多策略WWO算法及其在车间调度问题中的应用研究
发布时间：2020-12-09 13:15
车间调度是制造执行系统的重要组成部分,其效率是智能制造系统能否高效运行的核心和关键。随着经济全球化发展,市场对制造系统提出了更高的要求,如实时响应客户订单、动态调整生产计划、处理意外事件及多用户多任务订单等,已有制造系统的调度策略与控制算法已无法满足这些需求,制造系统调度已成为制造系统高效运行的瓶颈和“卡脖子”的模块。因此,调度模型、策略及优化算法具有非常重要的研究价值。车间调度为满足千变万化的市场要求,已经由单车间调度向多车间调度完成转变,最终形成分布式车间生产调度模式。合理高效的调度方法和优化技术成为生产系统过程中提高生产效率和经济效益的主要手段。多数车间调度问题被证明是NP-hard问题。由于车间调度问题的多样性和复杂性,传统优化方法并不能通过高效搜索获得问题最优解,所以,许多元启发式方法成为求解车间调度问题的主流方法。关于车间调度问题的理论研究和有效的优化方法依旧具有重要研究意义和应用价值。水波优化算法（Water Water Optiomization algorithm,WWO）是受物理现象启发,根据水波理论提出的优化算法,其框架简单、易于实现,因其独特的运行机制和高效的全...
【文章来源】：兰州理工大学甘肃省
【文章页数】：108 页
【学位级别】：硕士
【部分图文】：
′以及最优解之间的距离
硕士学位论文23Variance，ANOVA）[83]分析了不同参数组合的实验结果并且说明了参数之间相互作用的重要性。当<0.05时，方差分析（ANOVA）中的是一个显著性指标。参数校验的方差分析（ANOVA）结果如表3.2所示，最大的对应于，且对应的最小，这说明在所考虑的所有因素中，对EWWO算法的平均性能具有最重要的影响。表3.2EWWO算法参数校准的实验结果SourceSumofsquaresDegreesoffreedomMeanSquare1.73292e+0828.66459e+073.940.04831.09539e+0833.65131e+071.660.22796.3155e+0723.15775e+071.440.27584.10261e+0866.83768e+073.110.04471.22748e+0843.06871e+071.40.29351.0481e+0861.74684e+070.790.5916Residual2.63772e+08122.1981e+07Total1.24758e+0935根据图3.5（a）参数的主效应图，=0.5的选择优于其他参数值。种群进化的多样性和种群的收敛速度受到的影响。从图3.5（a）可以看出，当=0.3时，种群的多样性得到了增强，但算法很容易过早收敛。当=0.9时，算法的开发能力得到提升，但是带来的后果是种群多样性被破坏。然而，如果参数之间存在显著的相互作用，则主效应图是不全面的。结合图3.5（b），和之间的相互作用图解释了=0.5是EWWO算法的最佳选择。排名第二的对应于，这一点说明了交叉因子和更新率之间的相互作用是显著的，与此同时，对应的是小于0.05的。根据图3.5（b），=0.9和=0.8可以让EWWO算法的性能发挥到最佳水平，然而，为了不破坏种群的多样性同时要平衡算法的两E能力，=0.5的效果要优于其他两种选择。综上所述，在EWWO算法中，，，三个参数的取值分别为0.5、0.8和12。(a)EWWO参数的主效应图(b)EWWO参数有效组合的交互作用图图3.5EWWO参数分析图
基于局部强化搜索的碎浪操作
【参考文献】：
期刊论文
[1]一种基于混沌和单纯形法的水波优化算法[J]. 吴秀丽,周永权. 计算机科学. 2017(05)
[2]种群规模可变的水波优化算法[J]. 张杰峰,郑宇军. 南京大学学报(自然科学). 2015(04)
[3]求解相同并行机混合流水线车间调度问题的分布估计算法[J]. 王圣尧,王凌,许烨. 计算机集成制造系统. 2013(06)
[4]《调度:原理、算法和系统(第2版)》[J]. 徐秋栋. 工业工程与管理. 2011(02)
博士论文
[1]基于群智能优化算法的流水车间调度问题若干研究[D]. 崔喆.华东理工大学 2014
[2]生产调度问题及其智能优化算法研究[D]. 宋存利.大连理工大学 2011
本文编号：2906917
【文章来源】：兰州理工大学甘肃省
【文章页数】：108 页
【学位级别】：硕士
【部分图文】：
′以及最优解之间的距离
硕士学位论文23Variance，ANOVA）[83]分析了不同参数组合的实验结果并且说明了参数之间相互作用的重要性。当<0.05时，方差分析（ANOVA）中的是一个显著性指标。参数校验的方差分析（ANOVA）结果如表3.2所示，最大的对应于，且对应的最小，这说明在所考虑的所有因素中，对EWWO算法的平均性能具有最重要的影响。表3.2EWWO算法参数校准的实验结果SourceSumofsquaresDegreesoffreedomMeanSquare1.73292e+0828.66459e+073.940.04831.09539e+0833.65131e+071.660.22796.3155e+0723.15775e+071.440.27584.10261e+0866.83768e+073.110.04471.22748e+0843.06871e+071.40.29351.0481e+0861.74684e+070.790.5916Residual2.63772e+08122.1981e+07Total1.24758e+0935根据图3.5（a）参数的主效应图，=0.5的选择优于其他参数值。种群进化的多样性和种群的收敛速度受到的影响。从图3.5（a）可以看出，当=0.3时，种群的多样性得到了增强，但算法很容易过早收敛。当=0.9时，算法的开发能力得到提升，但是带来的后果是种群多样性被破坏。然而，如果参数之间存在显著的相互作用，则主效应图是不全面的。结合图3.5（b），和之间的相互作用图解释了=0.5是EWWO算法的最佳选择。排名第二的对应于，这一点说明了交叉因子和更新率之间的相互作用是显著的，与此同时，对应的是小于0.05的。根据图3.5（b），=0.9和=0.8可以让EWWO算法的性能发挥到最佳水平，然而，为了不破坏种群的多样性同时要平衡算法的两E能力，=0.5的效果要优于其他两种选择。综上所述，在EWWO算法中，，，三个参数的取值分别为0.5、0.8和12。(a)EWWO参数的主效应图(b)EWWO参数有效组合的交互作用图图3.5EWWO参数分析图
基于局部强化搜索的碎浪操作
【参考文献】：
期刊论文
[1]一种基于混沌和单纯形法的水波优化算法[J]. 吴秀丽,周永权. 计算机科学. 2017(05)
[2]种群规模可变的水波优化算法[J]. 张杰峰,郑宇军. 南京大学学报(自然科学). 2015(04)
[3]求解相同并行机混合流水线车间调度问题的分布估计算法[J]. 王圣尧,王凌,许烨. 计算机集成制造系统. 2013(06)
[4]《调度:原理、算法和系统(第2版)》[J]. 徐秋栋. 工业工程与管理. 2011(02)
博士论文
[1]基于群智能优化算法的流水车间调度问题若干研究[D]. 崔喆.华东理工大学 2014
[2]生产调度问题及其智能优化算法研究[D]. 宋存利.大连理工大学 2011
本文编号：2906917
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2906917.html
