改进的混合粒子群算法在作业车间调度中的研究与应用
发布时间：2021-04-17 08:33
随着经济全球化的不断发展,企业之间的竞争变得异常激烈,特别是在制造业领域,企业要想生存下去就必须重视生产车间的调度管理,合理优化分配各项生产资源以及提高生产能力和生产效率是提升企业市场竞争力的最有效手段。因此研究如何解决车间调度问题具有很重要的理论价值和现实意义。作业车间调度问题作为一个企业在车间生产管理过程中经常遇到的组合优化问题,成为近年来国内外学者不断研究探索的热点问题之一,随着计算机技术的发展以及交叉学科的兴起,智能优化算法逐渐成为解决这类问题的主要方法。粒子群算法是一种通过模拟鸟类聚集飞行,在运动中不断改变自身的位置和速度,最终达到最优状态的进化搜索计算方法,但是这种算法应用在解决车间调度领域还不是特别成熟,存在着一些缺陷。本文针对粒子群算法存在容易陷入局部最优解以及算法后期收敛速度慢的缺点,提出一种改进的混合粒子群算法,首先在标准粒子群算法中加入随机惯性权重策略,使算法可以灵活的调节全局搜索和局部搜索能力,同时引入遗传算法中的交叉、变异思想,以此来增加种群的多样性,防止陷入局部最优解,最后在种群进化后期结合模拟退火算法,利用模拟退火算法强大的跳出局部最优的能力来保障种群进化...
【文章来源】：大连交通大学辽宁省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图２．１标准粒子群玆法的流柷图??Ｆｉｇ．?２．１?Ｔｈｅ?Ｆｌｏｗ?Ｃｈａｒｔ?ｏｆ?Ｔｈｅ?Ｓｔａｎｄａｒｄ?Ｐａｒｔｉｃｌｅ?Ｓｗａｎｎ?Ａｌｇｏｒｉｔｈｍ??ＩＩ??
?粒子的位置信息交叉操作和速度信息交叉操作是一样的，两点交叉方式的具体操??作示意图如图３．１所示。??父代?ＶＩ?１１１１?１?１１１１?子代?ｖｌ?１１１２?２?２１１１??两点交叉???？??父代?Ｖ２?２２２２?２２２２２?子代?ｖ２?２２２１?１１２２２??图３．１两点交叉操作??Ｆｉｇ?３．１?Ｔｗｏ－ｐｏｉｎｔ?Ｃｒｏｓｓｏｖｅｒ?Ｏｐｅｒａｔｉｏｎ??３．?３．?３变异操作??变异操作足遗传算法中重要的操作步骤之一，它的作用是为ｆ维持兑法／Ｉ：进化过程??中种群的多样性，同时还能改善算法的局部搜索能力防止种群因为过早收敛而陷入早熟??情况。同样在粒子群算法中，由于粒子都是在优化Ｈ题的ｎ丨行解＇个：Ｎ屮随机运动，如果??有粒子找到一个局部最优位置，其他粒子就会向它运动，这样经过儿代进化过程，粒子??种群就会陷入到局部最优解，而１１．种群的多样性也会大大降低。因此，为了保证种群的??多样性，防止种群陷入局部最优，＋文计划舟：粒子群算法中引入变异操作。常见遗传兑??法中的变汗操作私抽入变异、逆序变异［５７］、两点交换变异［５８１等方式。??本文采爪的粒子变异操作是两点交换变异。在算法开始之前设置一个变异概率，然??后让粒／？种群进化过程屮随机产生一个数
３．?４模拟退火算法??３．?４．?１模拟退火算法介绍??模拟退火算法（Ｓｉｍｕｌａｔｅｄ?Ａｎｎｅａｌｉｎｇ，?ＳＡ）的思想楚来源于物理中固体的退火过程，??当固体加热到温度很高的时候，此时内能也较大，固体内部的各个粒子都处于高速的无??序运动状态，随着固体温度的逐渐降低，固体的内能也逐渐减小，粒子的运动速度逐渐??降低，运动状态的从无序渐渐趋于有序运动，最终当固体温度不在降低时，内能达到最??小值，这时候固体内部的粒子最为稳定。??模拟退火算法是从某一个较高的初始温度出发，伴随着温度参数的逐渐降低，算法??中的解逐渐趋于稳定，但是此时的这个可行解有可能只是一个局部的最优解，这时模拟??退火算法会结合概率的突跳特性跳出这个局部最优解，进而在解空间中找到目标函数的??全局最优解。模拟退火算法的这种特性在一定程度上增加了寻找的全局最优解的概率。??模拟退火算法作为一种目前较为通用的算法，己经广泛应用于生产调度、图像处理、网??
【参考文献】：
期刊论文
[1]改进多目标进化算法求解柔性作业车间调度问题[J]. 张春燕. 计算机与现代化. 2017(09)
[2]基于改进鸡群算法的柔性作业车间调度问题求解[J]. 许世鹏,吴定会,孔飞,纪志成. 系统仿真学报. 2017(07)
[3]求解作业车间调度问题的混合帝国主义竞争算法[J]. 杨小东,康雁,柳青,孙金文. 计算机应用. 2017(02)
[4]基于改进型粒子群的作业车间调度问题研究[J]. 顾文斌,张薇薇,苑明海. 机械设计与制造工程. 2017(01)
[5]基于改进教学算法的车间作业调度问题[J]. 张梅,吴凯华,胡跃明. 控制与决策. 2017(02)
[6]作业车间调度问题的杂草优化算法求解[J]. 黄霞,叶春明,包晓晓. 计算机应用与软件. 2016(06)
[7]一种异步蚁群算法求解柔性作业车间调度问题[J]. 田松龄,陈东祥,王太勇,刘晓敏. 天津大学学报(自然科学与工程技术版). 2016(09)
[8]基于遗传交叉和多混沌策略改进的粒子群优化算法[J]. 谭跃,谭冠政,邓曙光. 计算机应用研究. 2016(12)
[9]基于自适应惯性权重的均值粒子群优化算法[J]. 赵志刚,林玉娇,尹兆远. 计算机工程与科学. 2016(03)
[10]改进型蝙蝠算法在作业车间调度问题中的应用[J]. 张文鹏,王兴. 计算机工程与应用. 2017(08)
博士论文
[1]基于混合量子算法的柔性作业车间调度问题研究[D]. 焦璇.大连理工大学 2015
硕士论文
[1]面向流水车间调度问题的粒子群优化算法研究[D]. 王琳.山东师范大学 2016
[2]柔性车间调度问题中的智能优化算法研究[D]. 张庭.江南大学 2016
[3]基于粒子群算法的动态车间调度问题研究[D]. 吴再新.东华大学 2016
[4]不确定条件下基于遗传算法的作业车间调度问题研究[D]. 高雅.上海大学 2015
[5]柔性作业车间调度问题优化算法研究[D]. 张明.江南大学 2015
[6]基于人工鱼群算法的柔性作业车间调度研究[D]. 陈新.大连理工大学 2015
[7]遗传算法在作业车间调度问题中的应用[D]. 韩明.吉林大学 2015
[8]基于改进遗传算法的作业车间调度优化方法研究[D]. 翟所霞.浙江理工大学 2015
[9]基于改进的混合免疫算法的车间调度问题研究[D]. 郝倩.大连交通大学 2014
[10]基于多目标遗传粒子群混合算法求解混合流水车间调度问题研究[D]. 张志鹏.大连交通大学 2014
本文编号：3143141
【文章来源】：大连交通大学辽宁省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图２．１标准粒子群玆法的流柷图??Ｆｉｇ．?２．１?Ｔｈｅ?Ｆｌｏｗ?Ｃｈａｒｔ?ｏｆ?Ｔｈｅ?Ｓｔａｎｄａｒｄ?Ｐａｒｔｉｃｌｅ?Ｓｗａｎｎ?Ａｌｇｏｒｉｔｈｍ??ＩＩ??
?粒子的位置信息交叉操作和速度信息交叉操作是一样的，两点交叉方式的具体操??作示意图如图３．１所示。??父代?ＶＩ?１１１１?１?１１１１?子代?ｖｌ?１１１２?２?２１１１??两点交叉???？??父代?Ｖ２?２２２２?２２２２２?子代?ｖ２?２２２１?１１２２２??图３．１两点交叉操作??Ｆｉｇ?３．１?Ｔｗｏ－ｐｏｉｎｔ?Ｃｒｏｓｓｏｖｅｒ?Ｏｐｅｒａｔｉｏｎ??３．?３．?３变异操作??变异操作足遗传算法中重要的操作步骤之一，它的作用是为ｆ维持兑法／Ｉ：进化过程??中种群的多样性，同时还能改善算法的局部搜索能力防止种群因为过早收敛而陷入早熟??情况。同样在粒子群算法中，由于粒子都是在优化Ｈ题的ｎ丨行解＇个：Ｎ屮随机运动，如果??有粒子找到一个局部最优位置，其他粒子就会向它运动，这样经过儿代进化过程，粒子??种群就会陷入到局部最优解，而１１．种群的多样性也会大大降低。因此，为了保证种群的??多样性，防止种群陷入局部最优，＋文计划舟：粒子群算法中引入变异操作。常见遗传兑??法中的变汗操作私抽入变异、逆序变异［５７］、两点交换变异［５８１等方式。??本文采爪的粒子变异操作是两点交换变异。在算法开始之前设置一个变异概率，然??后让粒／？种群进化过程屮随机产生一个数
３．?４模拟退火算法??３．?４．?１模拟退火算法介绍??模拟退火算法（Ｓｉｍｕｌａｔｅｄ?Ａｎｎｅａｌｉｎｇ，?ＳＡ）的思想楚来源于物理中固体的退火过程，??当固体加热到温度很高的时候，此时内能也较大，固体内部的各个粒子都处于高速的无??序运动状态，随着固体温度的逐渐降低，固体的内能也逐渐减小，粒子的运动速度逐渐??降低，运动状态的从无序渐渐趋于有序运动，最终当固体温度不在降低时，内能达到最??小值，这时候固体内部的粒子最为稳定。??模拟退火算法是从某一个较高的初始温度出发，伴随着温度参数的逐渐降低，算法??中的解逐渐趋于稳定，但是此时的这个可行解有可能只是一个局部的最优解，这时模拟??退火算法会结合概率的突跳特性跳出这个局部最优解，进而在解空间中找到目标函数的??全局最优解。模拟退火算法的这种特性在一定程度上增加了寻找的全局最优解的概率。??模拟退火算法作为一种目前较为通用的算法，己经广泛应用于生产调度、图像处理、网??
【参考文献】：
期刊论文
[1]改进多目标进化算法求解柔性作业车间调度问题[J]. 张春燕. 计算机与现代化. 2017(09)
[2]基于改进鸡群算法的柔性作业车间调度问题求解[J]. 许世鹏,吴定会,孔飞,纪志成. 系统仿真学报. 2017(07)
[3]求解作业车间调度问题的混合帝国主义竞争算法[J]. 杨小东,康雁,柳青,孙金文. 计算机应用. 2017(02)
[4]基于改进型粒子群的作业车间调度问题研究[J]. 顾文斌,张薇薇,苑明海. 机械设计与制造工程. 2017(01)
[5]基于改进教学算法的车间作业调度问题[J]. 张梅,吴凯华,胡跃明. 控制与决策. 2017(02)
[6]作业车间调度问题的杂草优化算法求解[J]. 黄霞,叶春明,包晓晓. 计算机应用与软件. 2016(06)
[7]一种异步蚁群算法求解柔性作业车间调度问题[J]. 田松龄,陈东祥,王太勇,刘晓敏. 天津大学学报(自然科学与工程技术版). 2016(09)
[8]基于遗传交叉和多混沌策略改进的粒子群优化算法[J]. 谭跃,谭冠政,邓曙光. 计算机应用研究. 2016(12)
[9]基于自适应惯性权重的均值粒子群优化算法[J]. 赵志刚,林玉娇,尹兆远. 计算机工程与科学. 2016(03)
[10]改进型蝙蝠算法在作业车间调度问题中的应用[J]. 张文鹏,王兴. 计算机工程与应用. 2017(08)
博士论文
[1]基于混合量子算法的柔性作业车间调度问题研究[D]. 焦璇.大连理工大学 2015
硕士论文
[1]面向流水车间调度问题的粒子群优化算法研究[D]. 王琳.山东师范大学 2016
[2]柔性车间调度问题中的智能优化算法研究[D]. 张庭.江南大学 2016
[3]基于粒子群算法的动态车间调度问题研究[D]. 吴再新.东华大学 2016
[4]不确定条件下基于遗传算法的作业车间调度问题研究[D]. 高雅.上海大学 2015
[5]柔性作业车间调度问题优化算法研究[D]. 张明.江南大学 2015
[6]基于人工鱼群算法的柔性作业车间调度研究[D]. 陈新.大连理工大学 2015
[7]遗传算法在作业车间调度问题中的应用[D]. 韩明.吉林大学 2015
[8]基于改进遗传算法的作业车间调度优化方法研究[D]. 翟所霞.浙江理工大学 2015
[9]基于改进的混合免疫算法的车间调度问题研究[D]. 郝倩.大连交通大学 2014
[10]基于多目标遗传粒子群混合算法求解混合流水车间调度问题研究[D]. 张志鹏.大连交通大学 2014
本文编号：3143141
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3143141.html
