柔性作业车间调度中的群智能优化算法研究
发布时间：2024-05-18 14:37
随着日益加剧的全球市场竞争,为满足客户多样化及个性化的需求,提高客户满意度,缩短生产加工周期以及按时交货,进而提高自身竞争力,企业需要制定合理的车间生产调度方案。增加了路径柔性特点的作业车间调度系统变得更加灵活,这也使柔性作业车间调度问题成为最困难的组合优化问题之一。根据实际生产需要,柔性作业车间调度问题常常需要针对多个目标制定优化决策。因此,对多目标柔性作业车间调度问题的求解方法进行深入研究具有重要的理论意义与实际应用价值。 本文主要研究对群智能优化算法进行改进、融合,并将其应用于解决柔性作业车间调度问题,主要完成了以下方面的研究： 对基本蚁群优化算法进行了改进,将其应用于解决单目标柔性作业车间调度问题。在改进的蚁群优化算法中,完成了对路径构造中的邻域搜索方法的设计。算法中,子集的数量由所调度问题包含的工件数量决定。为了避免过早停滞现象的发生,算法对启发式信息采用了轨迹强度蒸发规则。本文分析了改进型蚁群优化算法中的相关参数,并以平衡全局搜索能力、算法收敛性为目标,在充分考虑了所解决问题规模的前提下进行了算法参数的设置。通过对算法进行仿真实验获取了较为满意的调度结果。 通过对多目标FJ...
【文章页数】：105 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 研究意义
1.3 车间调度问题
1.3.1 JSP描述
1.3.2 JSP分类
1.3.3 JSP特点
1.3.4 JSP研究方法
1.4 柔性作业车间调度问题
1.4.1 问题描述
1.4.2 常用性能指标
1.4.3 柔性作业车间调度问题的国内外研究概况
1.5 群智能优化算法研究现状
1.5.1 蚁群优化算法研究现状
1.5.2 粒子群优化算法研究现状
1.6 本文研究内容及章节安排
2 基于单目标柔性作业车间调度的蚁群算法改进
2.1 引言
2.2 蚁群优化算法
2.2.1 蚁群优化算法拟生物学基本原理及机理抽象
2.2.2 蚁群优化算法理论模型
2.2.3 蚁群优化算法特点
2.2.4 基于种群进化的相关算法比较
2.3 单目标FJSP的数学模型
2.3.1 问题描述
2.3.2 数学模型
2.3.3 评价指标
2.4 FJSP的编码方法
2.4.1 两向量编码方法
2.4.2 并行作业编码方法
2.4.3 基于优先权的编码方法
2.4.4 工序机器编码方法
2.5 求解单目标FJSP的蚁群优化算法改进
2.5.1 蚁群算法基本结构
2.5.2 改进后的算法描述
2.5.3 改进后的算法规则
2.6 实验结果与分析
2.6.1 具有12个工序的4×5问题
2.6.2 具有27个工序的8×8问题
2.7 本章小结
3 基于多目标柔性作业车间调度的蚁群算法改进
3.1 引言
3.2 多目标问题的优化方法
3.2.1 多目标问题的基本概念
3.2.2 多目标优化方法
3.2.3 多目标FJSP研究现状
3.3 求解多目标FJSP的蚁群优化算法改进
3.3.1 多目标FJSP的数学模型的建立
3.3.2 蚁群启发式信息设计
3.3.3 算法流程
3.3.4 参数设置
3.4 实验结果与分析
3.4.1 具有12个工序的4x5问题
3.4.2 具有27个工序的8×8问题
3.5 本章小结
4 改进的粒子群优化算法在柔性作业车间调度中的应用研究
4.1 引言
4.1.1 研究背景
4.1.2 存在的问题
4.2 基本粒子群优化算法
4.3 PSO算法的改进措施
4.4 PSO算法的性能分析
4.5 求解单目标FJSP的PSO算法设计
4.5.1 编码方法
4.5.2 位置与速度的计算
4.5.3 参数设置
4.5.4 局部搜索策略
4.5.5 算法流程
4.5.6 实验结果与分析
4.6 求解多目标FJSP的PSO算法设计
4.6.1 粒子适应度
4.6.2 算法流程
4.6.3 算法实验及结果分析
4.7 本章小结
5 基于多目标柔性作业车间调度问题的二阶式蚁群粒子群混合优化算法设计
5.1 引言
5.2 TSAPO算法框架设计
5.3 多目标分解
5.4 多目标FJSP的二阶式蚁群粒子群优化算法实现
5.4.1 工序可选加工机器析取模型的建立
5.4.2 第一阶蚁群启发式信息设计
5.4.3 第二阶粒子群解码设计
5.4.4 TSAPO算法流程设计
5.5 算法实验
5.5.1 实验参数的设定
5.5.2 实验结果
5.6 本章小结
结论
1 研究总结
2 研究展望
参考文献
攻读学位期间发表的学术论文
致谢
本文编号：3977068
【文章页数】：105 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 研究意义
1.3 车间调度问题
1.3.1 JSP描述
1.3.2 JSP分类
1.3.3 JSP特点
1.3.4 JSP研究方法
1.4 柔性作业车间调度问题
1.4.1 问题描述
1.4.2 常用性能指标
1.4.3 柔性作业车间调度问题的国内外研究概况
1.5 群智能优化算法研究现状
1.5.1 蚁群优化算法研究现状
1.5.2 粒子群优化算法研究现状
1.6 本文研究内容及章节安排
2 基于单目标柔性作业车间调度的蚁群算法改进
2.1 引言
2.2 蚁群优化算法
2.2.1 蚁群优化算法拟生物学基本原理及机理抽象
2.2.2 蚁群优化算法理论模型
2.2.3 蚁群优化算法特点
2.2.4 基于种群进化的相关算法比较
2.3 单目标FJSP的数学模型
2.3.1 问题描述
2.3.2 数学模型
2.3.3 评价指标
2.4 FJSP的编码方法
2.4.1 两向量编码方法
2.4.2 并行作业编码方法
2.4.3 基于优先权的编码方法
2.4.4 工序机器编码方法
2.5 求解单目标FJSP的蚁群优化算法改进
2.5.1 蚁群算法基本结构
2.5.2 改进后的算法描述
2.5.3 改进后的算法规则
2.6 实验结果与分析
2.6.1 具有12个工序的4×5问题
2.6.2 具有27个工序的8×8问题
2.7 本章小结
3 基于多目标柔性作业车间调度的蚁群算法改进
3.1 引言
3.2 多目标问题的优化方法
3.2.1 多目标问题的基本概念
3.2.2 多目标优化方法
3.2.3 多目标FJSP研究现状
3.3 求解多目标FJSP的蚁群优化算法改进
3.3.1 多目标FJSP的数学模型的建立
3.3.2 蚁群启发式信息设计
3.3.3 算法流程
3.3.4 参数设置
3.4 实验结果与分析
3.4.1 具有12个工序的4x5问题
3.4.2 具有27个工序的8×8问题
3.5 本章小结
4 改进的粒子群优化算法在柔性作业车间调度中的应用研究
4.1 引言
4.1.1 研究背景
4.1.2 存在的问题
4.2 基本粒子群优化算法
4.3 PSO算法的改进措施
4.4 PSO算法的性能分析
4.5 求解单目标FJSP的PSO算法设计
4.5.1 编码方法
4.5.2 位置与速度的计算
4.5.3 参数设置
4.5.4 局部搜索策略
4.5.5 算法流程
4.5.6 实验结果与分析
4.6 求解多目标FJSP的PSO算法设计
4.6.1 粒子适应度
4.6.2 算法流程
4.6.3 算法实验及结果分析
4.7 本章小结
5 基于多目标柔性作业车间调度问题的二阶式蚁群粒子群混合优化算法设计
5.1 引言
5.2 TSAPO算法框架设计
5.3 多目标分解
5.4 多目标FJSP的二阶式蚁群粒子群优化算法实现
5.4.1 工序可选加工机器析取模型的建立
5.4.2 第一阶蚁群启发式信息设计
5.4.3 第二阶粒子群解码设计
5.4.4 TSAPO算法流程设计
5.5 算法实验
5.5.1 实验参数的设定
5.5.2 实验结果
5.6 本章小结
结论
1 研究总结
2 研究展望
参考文献
攻读学位期间发表的学术论文
致谢
本文编号：3977068
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3977068.html
