基于混合遗传算法的船舶钢材准备车间调度研究

发布时间：2017-09-21 07:18

  本文关键词：基于混合遗传算法的船舶钢材准备车间调度研究

  更多相关文章： 船舶钢材 车间调度 遗传算法 模拟退火算法

【摘要】：船舶建造行业是展示一个国家或地区经济水平和科技实力的重点行业。近年来,中国造船业在国际市场的持单份额持续攀升,已成为世界公认的船舶建造重要力量。但中国在高端船舶制造方面的技术水平、制造经验等仍然相对薄弱,随着国内劳动资源成本的持续上涨,不少船厂面临着制造成本不断增加的挑战。如何提高船舶建造效率成为船舶制造企业关注的重点问题,也是提升企业市场竞争力的有效措施,所以针对船舶制造企业车间调度问题的探讨至关重要。本文以船舶制造企业中的钢材准备车间为研究对象,将其切割加工作业区看成存在并行机的流水作业车间。结合某船厂钢材准备车间实际生产数据,为实现钢材准备车间的高效调度,从而制定更加高效的生产计划,提高生产效率,本文提出并研究了一种混合算法,其融合了遗传算法与模拟退火算法各自的优点。具体研究工作如下:首先,讨论了现代船舶制造企业的生产模式,概括了钢材准备车间的作业流程与加工工艺,分析了钢材准备车间现有调度方法的问题与不足之处。结合船舶制造企业的特点及实际生产系统的要求,将车间调度目标确定为最小化提前/拖期惩罚。其次,结合某船厂钢材准备车间的实际生产数据,包括工件的类型、加工工序约束、加工时间、加工机器的选择以及车间目标等信息,定义了钢材准备车间调度问题变量,建立了数学模型。以最小化提前/拖期惩罚为优化目标,提出了一种混合算法。深入研究了混合遗传算法的运算流程,其中涵盖了个体的编码与解码方案、适应度值的计算、算法约束条件、遗传操作、退火温度等相关内容。最后,根据某船厂实际生产数据,将工件数量、工序约束、加工设备等信息导入数学模型中,再使用本文算法进行求解,得出了最优调度序列,包括工件加工设备的选择以及加工顺序,并绘制出最优调度甘特图;同时为了验证本文所提出算法的有效性,将同样的加工数据导入标准遗传算法(SGA)中进行迭代计算。经过比较可以得出结论,将本文算法应用在船舶钢材准备车间调度问题的求解上,效果更加先进与合理。
【关键词】：船舶钢材 车间调度 遗传算法 模拟退火算法
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U673;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-21
• 1.1 本课题研究来源及背景10-12
• 1.1.1 课题来源10
• 1.1.2 研究背景10-12
• 1.2 本课题国内外研究现状12-19
• 1.2.1 混合作业车间调度国内外研究现状12-16
• 1.2.2 现代造船技术研究现状16-18
• 1.2.3 当前研究存在的主要问题18-19
• 1.3 本文的研究目的及意义19-20
• 1.4 本文的主要研究内容20-21
• 第二章 钢材准备车间生产系统的调度及建模21-36
• 2.1 钢材准备车间生产过程分析21-26
• 2.1.1 现代造船工艺简介21-23
• 2.1.2 船体钢料加工工艺概述23-25
• 2.1.3 某船厂钢材准备车间生产工艺流程分析25-26
• 2.2 钢材准备车间生产调度存在问题分析26-30
• 2.2.1 现代造船业生产调度过程26-28
• 2.2.2 当前调度过程问题分析28-30
• 2.3 钢材准备车间生产调度数学模型的建立30-35
• 2.3.1 车间调度问题的描述30-31
• 2.3.2 车间调度的目标与约束31-33
• 2.3.3 车间调度的数学模型33-35
• 2.4 本章小结35-36
• 第三章 面向钢材准备车间调度的混合遗传算法设计36-51
• 3.1 遗传算法和模拟退火算法的基本理论36-40
• 3.1.1 遗传算法的基本理论36-38
• 3.1.2 模拟退火算法的基本理论38-40
• 3.3 混合遗传算法的设计40-50
• 3.3.1 遗传算法的编码与解码方案41-43
• 3.3.2 遗传算法的选择、交叉与变异43-47
• 3.3.3 模拟退火算法设计47-49
• 3.3.4 混合遗传算法流程49-50
• 3.4 本章小结50-51
• 第四章 调度实例与算法评价51-63
• 4.1 算法优越性验证51-56
• 4.1.1 基准实例验证51-54
• 4.1.2 与标准遗传算法的比较分析54-56
• 4.2 车间调度算法的实例验证56-62
• 4.2.1 生产数据采集与遗传参数设置56-59
• 4.2.2 调度结果分析59-62
• 4.3 本章小结62-63
• 第五章 总结与展望63-64
• 5.1 全文总结63
• 5.2 研究工作展望63-64
• 参考文献64-67
• 致谢67-68
• 攻读硕士学位期间发表的论文与参加的项目68-69
• 附录69-73

【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 周严伟;基于快速非支配排序遗传算法的多目标流水车间调度研究[D];华南理工大学;2015年

2 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

3 张龙;汽车线束领域的工艺规划与车间调度集成研究[D];合肥工业大学;2014年

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文编号：893115