基于遗传算法的双目标流水车间调度问题研究
发布时间：2021-08-31 23:55
流水车间（Flow Shop）调度问题,是实际流水车间进行生产调度问题的简化模型,它在企业中被广泛的应用。科学、有效的调度方案可以降低生产成本、提高生产效率,极大地提升企业在市场的竞争力。流水车间调度问题因为计算复杂、多目标性以及多约束性等特点,已经被证明是一个非常复杂的难题。因此,对其进行应用研究是有着巨大的理论和实际意义的。本文主要基于遗传算法和小生境技术,分别对单目标流水车间调度问题和双目标混合流水车间调度问题进行研究。论文的主要工作内容和研究成果如下:（1）首先研究了流水车间调度问题的基本结构,建立数学模型并确定目标函数,之后给出单目标流水车间调度问题的具体案例,确定遗传算法的参数以及遗传操作,最后利用MATLAB软件进行模拟计算,证明算法的有效性,同时根据仿真得到的调度甘特图获得最佳的调度方案。（2）在单目标流水车间调度问题的基础上,研究双目标流水车间调度问题。将生产周期与生产费用同时考虑,设计了结合小生境技术的遗传算法,获得了双目标最优解集。（3）考虑并行机可以导致调度结果进一步优化,对双目标混合流水车间调度问题展开研究。对比双目标调度与单目标调度、混合流水车间与一般流水车...
【文章来源】：沈阳理工大学辽宁省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图３．１遗传算法基本原理??Ｆｉｇ．３．１?Ｂａｓｉｃ?ｐｒｉｎｃｉｐｌｅｓ?ｏｆ?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ??
３交叉??咖＾产生Ｉ７??图３．１遗传算法基本原理??Ｆｉｇ．３．１?Ｂａｓｉｃ?ｐｒｉｎｃｉｐｌｅｓ?ｏｆ?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ??３．１．３遗传算法的基本概念??遗传算法是模拟自然界适者生存的一种仿生算法，在算法的研究过程中会涉??及到与遗传学相关的定义与概念。这些概念解释如下［５３］：??（１）
?沈阳理工大学硕士学位论文是先产生一个轮盘，轮盘被分成面积不同的扇形，面积大小是与选择个体的概率??成正比关系。之后瞬间产生一个数字，它落入转盘的区域就代表着那个区域被选??择。虽然无法具体的指定数字落入转盘的区域，但是数字落入各个扇形面的概率??却是可以估计的，显然扇面面积越大落入概率越大。类似情况，遗传算法在进行??选择操作的时候，个体的适应度所占比例也不一致，比例值划分了整个轮盘面，??因此也就决定了个体遗传至下一代的概率。??设种群的大小为＃，个体／适应度值为ｆ，，则被选择的概率户可以利用公式进??行计算：??Ｐ?＝?－／Ｌ￣?（３－７）??ＹＪ，??／＝１??式中：Ｐ为选择概率，ｆｉ为个体ｉ的适应度。??
【参考文献】：
期刊论文
[1]建设项目社会稳定风险评估——基于模糊神经网络的实证研究[J]. 龙绛珠,黄嘉南,张曦,戴二玲. 水利与建筑工程学报. 2017(06)
[2]面向多目标流水车间调度的混合遗传算法[J]. 罗哲. 湖南科技学院学报. 2017(10)
[3]光谱预处理结合模拟退火算法的小麦粉面筋含量检测[J]. 孙晓荣,周子健,刘翠玲,付新鑫,窦颖. 食品科学. 2018(02)
[4]改进的小生境混合遗传算法在函数优化上的应用[J]. 王聪,柯沪琦,胡燕海. 传感器与微系统. 2017(05)
[5]确定型流水车间调度的遗传算法研究[J]. 刘兰兰,张曦煌,陈志国. 计算机工程与应用. 2016(12)
[6]遗传算法的理论研究[J]. 董琦. 数字技术与应用. 2016(02)
[7]遗传算法理论及其应用进展探析[J]. 李芳,赵天洋. 技术与市场. 2016(01)
[8]基于改进多目标遗传算法求解混合流水车间调度问题[J]. 张志鹏,黄明. 计算机应用与软件. 2015(10)
[9]工业4.0和智能制造[J]. 张曙. 机械设计与制造工程. 2014(08)
[10]考虑设备周期性维护的流水车间生产调度优化算法[J]. 张思源,陆志强,崔维伟. 计算机集成制造系统. 2014(06)
博士论文
[1]动态环境下差分演化算法研究与应用[D]. 万书振.武汉理工大学 2012
硕士论文
[1]物联网环境下QoS驱动的服务组合优化算法研究[D]. 张丽.西安石油大学 2018
[2]基于交通流量预测的城市交通信号控制研究及系统设计[D]. 李岿林.华南理工大学 2018
[3]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
[4]遗传算法在流水车间调度问题中的研究与应用[D]. 夏凯.浙江理工大学 2014
[5]基于Hopfield神经网络的脱机手写体数字识别分析与研究[D]. 刘润田.郑州大学 2011
[6]神经网络的研究及应用[D]. 吴昌友.东北农业大学 2007
[7]基于遗传神经网络的空调房间送风量预测研究[D]. 孙敬.南京工业大学 2006
[8]基于遗传算法的车间调度优化及其仿真[D]. 何燕.武汉理工大学 2006
本文编号：3375860
【文章来源】：沈阳理工大学辽宁省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图３．１遗传算法基本原理??Ｆｉｇ．３．１?Ｂａｓｉｃ?ｐｒｉｎｃｉｐｌｅｓ?ｏｆ?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ??
３交叉??咖＾产生Ｉ７??图３．１遗传算法基本原理??Ｆｉｇ．３．１?Ｂａｓｉｃ?ｐｒｉｎｃｉｐｌｅｓ?ｏｆ?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ??３．１．３遗传算法的基本概念??遗传算法是模拟自然界适者生存的一种仿生算法，在算法的研究过程中会涉??及到与遗传学相关的定义与概念。这些概念解释如下［５３］：??（１）
?沈阳理工大学硕士学位论文是先产生一个轮盘，轮盘被分成面积不同的扇形，面积大小是与选择个体的概率??成正比关系。之后瞬间产生一个数字，它落入转盘的区域就代表着那个区域被选??择。虽然无法具体的指定数字落入转盘的区域，但是数字落入各个扇形面的概率??却是可以估计的，显然扇面面积越大落入概率越大。类似情况，遗传算法在进行??选择操作的时候，个体的适应度所占比例也不一致，比例值划分了整个轮盘面，??因此也就决定了个体遗传至下一代的概率。??设种群的大小为＃，个体／适应度值为ｆ，，则被选择的概率户可以利用公式进??行计算：??Ｐ?＝?－／Ｌ￣?（３－７）??ＹＪ，??／＝１??式中：Ｐ为选择概率，ｆｉ为个体ｉ的适应度。??
【参考文献】：
期刊论文
[1]建设项目社会稳定风险评估——基于模糊神经网络的实证研究[J]. 龙绛珠,黄嘉南,张曦,戴二玲. 水利与建筑工程学报. 2017(06)
[2]面向多目标流水车间调度的混合遗传算法[J]. 罗哲. 湖南科技学院学报. 2017(10)
[3]光谱预处理结合模拟退火算法的小麦粉面筋含量检测[J]. 孙晓荣,周子健,刘翠玲,付新鑫,窦颖. 食品科学. 2018(02)
[4]改进的小生境混合遗传算法在函数优化上的应用[J]. 王聪,柯沪琦,胡燕海. 传感器与微系统. 2017(05)
[5]确定型流水车间调度的遗传算法研究[J]. 刘兰兰,张曦煌,陈志国. 计算机工程与应用. 2016(12)
[6]遗传算法的理论研究[J]. 董琦. 数字技术与应用. 2016(02)
[7]遗传算法理论及其应用进展探析[J]. 李芳,赵天洋. 技术与市场. 2016(01)
[8]基于改进多目标遗传算法求解混合流水车间调度问题[J]. 张志鹏,黄明. 计算机应用与软件. 2015(10)
[9]工业4.0和智能制造[J]. 张曙. 机械设计与制造工程. 2014(08)
[10]考虑设备周期性维护的流水车间生产调度优化算法[J]. 张思源,陆志强,崔维伟. 计算机集成制造系统. 2014(06)
博士论文
[1]动态环境下差分演化算法研究与应用[D]. 万书振.武汉理工大学 2012
硕士论文
[1]物联网环境下QoS驱动的服务组合优化算法研究[D]. 张丽.西安石油大学 2018
[2]基于交通流量预测的城市交通信号控制研究及系统设计[D]. 李岿林.华南理工大学 2018
[3]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
[4]遗传算法在流水车间调度问题中的研究与应用[D]. 夏凯.浙江理工大学 2014
[5]基于Hopfield神经网络的脱机手写体数字识别分析与研究[D]. 刘润田.郑州大学 2011
[6]神经网络的研究及应用[D]. 吴昌友.东北农业大学 2007
[7]基于遗传神经网络的空调房间送风量预测研究[D]. 孙敬.南京工业大学 2006
[8]基于遗传算法的车间调度优化及其仿真[D]. 何燕.武汉理工大学 2006
本文编号：3375860
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3375860.html
