遗传算法求解带权重的生产调度问题
发布时间：2021-10-22 20:22
以优化生产排程,缩短生产周期为目标,研究了多工序的批量调度问题,以遗传算法为基础,提出了一种带有权重的生产调度算法。遗传算法产生初始种群,采用两次编码转换,使得初始种群携带的信息更为完善,将排队时间和运输时间与加工时间分离,根据不同的时间权重得到最为合适的时间组合,使得总的生产周期最小。根据同一机器不同零件和同一零件不同工序分为多种情况,分别得出对应的加工时间和等待时间,根据不同的时间权重,得到全局最优解。结合实例进行仿真实验,结果表明了算法的可行性、准确性。
【文章来源】：计算机与数字工程. 2020,48(06)
【文章页数】：7 页
【部分图文】：
加工示意图tij=TTdej-1+tranij+TTij
第48卷有工件加工，如图2。图1加工示意图图2加工示意图tij=TTij-1+TTijwij=TTij-1情况三：若待加工工件有紧前工序且待加工工件的紧前工序所用时间大于当前机器加工前一种工件的加工时间，如图3。图3加工示意图tij=TTdej-1+tranij+TTijwij=TTdej-1-TTij-1情况四：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间重合，如图4。图4加工示意图tij=TTij-1+TTijwij=TTij-1-TTdej-1情况五：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间部分重合，如图5。图5加工示意图tij=TTij-1+TTij+tranij-（TTij-1-TTdej-1）wij=TTij-TTdej-1-（TTij-1-TTdej-1）4批量生产调度的加权遗传算法4.1遗传算法的基本思想遗传算法从可能代表问题潜在解集的一个种群开始，一个种群由包含基因特征的染色体组成，染色体是经过编码的从性状到基因的映射。初始种群按照优胜劣汰的原则，根据适应度大小挑选若干个体，通过交叉、变异，产生符合问题解的新的个体，再从中挑选种群数量的个体的一系列遗传操作。经过多次操作，最终得出问题的近优解或最优解［5］。交叉运算：双亲染色体部分基因相互交换重组，产生新的符合问题解的个体。变异运算：改变父代染色体的部分基因，产生新的符合问题解的个体。选择运算：根据各个染色体适应度大小，选择适应度高?
图3。图3加工示意图tij=TTdej-1+tranij+TTijwij=TTdej-1-TTij-1情况四：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间重合，如图4。图4加工示意图tij=TTij-1+TTijwij=TTij-1-TTdej-1情况五：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间部分重合，如图5。图5加工示意图tij=TTij-1+TTij+tranij-（TTij-1-TTdej-1）wij=TTij-TTdej-1-（TTij-1-TTdej-1）4批量生产调度的加权遗传算法4.1遗传算法的基本思想遗传算法从可能代表问题潜在解集的一个种群开始，一个种群由包含基因特征的染色体组成，染色体是经过编码的从性状到基因的映射。初始种群按照优胜劣汰的原则，根据适应度大小挑选若干个体，通过交叉、变异，产生符合问题解的新的个体，再从中挑选种群数量的个体的一系列遗传操作。经过多次操作，最终得出问题的近优解或最优解［5］。交叉运算：双亲染色体部分基因相互交换重组，产生新的符合问题解的个体。变异运算：改变父代染色体的部分基因，产生新的符合问题解的个体。选择运算：根据各个染色体适应度大小，选择适应度高的个体进入下一代。遗传算法的步骤［6］如下。1）根据问题，随机产生符合问题解的初始种群，产生的个体数目确定，每个个体表现为染色体123456789101112131020101040305020303020
【参考文献】：
期刊论文
[1]炼钢生产调度系统的研究及应用[J]. 李子修,甄景燕,张华. 内燃机与配件. 2018(18)
[2]改进的粒子群算法在多目标车间调度的应用[J]. 李浩,毕利,靳彬锋. 计算机应用与软件. 2018(03)
[3]网络化制造车间资源优化及车间调度分析[J]. 刘菁,李玥. 现代经济信息. 2018(05)
[4]变邻域改进遗传算法求解混合流水车间调度问题[J]. 崔琪,吴秀丽,余建军. 计算机集成制造系统. 2017(09)
[5]生产调度系统在企业中的应用实践之研究[J]. 李康. 通讯世界. 2017(02)
[6]基于多种群遗传算法的永磁涡流驱动器的多目标优化设计[J]. 时统宇,王大志,李召. 电工技术学报. 2016(S2)
[7]钢构企业生产调度系统的研究与应用[J]. 花季伟,佟静翠,雷兆明. 计算机应用与软件. 2016(09)
[8]新形势下煤矿企业生产调度系统及管理工作探析[J]. 王俊锋. 机械管理开发. 2016(06)
[9]基于三阶段改进蚁群算法的多工艺路线柔性作业车间调度[J]. 杨小龙,张洁. 制造业自动化. 2015(08)
[10]基于知识管理的车间调度规划[J]. 王傲胜. 价值工程. 2014(28)
硕士论文
[1]改进的交互式遗传算法研究及应用[D]. 刘冠宇.淮北师范大学 2018
本文编号：3451788
【文章来源】：计算机与数字工程. 2020,48(06)
【文章页数】：7 页
【部分图文】：
加工示意图tij=TTdej-1+tranij+TTij
第48卷有工件加工，如图2。图1加工示意图图2加工示意图tij=TTij-1+TTijwij=TTij-1情况三：若待加工工件有紧前工序且待加工工件的紧前工序所用时间大于当前机器加工前一种工件的加工时间，如图3。图3加工示意图tij=TTdej-1+tranij+TTijwij=TTdej-1-TTij-1情况四：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间重合，如图4。图4加工示意图tij=TTij-1+TTijwij=TTij-1-TTdej-1情况五：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间部分重合，如图5。图5加工示意图tij=TTij-1+TTij+tranij-（TTij-1-TTdej-1）wij=TTij-TTdej-1-（TTij-1-TTdej-1）4批量生产调度的加权遗传算法4.1遗传算法的基本思想遗传算法从可能代表问题潜在解集的一个种群开始，一个种群由包含基因特征的染色体组成，染色体是经过编码的从性状到基因的映射。初始种群按照优胜劣汰的原则，根据适应度大小挑选若干个体，通过交叉、变异，产生符合问题解的新的个体，再从中挑选种群数量的个体的一系列遗传操作。经过多次操作，最终得出问题的近优解或最优解［5］。交叉运算：双亲染色体部分基因相互交换重组，产生新的符合问题解的个体。变异运算：改变父代染色体的部分基因，产生新的符合问题解的个体。选择运算：根据各个染色体适应度大小，选择适应度高?
图3。图3加工示意图tij=TTdej-1+tranij+TTijwij=TTdej-1-TTij-1情况四：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间重合，如图4。图4加工示意图tij=TTij-1+TTijwij=TTij-1-TTdej-1情况五：若待加工工件有紧前工序且待加工工件的紧前工序所用时间小于当前机器加工前一种工件的加工时间，待加工工件的运输时间与工件等待时间部分重合，如图5。图5加工示意图tij=TTij-1+TTij+tranij-（TTij-1-TTdej-1）wij=TTij-TTdej-1-（TTij-1-TTdej-1）4批量生产调度的加权遗传算法4.1遗传算法的基本思想遗传算法从可能代表问题潜在解集的一个种群开始，一个种群由包含基因特征的染色体组成，染色体是经过编码的从性状到基因的映射。初始种群按照优胜劣汰的原则，根据适应度大小挑选若干个体，通过交叉、变异，产生符合问题解的新的个体，再从中挑选种群数量的个体的一系列遗传操作。经过多次操作，最终得出问题的近优解或最优解［5］。交叉运算：双亲染色体部分基因相互交换重组，产生新的符合问题解的个体。变异运算：改变父代染色体的部分基因，产生新的符合问题解的个体。选择运算：根据各个染色体适应度大小，选择适应度高的个体进入下一代。遗传算法的步骤［6］如下。1）根据问题，随机产生符合问题解的初始种群，产生的个体数目确定，每个个体表现为染色体123456789101112131020101040305020303020
【参考文献】：
期刊论文
[1]炼钢生产调度系统的研究及应用[J]. 李子修,甄景燕,张华. 内燃机与配件. 2018(18)
[2]改进的粒子群算法在多目标车间调度的应用[J]. 李浩,毕利,靳彬锋. 计算机应用与软件. 2018(03)
[3]网络化制造车间资源优化及车间调度分析[J]. 刘菁,李玥. 现代经济信息. 2018(05)
[4]变邻域改进遗传算法求解混合流水车间调度问题[J]. 崔琪,吴秀丽,余建军. 计算机集成制造系统. 2017(09)
[5]生产调度系统在企业中的应用实践之研究[J]. 李康. 通讯世界. 2017(02)
[6]基于多种群遗传算法的永磁涡流驱动器的多目标优化设计[J]. 时统宇,王大志,李召. 电工技术学报. 2016(S2)
[7]钢构企业生产调度系统的研究与应用[J]. 花季伟,佟静翠,雷兆明. 计算机应用与软件. 2016(09)
[8]新形势下煤矿企业生产调度系统及管理工作探析[J]. 王俊锋. 机械管理开发. 2016(06)
[9]基于三阶段改进蚁群算法的多工艺路线柔性作业车间调度[J]. 杨小龙,张洁. 制造业自动化. 2015(08)
[10]基于知识管理的车间调度规划[J]. 王傲胜. 价值工程. 2014(28)
硕士论文
[1]改进的交互式遗传算法研究及应用[D]. 刘冠宇.淮北师范大学 2018
本文编号：3451788
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3451788.html
