基于改进蚁群算法的柔性车间调度研究

发布时间：2017-06-13 04:06

  本文关键词：基于改进蚁群算法的柔性车间调度研究，由笔耕文化传播整理发布。

【摘要】：柔性作业车间调度问题(Flexible Job Shop Scheduling Problem, FJSP)是传统作业车间调度问题(Job Shop Scheduling Problem, JSP)的扩展,它假定一个工序可以在多台机器上加工,它不仅需要确定工序的加工顺序,还要给每个工序分配机器,但其更加符合实际的生产环境。尽管FJSP减少了机器约束,但是其增加了机器的不确定性,扩大了可行解的搜索范围,是一类更为复杂的NP-hard问题,所以对它的研究具有重要的理论价值和应用意义。本文的研究就是围绕柔性作业车间调度问题展开的,主要工作如下：首先,对柔性作业车间调度问题国内外研究现状进行了综述,分析了基本蚁群算法求解柔性作业车间调度问题存在的不足,进一步提出了本文的研究思路。其次,充分考虑生产成本,交货期,完工时间等目标,构建了FJSP的多目标调度模型。再次,提出一种改进的蚁群算法求解FJSP。首先将改进的蚁群算法应用于静态柔性作业车间调度问题,进一步对动态环境下的柔性作业车间调度问题进行研究。针对FJSP的特点,本文提出了一种新的机器选择策略,从而扩大了机器选择空间。本文提出的一种改进蚁群算法,改进之处主要体现在以下几个方面：(1)采用了一种均匀分布蚂蚁初始位置的初始化机制,并且蚂蚁在开始搜索阶段不按照信息素引导机制选择路径,只有当信息素超过某个值的时候,才允许按照信息素引导方式寻找最优路径；(2)采用一种新的先验知识选择路径、概率搜索和随机搜索三种方式相结合的节点选择方法,并排除转移概率不合理的路径；(3)对信息素的更新方式进行了改进。当蚁群算法陷入局部最优的时候,采取强制破坏路径上的信息素的方式来打破蚁群算法陷入局部最优的状态。与此同时,若一条路径上面的信息素超过所有路径上面信息素总量的90%时,对信息素进行初始化的操作；(4)在构建解的过程中,当蚂蚁目前已经搜索到的解大于目前发现的全局最优解,则提前退出该蚂蚁的遍历。改进的蚁群算法能够进一步加快蚁群算法的收敛速度和提高全局搜索的能力。通过多个仿真实验案例,并将计算结果与文献中其他算法进行比较,验证所提出改进算法的可行性和有效性。最后,根据企业的生产需求,开发了柔性作业车间调度系统平台。
【关键词】：改进的蚁群算法 柔性作业车间调度问题 静态调度 动态调度 多目标调度 系统开发
【学位授予单位】：安徽工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB497;TP18
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第1章 绪论13-20
• 1.1 课题来源13
• 1.2 课题的研究背景和意义13-15
• 1.2.1 研究背景13-14
• 1.2.2 研究意义14-15
• 1.3 柔性作业车间调度问题国内外研究现状15-17
• 1.4 现状总结及问题分析17-18
• 1.5 论文研究内容及章节安排18-20
• 第2章 柔性作业车间调度问题研究20-26
• 2.1 柔性作业车间调度问题(FJSP)描述与分类20-22
• 2.1.1 FJSP描述20-21
• 2.1.2 FJSP分类21-22
• 2.2 柔性作业车间调度问题的数学模型22-25
• 2.2.1 定义FJSP的数学符号22-23
• 2.2.2 FJSP的约束条件23-24
• 2.2.3 FJSP常用的性能评价指标24-25
• 2.3 本章小结25-26
• 第3章 蚁群算法基本理论及改进的蚁群算法研究26-45
• 3.1 蚁群算法基本理论26-34
• 3.1.1 基本蚁群算法的原理26-27
• 3.1.2 基本蚁群算法求解TSP的描述及核心问题分析27-30
• 3.1.3 基本蚁群算法的流程及关键点30-32
• 3.1.4 蚁群算法的优缺点分析及常见的几种改进策略总结32-34
• 3.2 蚁群算法改进方法34-44
• 3.2.1 蚁群觅食和车间调度问题两种模型的关系34-35
• 3.2.2 蚁群算法求解FJSP改进思路35-39
• 3.2.3 基于改进的蚁群算法求解FJSP实现步骤及流程39-43
• 3.2.4 基于改进的蚁群算法求解FJSP的总体技术框架43-44
• 3.3 本章小结44-45
• 第4章 基于改进蚁群算法的静态柔性作业车间调度研究45-76
• 4.1 单目标静态FJSP研究45-70
• 4.1.1 单目标静态FJSP问题描述及模型的构建45-46
• 4.1.2 基于改进蚁群算法求解单目标静态FJSP实验及结果分析46-59
• 4.1.3 企业案例及其实验59-70
• 4.2 多目标静态FJSP研究70-75
• 4.2.1 多目标静态FJSP问题描述70-71
• 4.2.2 多目标静态FJSP的研究方法及模型的构建71-72
• 4.2.3 多目标静态FJSP实验及结果分析72-75
• 4.3 本章小结75-76
• 第5章 基于改进蚁群算法的动态柔性作业车间调度研究76-89
• 5.1 动态柔性作业车间调度问题描述76
• 5.2 常见的动态事件总结76-77
• 5.3 动态调度问题需要解决的核心问题及研究方法77-79
• 5.3.1 动态调度问题需要解决的核心问题77
• 5.3.2 动态调度问题的研究方法77-79
• 5.4 基于改进蚁群算法的动态FJSP求解策略及仿真平台开发79-83
• 5.4.1 基于改进蚁群算法的动态FJSP求解策略79-81
• 5.4.2 动态FJSP仿真平台开发81-83
• 5.5 基于改进蚁群算法的动态FJSP实验及结果分析83-88
• 5.5.1 实验数据及原始调度方案83-85
• 5.5.2 实验一：紧急工件加入85-86
• 5.5.3 实验二：机器发生故障86-87
• 5.5.4 实验三：工件发生报废87-88
• 5.5.5 实验结果分析88
• 5.6 本章小结88-89
• 第6章 柔性作业车间调度系统的开发89-106
• 6.1 企业生产的特点与总体技术方案89-91
• 6.1.1 企业生产流程89
• 6.1.2 企业生产的性能指标89-90
• 6.1.3 企业生产的总体技术方案90-91
• 6.2 柔性作业车间调度系统总体方案设计91-92
• 6.2.1 柔性作业车间调度系统的功能需求分析91-92
• 6.2.2 柔性作业车间调度系统开发环境及工具92
• 6.3 柔性作业车间调度系统详细设计与实现92-105
• 6.3.1 系统登录模块92-93
• 6.3.2 基础信息管理模块93-95
• 6.3.3 生产信息管理模块95-98
• 6.3.4 库存信息管理模块98-100
• 6.3.5 现场信息采集模块100-102
• 6.3.6 静态柔性作业车间调度模块102-104
• 6.3.7 动态柔性作业车间调度模块104-105
• 6.3.8 系统使用帮助模块和退出系统105
• 6.4 本章小结105-106
• 第7章 总结与展望106-109
• 7.1 全文总结106-107
• 7.2 工作展望107-109
• 参考文献109-114
• 致谢114-115
• 硕士学习期间获得的科研成果115

【相似文献】

中国期刊全文数据库 前10条

1 张丽芳;;3种聚类算法性能比较分析[J];长江大学学报(自然科学版)理工卷;2009年02期

2 张宏哲;;FFT算法的一种改进[J];长安大学学报(自然科学版);1988年01期

3 江少锋,杨素华;一种简单高效的图象缩小算法[J];南昌航空工业学院学报(自然科学版);2003年04期

4 蔡涛,王润生;分开合并算法的若干讨论和改进[J];国防科技大学学报;2000年04期

5 樊祥;方义强;程正东;朱斌;施展;;基于AHP的跟踪算法性能评价研究[J];弹箭与制导学报;2013年02期

6 秦绪红;赵杰;程俊廷;;手持式三维激光扫描仪定位算法的研究[J];科学技术与工程;2013年23期

7 武志昊;林友芳;田盛丰;唐锐;;高度重叠社区的社区合并优化算法[J];北京交通大学学报;2011年03期

8 唐伟;;基于软件实现的误差算法自动分析处理[J];硅谷;2012年16期

9 范晓平;;最小生成树(MST)的“分级选树”算法[J];西南交通大学学报;1983年01期

10 陈广江;用MUSIC算法处理非均匀间隔采样数据[J];系统工程与电子技术;1998年09期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 叶一舟;红外弱小目标检测算法研究[D];上海交通大学;2015年

4 王继重;基于Hadoop和Mahout的K-Means算法设计与实现[D];大连海事大学;2016年

5 何静;遥感图像的快速压缩算法研究[D];北京交通大学;2016年

6 章华燕;钢轨擦伤检测算法研究[D];北京交通大学;2016年

7 王一博;MODIS地震热异常的数据处理与算法研究[D];中国石油大学(华东);2014年

8 成鑫;基于组合优化问题的多目标模因算法的研究[D];南京航空航天大学;2015年

9 傅致晖;基于协同分割的视频目标分割算法研究[D];上海交通大学;2015年

10 张媛;运动车辆检测与跟踪算法的研究与实现[D];大连海事大学;2016年

  本文关键词：基于改进蚁群算法的柔性车间调度研究，，由笔耕文化传播整理发布。

本文编号：445653