基于改进NSGA-Ⅱ算法的车间物流仿真优化研究
发布时间：2021-11-16 15:19
在全球经济高度一体化今天,企业之间的竞争从国内转向国际,从产品质量、生产效率到综合能力及产品个性化服务的竞争。为顺应市场变化,企业除了不断开发新产品来满足市场需要外,要适时根据市场变化来调节生产规模、产品品种,即小批量、多品类、多批次切换生产将成为制造业的主流生产模式。如何挖掘内部潜能,提高生产调度的工作效率是一项非常重要的任务。在实际生产实践中,车间中的动态因素较多,这就使得车间调度问题较为复杂,至今还未找到一种具有普适性的调度策略。目前学界已经有了不少针对生产调度技术的理论研究,不少是相当有价值的研究,但总体上存在深入不够、适用性不强等不足。为此,本文对NSGA-Ⅱ（Non-dominated Sorting Genetic AlgorithmⅡ,非支配排序遗传算法Ⅱ）算法做了改进,并将其应用于流水车间调度问题、混合流水车间调度问题、作业车间调度问题优化研究。首先本文对国内外车间调度问题的研究现状进行了简单的介绍,并阐述了NSGA-Ⅱ算法的基本原理和多目标优化中的常见概念。经过分析发现一般的NSGA-Ⅱ算法在解决车间调度问题时存在着易早熟和难收敛的特性。针对这类问题提出了一种带有自...
【文章来源】：福州大学福建省 211工程院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
图３－３改进后的带有自适应参数的ＮＳＧＡ－ＩＩ算法得出解的甘特图??
??应的目标值为７０５７，得到的甘特图如图３－２所示。图３－２中表达的意思是，先加工第８个??工件，然后是第４个，以此类推，直到最后一个工件全部完成。??戶?／????ＨＩ?４?１?１?］?５?Ｉ?６?１?１１?［９ｊ?７?ｊ?１０?１?ｇ??Ｍ￡?司?Ｉ?３?＼Ｓ＼?１?１１?１?＾?１７１?１?ｌ〇?１??Ｍ３?［ｊ］?ｐ?｜ｉ｜?５?｜３｜?６?｜?１１?｜?９?｜?７?｜?同?｜?ｇ??Ｍ４?ｆｆＴｌ?｜５ｊ?３?［?［￣ｇ￣｜?［?ｉｌ?｜９ｊ?１?７?）ｌ〇ｌ?ｆｌＴｊ??Ｍ５?｜８￣｜?４?ｉ?１?｜?５?Ｉ￣３￣￣｜６ｊ?ｌｉ?ｊ?９?｜?７?｜ｉ０｜?ｆＴ??＿＿＿?，＿＿?＿＿?＼??７０５７??图３－２ＮＳＧＡ－ＩＩ算法得出解的甘特图??经过运算得出，改进后的带有自适应参数的ＮＳＧＡ－ＩＩ算法得到的是理论最优解７０３８，??其中对应最优值的解并不唯一，其他的解如表３－３所示。依据得到的染色体，得到的调度??表现为甘特图，体现在图３－３中，最大完成时间为７０３８。图中数字的含义与上述甘特图３－２??相同。???表３－３最佳染色体???染色体?最优解为７０３８的染色体??１?８１５３?１１?９７２?１０?６４???２８３５９４?１１?２?１０?１７６???３８５１３?１１?７４９６２?１０??Ｌ＿＿￣ｒ—ｎ?????ＭＩ?１?５?１１?Ｉ?９?７?２?｜?１０?６?４??，１?
代得到在不同加工阶段上的排产序列，进而将得到的排序放在并行机上分配运行。例如，??如果两个父代个体为［３?４?１／５?２?６／／４?２／１?３／６?５］和［４?３／２?１?６?５／／２?１／３?５／４?６］，交叉工序为２，具体??交叉过程如图３－５所示，对其操作流程介绍如下：??步骤１：在进行交叉操作的基因上随机的选取要进行交叉操作的阶段，在本例中，选??取交叉阶段为２，并选取交叉片段的位置３和５。那么此时选出父染色体１的子段为子段??１?［４?２／１?３／６?５］和子段?２［２?１／３?５／４?６］。??步骤２：对子段１个体做交叉操作。先将子段１中与［３?５?４］相同的数字变为０，并将剩??余数字推向两边。然后把［３?５?４］填补上变为０的位置；对子段２也做相同的操作。??步骤３：用交叉好的阶段２染色体子段替换原父代染色体的阶段２的子段，那么此时??得到了子染色体１和子染色体２
【参考文献】：
期刊论文
[1]基于NSGA-II的多目标流水车间调度问题研究[J]. 张伟,曾思通. 机电技术. 2017(06)
[2]基于灰狼优化算法的低碳车间调度问题[J]. 姜天华. 计算机集成制造系统. 2018(10)
[3]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)
[4]基于NSGA-II的炼钢-连铸调度多目标优化[J]. 朱朝月. 数字技术与应用. 2016(08)
[5]基于混合蚁群算法的车间作业优化调度[J]. 鞠涛,朱晓春,周杰. 南京工程学院学报(自然科学版). 2016(02)
[6]基于并行NSGA-II算法的精铸生产线产能研究[J]. 罗巍,王颖慧. 机械科学与技术. 2015(05)
[7]进港飞机调度多目标优化问题的改进NSGA-II算法[J]. 冯翔,杨红雨. 电子科技大学学报. 2014(01)
[8]基于NSGA-II算法的高强模具钢切削参数优化方法[J]. 付涛,刘伟军,赵吉宾. 机械工程材料. 2013(12)
[9]基于混合蛙跳算法的作业车间调度优化[J]. 蔡良伟,李霞. 深圳大学学报(理工版). 2010(04)
[10]蜂群算法在作业车间调度问题中的应用[J]. 姚宝珍,杨成永,于艳玲,张磊. 物流技术. 2010(12)
硕士论文
[1]基于改进遗传算法的车间调度问题研究与应用[D]. 陈振同.大连理工大学 2007
[2]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
[3]基于遗传算法的车间调度方法及其应用[D]. 吴云高.浙江工业大学 2002
本文编号：3499142
【文章来源】：福州大学福建省 211工程院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
图３－３改进后的带有自适应参数的ＮＳＧＡ－ＩＩ算法得出解的甘特图??
??应的目标值为７０５７，得到的甘特图如图３－２所示。图３－２中表达的意思是，先加工第８个??工件，然后是第４个，以此类推，直到最后一个工件全部完成。??戶?／????ＨＩ?４?１?１?］?５?Ｉ?６?１?１１?［９ｊ?７?ｊ?１０?１?ｇ??Ｍ￡?司?Ｉ?３?＼Ｓ＼?１?１１?１?＾?１７１?１?ｌ〇?１??Ｍ３?［ｊ］?ｐ?｜ｉ｜?５?｜３｜?６?｜?１１?｜?９?｜?７?｜?同?｜?ｇ??Ｍ４?ｆｆＴｌ?｜５ｊ?３?［?［￣ｇ￣｜?［?ｉｌ?｜９ｊ?１?７?）ｌ〇ｌ?ｆｌＴｊ??Ｍ５?｜８￣｜?４?ｉ?１?｜?５?Ｉ￣３￣￣｜６ｊ?ｌｉ?ｊ?９?｜?７?｜ｉ０｜?ｆＴ??＿＿＿?，＿＿?＿＿?＼??７０５７??图３－２ＮＳＧＡ－ＩＩ算法得出解的甘特图??经过运算得出，改进后的带有自适应参数的ＮＳＧＡ－ＩＩ算法得到的是理论最优解７０３８，??其中对应最优值的解并不唯一，其他的解如表３－３所示。依据得到的染色体，得到的调度??表现为甘特图，体现在图３－３中，最大完成时间为７０３８。图中数字的含义与上述甘特图３－２??相同。???表３－３最佳染色体???染色体?最优解为７０３８的染色体??１?８１５３?１１?９７２?１０?６４???２８３５９４?１１?２?１０?１７６???３８５１３?１１?７４９６２?１０??Ｌ＿＿￣ｒ—ｎ?????ＭＩ?１?５?１１?Ｉ?９?７?２?｜?１０?６?４??，１?
代得到在不同加工阶段上的排产序列，进而将得到的排序放在并行机上分配运行。例如，??如果两个父代个体为［３?４?１／５?２?６／／４?２／１?３／６?５］和［４?３／２?１?６?５／／２?１／３?５／４?６］，交叉工序为２，具体??交叉过程如图３－５所示，对其操作流程介绍如下：??步骤１：在进行交叉操作的基因上随机的选取要进行交叉操作的阶段，在本例中，选??取交叉阶段为２，并选取交叉片段的位置３和５。那么此时选出父染色体１的子段为子段??１?［４?２／１?３／６?５］和子段?２［２?１／３?５／４?６］。??步骤２：对子段１个体做交叉操作。先将子段１中与［３?５?４］相同的数字变为０，并将剩??余数字推向两边。然后把［３?５?４］填补上变为０的位置；对子段２也做相同的操作。??步骤３：用交叉好的阶段２染色体子段替换原父代染色体的阶段２的子段，那么此时??得到了子染色体１和子染色体２
【参考文献】：
期刊论文
[1]基于NSGA-II的多目标流水车间调度问题研究[J]. 张伟,曾思通. 机电技术. 2017(06)
[2]基于灰狼优化算法的低碳车间调度问题[J]. 姜天华. 计算机集成制造系统. 2018(10)
[3]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)
[4]基于NSGA-II的炼钢-连铸调度多目标优化[J]. 朱朝月. 数字技术与应用. 2016(08)
[5]基于混合蚁群算法的车间作业优化调度[J]. 鞠涛,朱晓春,周杰. 南京工程学院学报(自然科学版). 2016(02)
[6]基于并行NSGA-II算法的精铸生产线产能研究[J]. 罗巍,王颖慧. 机械科学与技术. 2015(05)
[7]进港飞机调度多目标优化问题的改进NSGA-II算法[J]. 冯翔,杨红雨. 电子科技大学学报. 2014(01)
[8]基于NSGA-II算法的高强模具钢切削参数优化方法[J]. 付涛,刘伟军,赵吉宾. 机械工程材料. 2013(12)
[9]基于混合蛙跳算法的作业车间调度优化[J]. 蔡良伟,李霞. 深圳大学学报(理工版). 2010(04)
[10]蜂群算法在作业车间调度问题中的应用[J]. 姚宝珍,杨成永,于艳玲,张磊. 物流技术. 2010(12)
硕士论文
[1]基于改进遗传算法的车间调度问题研究与应用[D]. 陈振同.大连理工大学 2007
[2]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
[3]基于遗传算法的车间调度方法及其应用[D]. 吴云高.浙江工业大学 2002
本文编号：3499142
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3499142.html
