 获得的前端的多样性比较好。WFG1 问题的最优 Pareto 前端凸的曲面构成，DDEACA 获得前端与最优前端很像，而其他算法无法完全搜索出的凹面和凸面。另外，图 3-16 也证明了 DDEACA 能在求解时较好地保持前端多样性FG2 的最优 Pareto 前端由断开的凹面构成，与其他算法相比，DDEACA 获得的前较好地逼近所有凹面。
【参考文献】：
期刊论文
[1]考虑柔性面积需求的动态设施布局方法研究[J]. 丁祥海,韦新立,姚文鹏. 工业工程与管理. 2018(05)
[2]利用有限制稳定配对策略求解双目标柔性作业车间调度问题[J]. 杨宇,黄敏,王震宇,朱启兵. 中国机械工程. 2018(14)
[3]基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化[J]. 王亚良,钱其晶,曹海涛,金寿松. 中国机械工程. 2018(14)
[4]基于Agent的混合流水车间动态调度系统[J]. 王芊博,张文新,王柏琳,吴子轩. 计算机应用. 2017(10)
[5]不确定需求下的车间设施动态布局[J]. 查珊珊,郭宇,黄少华,方伟光. 吉林大学学报(工学版). 2017(06)
[6]外部种群完全反馈的元胞差分算法设计及应用[J]. 王亚良,钱其晶,陈勇,金寿松,王成,冯定忠. 计算机集成制造系统. 2017(08)
[7]多目标柔性作业车间调度的多交叉策略元胞进化算法[J]. 林震,帅剑平,袁煜. 科学技术与工程. 2017(07)
[8]多目标柔性作业车间稳健性动态调度研究[J]. 朱传军,邱文,张超勇,金亮亮. 中国机械工程. 2017(02)
[9]基于多目标果蝇算法面向低碳的车间布局与调度集成优化[J]. 刘琼,赵海飞. 机械工程学报. 2017(11)
[10]一种求解多目标柔性作业车间调度问题的改进元胞遗传算法[J]. 陆曈曈,陈平,万兴余. 现代制造工程. 2016(11)
博士论文
[1]生产车间设施布局优化方法研究[D]. 郑晓军.大连理工大学 2010
[2]制造车间布局优化方法研究与系统实现[D]. 胡广华.华中科技大学 2007
[3]具有性能约束的三维布局优化的理论及算法[D]. 铁军.大连理工大学 2007
[4]复杂布局的协同差异演化方法与应用研究[D]. 史彦军.大连理工大学 2006
硕士论文
[1]基于管理熵理论的企业投资决策研究[D]. 武飞飞.天津大学 2009
本文编号：3476974
【文章来源】：浙江工业大学浙江省
【文章页数】：130 页
【学位级别】：博士
【部分图文】：
四种算法求解DTLZ1时获得的Pareto前端Figure3-9.ParetofrontobtainedbyfouralgorithmsinsolvingDTLZ1
法的选择压力，加快算法的收敛速度。由于 DDEACA 可以较好兼顾多样性和收敛性，这些特性有利于提高整个 Pareto 前端的覆盖范围。由图 3-11 可知，本文提出的变异方式提高了算法抵抗陷入局部最优的能力。当目标个数为3个、决策变量为10时，在DTLZ3的搜索空间中共引入了6560个与全局Pareto最优边界平行的局部 Pareto 最优边界。CellDE 和 SPEA2 易陷入局部最优，DDEACA 能较好地获得 DTLZ3 的近似全局 Pareto 最优边界。图 3-11 四种算法求解 DTLZ3 时获得的 Pareto 前端Figure 3-11. Pareto front obtained by four algorithms in solving DTLZ3图 3-12~图 3-14 为四种算法在 DTLZ 问题上的性能指标统计盒图。其中，盒子的上下两条线分别表示样本的上下四分位数，盒子中间的水平线为样本的中位数。盒子上下的虚线表示样本的其余部分(异常值除外)，样本最大值为虚线顶端，样本最小值为虚线底端，“+”表示异常值。图中的字母“N”、“S”、“C”、“D”分别标示 NSGA-II、SPEA2、CellDE、DDEACA。尽管在部分测试问题上
大型混合作业车间布局自适应建模与协同优化得的 Pareto 前端。尽管在 P = 0.3 时，DDEACA 在 WFG1 的收敛性不如 NSGA-IIPEA2，但是 DDEACA 获得的前端的多样性比较好。WFG1 问题的最优 Pareto 前端凸的曲面构成，DDEACA 获得前端与最优前端很像，而其他算法无法完全搜索出的凹面和凸面。另外，图 3-16 也证明了 DDEACA 能在求解时较好地保持前端多样性FG2 的最优 Pareto 前端由断开的凹面构成，与其他算法相比，DDEACA 获得的前较好地逼近所有凹面。
【参考文献】：
期刊论文
[1]考虑柔性面积需求的动态设施布局方法研究[J]. 丁祥海,韦新立,姚文鹏. 工业工程与管理. 2018(05)
[2]利用有限制稳定配对策略求解双目标柔性作业车间调度问题[J]. 杨宇,黄敏,王震宇,朱启兵. 中国机械工程. 2018(14)
[3]基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化[J]. 王亚良,钱其晶,曹海涛,金寿松. 中国机械工程. 2018(14)
[4]基于Agent的混合流水车间动态调度系统[J]. 王芊博,张文新,王柏琳,吴子轩. 计算机应用. 2017(10)
[5]不确定需求下的车间设施动态布局[J]. 查珊珊,郭宇,黄少华,方伟光. 吉林大学学报(工学版). 2017(06)
[6]外部种群完全反馈的元胞差分算法设计及应用[J]. 王亚良,钱其晶,陈勇,金寿松,王成,冯定忠. 计算机集成制造系统. 2017(08)
[7]多目标柔性作业车间调度的多交叉策略元胞进化算法[J]. 林震,帅剑平,袁煜. 科学技术与工程. 2017(07)
[8]多目标柔性作业车间稳健性动态调度研究[J]. 朱传军,邱文,张超勇,金亮亮. 中国机械工程. 2017(02)
[9]基于多目标果蝇算法面向低碳的车间布局与调度集成优化[J]. 刘琼,赵海飞. 机械工程学报. 2017(11)
[10]一种求解多目标柔性作业车间调度问题的改进元胞遗传算法[J]. 陆曈曈,陈平,万兴余. 现代制造工程. 2016(11)
博士论文
[1]生产车间设施布局优化方法研究[D]. 郑晓军.大连理工大学 2010
[2]制造车间布局优化方法研究与系统实现[D]. 胡广华.华中科技大学 2007
[3]具有性能约束的三维布局优化的理论及算法[D]. 铁军.大连理工大学 2007
[4]复杂布局的协同差异演化方法与应用研究[D]. 史彦军.大连理工大学 2006
硕士论文
[1]基于管理熵理论的企业投资决策研究[D]. 武飞飞.天津大学 2009
本文编号：3476974
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3476974.html
