基于群体智能算法的车间调度方法研究

发布时间：2021-10-25 09:56

　　在制造领域,高效率、高柔性、高可靠性是制造企业追求的重要指标,优化调度是实现这些指标的重要环节之一。随着现代集成制造系统的不断发展与完善,人们对智能车间调度的要求也随之增高。传统的车间调度问题是在实际生产调度问题的基础上进行简化得来的,而柔性作业车间调度问题是在传统的作业车间调度问题上扩展出来的一类更加灵活复杂的问题。相对于传统的调度问题,柔性作业车间调度更加贴近现实生产中的制造环境,更符合现代柔性制造的理念。柔性作业车间调度是NP-hard组合优化问题,问题规模越大复杂度就越高。群体智能算法因其搜索效率高、鲁棒性强的优点,在求解车间调度组合优化问题上展现出很好的性能。本文研究了三种类型的柔性作业车间调度问题,并采用几种不同的算法来进行求解。主要内容如下:（1）采用蝙蝠算法求解以最大完工时间最小化为单目标的柔性作业车间调度问题,根据问题的离散特性以及算法局部搜索能力弱的缺陷,利用遗传算法中的交叉操作辅助蝙蝠算法寻优,提出一种混合遗传蝙蝠算法。首先采用基于机器的编码方式完成问题解空间到算法可以处理的搜索空间的映射,并通过三种方式产生初始种群来提高初始种群的质量与多样性;然后引入动态递减的... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景及意义
    1.2 国内外研究现状
        1.2.1 车间调度方法国内外研究现状
        1.2.2 FJSP国内外研究现状
    1.3 本文主要工作
    1.4 本文章节安排
第二章 相关理论知识及技术
    2.1 车间调度
        2.1.1 车间调度问题描述及分类
        2.1.2 车间调度的特性
    2.2 柔性作业车间调度
        2.2.1 符号定义
        2.2.2 FJSP问题描述
        2.2.3 约束条件
        2.2.4 常见目标函数
    2.3 蝙蝠算法
        2.3.1 蝙蝠算法概述
        2.3.2 蝙蝠算法基本流程
        2.3.3 蝙蝠算法应用研究
    2.4 人工蜂群算法
        2.4.1 人工蜂群算法概述
        2.4.2 人工蜂群算法基本流程
        2.4.3 人工蜂群算法应用研究
    2.5 本章小结
第三章 混合遗传蝙蝠算法求解单目标柔性作业车间调度问题
    3.1 SOFJSP模型
    3.2 HGBA算法设计
        3.2.1 编码方式
        3.2.2 种群初始化
        3.2.3 惯性权重调整
        3.2.4 混合列交叉更新策略
        3.2.5 HGBA算法流程
    3.3 实例仿真结果与分析
        3.3.1 改进措施有效性分析
        3.3.2 实例仿真及结果分析
    3.4 本章小结
第四章 离散人工蜂群求解多目标柔性作业车间调度问题
    4.1 多目标优化基本概念
    4.2 MOFJSP模型
    4.3 PDABC算法设计
        4.3.1 编码方式
        4.3.2 基于排序的选择概率
        4.3.3 邻域搜索
        4.3.4 混合列交叉策略
        4.3.5 Pareto解集创建与更新
        4.3.6 PDABC算法流程
    4.4 实验仿真
        4.4.1 算法性能测试与结果分析
        4.4.2 实例仿真
    4.5 本章小结
第五章 不确定工时条件下的柔性作业车间调度问题求解
    5.1 区间数基本概念
    5.2 FJSP-UPT模型
    5.3 算法设计
        5.3.1 编码方式
        5.3.2 区间数比较法
        5.3.3 基于区间可能度的选择概率
        5.3.4 位置更新策略
        5.3.5 IABC算法流程
    5.4 实例仿真与分析
    5.5 本章小结
第六章 主要结论与展望
    6.1 主要结论
    6.2 展望
致谢
参考文献
附录:作者在攻读硕士学位期间发表的论文


【参考文献】：
期刊论文
[1]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)
[2]混合灰狼优化算法求解柔性作业车间调度问题[J]. 姜天华.  控制与决策. 2018(03)
[3]多搜索策略协同进化的人工蜂群算法[J]. 王志刚,尚旭东,夏慧明,丁华.  控制与决策. 2018(02)
[4]基于改进遗传算法的多目标柔性作业车间节能调度问题[J]. 王雷,蔡劲草,石鑫.  南京理工大学学报. 2017(04)
[5]基于混合离散人工蜂群算法的置换流水车间调度[J]. 张素君,宁欣,顾幸生.  河南大学学报(自然科学版). 2017(02)
[6]具有空闲时间的云制造作业车间调度方法[J]. 王贞,张纪会,齐元青.  控制与决策. 2017(05)
[7]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)
[8]面向作业车间调度问题的改进型蝙蝠算法[J]. 夏晶晶,王猛.  华中师范大学学报(自然科学版). 2016(04)
[9]基于改进蝙蝠算法的柔性流水车间排产优化问题研究[J]. 韩忠华,朱伯秋,史海波,林硕.  计算机应用研究. 2017(07)
[10]基于改进遗传算法的多目标FJSP问题研究[J]. 刘胜,于海强.  控制工程. 2016(06)

硕士论文
[1]工时不确定条件下的多目标柔性作业车间调度问题研究[D]. 陈宇轩.合肥工业大学 2017



本文编号：3457162