基于神经网络的不确定性动态Job-shop调度研究

发布时间：2017-05-06 12:02

  本文关键词：基于神经网络的不确定性动态Job-shop调度研究，由笔耕文化传播整理发布。

【摘要】：随着全球经济一体化的发展,企业间的竞争日益加剧,制造企业需要具备对外部市场以及内部突发事件快速响应的能力,才能应对日益激烈的市场竞争。在实际生产环境中,往往存在很多不同类型的不确定性因素,诸如设备故障、订单追加、紧急订单插入等。由于不确定性因素的产生,将会导致车间状态处于动态变化的过程。如何在动态环境下对车间进行有效调度,已经成为解决实际调度问题的关键。本文针对作业车间调度(又称Job-shop调度,简称JSP)的不确定和动态问题,主要围绕设备故障、订单追加、紧急订单插入三种典型的不确定性事件进行研究。本文的研究内容如下：首先,建立Job-shop调度模型,根据模型设计遗传算法对其进行求解,并得到最优调度方案；其次,主要针对设备故障、订单追加、紧急订单插入三种离散不确定性因素进行分析,研究三种不确定情况下的重调度机制;然后,根据Job-shop调度模型的特点,构建BP神经网络,并设计其训练算法,并根据上述三种离散不确定性因素的重调度策略,以一定的规则列举不确定性事件发生的情况,生成相对应情况的调度模型,并利用遗传算法分别进行求解得到对应调度方案,以此建立神经网络训练样本的理论依据；最后,以一个实际5×5Job-shop调度问题为案例,根据调度模型特点设计样本输入,根据所求的调度方案设计样本输出,从而构建神经网络训练样本集,并对神经网络进行训练,基于训练好的神经网络和建立的离散不确定情况下的重调度机制,构建智能重调度模型,从而达到既能对突发的不确定性事件做出快速响应,又能保证生成调度方案近优性的性能指标。
【关键词】：Job-shop调度 不确定性 动态调度 遗传算法 人工神经网络
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-23
• 1.1 引言11
• 1.2 JOB-SHOP调度问题分析与调度方法研究现状11-14
• 1.2.1 Job-shop调度问题分析12
• 1.2.2 Job-shop调度方法研究现状12-14
• 1.3 不确定性因素分析研究现状14-16
• 1.3.1 按事件类型分类的不确定性因素14-15
• 1.3.2 按数学特性分类的不确定性因素15-16
• 1.4 神经网络研究现状16-19
• 1.4.1 神经网络的结构与特点17-18
• 1.4.2 神经网络的研究现状18-19
• 1.5 论文主要内容及结构19-23
• 1.5.1 论文主要内容19-20
• 1.5.2 论文结构20-23
• 2 JOB-SHOP调度模型构建与求解23-39
• 2.1 引言23
• 2.2 JOB-SHOP调度模型建立23-27
• 2.2.1 Job-shop调度问题描述23-24
• 2.2.2 Job-shop调度模型的构建24-27
• 2.3 JOB-SHOP调度模型的遗传算法求解27-34
• 2.3.1 染色体编码及解码操作27-29
• 2.3.2 交叉、变异操作29-30
• 2.3.3 定义适应度评价函数及选择操作30-32
• 2.3.4 遗传算法的参数选取32
• 2.3.5 算法流程32-34
• 2.4 算法验证34-36
• 2.5 本章总结36-39
• 3 针对不确定因素的JOB-SHOP重调度机制建立39-53
• 3.1 引言39
• 3.2 JOB-SHOP重调度驱动机制的分析与介绍39-41
• 3.2.1 周期性重调度策略40-41
• 3.2.2 事件驱动重调度策略41
• 3.2.3 合型重调度策略41
• 3.3 针对离散不确定性因素的重调度机制建立41-52
• 3.3.1 设备故障情况下的重调度操作流程42-46
• 3.3.2 订单追加情况下的重调度操作流程46-49
• 3.3.3 紧急订单插入情况下的重调度操作流程49-52
• 3.4 本章总结52-53
• 4 基于神经网络的JOB-SHOP动态重调度方法研究53-69
• 4.1 神经网络生成重调度的方法53-54
• 4.2 BP神经网络模型构建及其训练算法54-61
• 4.2.1 BP神经网络模型的构建54-56
• 4.2.2 BP神经网络训练函数模型56-58
• 4.2.3 BP神经网络训练算法58-61
• 4.3 针对JOB-SHOP调度问题的网络参数设计61-65
• 4.3.1 BP神经网络输入、输出参数设计61-64
• 4.3.2 BP神经网络隐层设计64-65
• 4.4 训练样本集的构建65-67
• 4.4.1 设备故障情况下的样本构建65-66
• 4.4.2 订单追加情况下的样本构建66-67
• 4.4.3 紧急订单插入情况下的样本构建67
• 4.5 本章总结67-69
• 5 调度案例仿真与分析69-95
• 5.1 案例模型69-71
• 5.2 BP神经网络与训练样本集构建71-79
• 5.2.1 BP神经网络的构建71-72
• 5.2.2 训练样本集的构建72-79
• 5.3 案例仿真结果及分析79-94
• 5.3.1 BP神经网络的训练80-82
• 5.3.2 设备故障情况仿真82-85
• 5.3.3 订单追加情况仿真85-89
• 5.3.4 紧急订单情况仿真89-92
• 5.3.5 结果分析92-94
• 5.4 本章总结94-95
• 6 总结与展望95-99
• 6.1 工作总结95-96
• 6.2 研究展望96-99
• 参考文献99-103
• 作者简历及攻读硕士/博士学位期间取得的研究成果103-107
• 学位论文数据集107

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺，

本文编号：348335