生产调度问题的BMO混合算法研究

发布时间：2017-07-25 15:23

  本文关键词：生产调度问题的BMO混合算法研究

  更多相关文章： BMO 流水车间调度 遗传进化 SOA 柔性分层次车间调度

【摘要】：由于其简单性和灵活性,进化算法在解决复杂问题方面得到了很大的应用.如解决科学和工程问题,并在人工计算系统解决复杂计算问题方面取得了巨大的成功.一种进化算法就是一个基于种群的元启发式优化方法,这种方法试图模拟一些生物进化的机制.虽然进化算法会有不同之处,但所有这些进化算法解决问题的技术的基本思想是相同的.本文提出一种新型的进化算法,BMO(Bird Mating Optimizer).BMO是一种受到鸟在交配季节的交配策略的启发的优化算法,即BMO模拟鸟类繁殖带有优良基因的子代的行为,从而设计出最佳搜索技术.因BMO是近年来提出的一种新的算法,尚不成熟.所以本文在对BMO算法的可调参数设置方面进行研究,并用23组基准测试函数对其进行测试.通过与其他算法比较,验证了BMO算法具有良好的性能,且设置的参数是科学的,有效的.针对流水车间多目标调度优化问题,结合遗传进化理论及突变因素分析方法提出一种BMO混合算法.利用遗传进化和突变因素计算适应度值,提高了算法的搜索性能.该方法是把多个调度工序的集合作为鸟群,通过模拟鸟群交配繁殖带有优良基因的子代的优化过程来解决三目标流水车间调度问题.最后采用车间调度测试案例在MATLAB平台上进行实验,可以得到分布均匀的Pareto解,验证了所提出算法得到的解好于其他算法的解.针对柔性分层次车间调度,提出一种融合SOA(Surrogate Optimization Algorithm)的BMO混合算法的柔性分层次车间调度优化问题.通过结合SOA中解决离散型优化问题的原则和BMO中由四种策略产生子代的交配原则,保证了该方法的多样性并避免了过早收敛.通过以3个柔性多车间的调度优化问题为例给出甘特图,验证了该方法的有效性和可行性.实验结果表明:该方法能够很好的分配工件的加工车间,并能合理的规划工件的加工路径.
【关键词】：BMO 流水车间调度 遗传进化 SOA 柔性分层次车间调度
【学位授予单位】：北方民族大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TB497
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-17
• 1.1 课题的研究背景和意义8-10
• 1.2 国内外研究现状10-16
• 1.3 本文的研究内容和创新之处16-17
• 第二章 BMO算法的参数设置17-29
• 2.1 引言17
• 2.2 BMO算法的描述17-19
• 2.3 BMO算法的步骤与流程19-20
• 2.4 BMO算法的参数设置20-22
• 2.5 实例分析22-28
• 2.6 本章小结28-29
• 第三章 融合GA的BMO混合算法的流水车间调度研究29-35
• 3.1 引言29
• 3.2 融合GA的BMO混合算法29-30
• 3.3 车间调度模型30-31
• 3.4 融合GA的BMO混合算法的多目标车间调度31
• 3.5 仿真测试31-34
• 3.6 本章小结34-35
• 第四章 融合SOA的BMO混合算法的柔性多车间调度研究35-45
• 4.1 引言35-36
• 4.2 SOA36-38
• 4.3 融合SOA的BMO混合算法的多车间调度模型38
• 4.4 融合SOA的BMO混合算法的柔性多车间调度38-41
• 4.5 算例分析41-43
• 4.6 本章小结43-45
• 第五章 研究工作总结与展望45-46
• 5.1 研究工作的总结45
• 5.2 未来的工作展望45-46
• 参考文献46-50
• 附录50-51
• 致谢51-52
• 攻读硕士期间撰写的论文、参与的项目及作者简介52
• 一、硕士期间撰写的论文52
• 二、在校期间参与的科研项目52
• 三、作者简介52

【参考文献】

中国期刊全文数据库 前5条

1 朱光宇;陈旭斌;刘艳立;;基于灰熵关联分析的流水车间多目标调度优化及算法实现[J];控制与决策;2014年01期

2 王柏琳;李铁克;孙彬;;基于TSP方法求解等待时间受限的置换流水车间调度[J];控制与决策;2012年05期

3 黄英杰;姚锡凡;;基于目标级联法和粒子群算法的柔性分布式车间调度[J];中南大学学报(自然科学版);2012年01期

4 金锋;吴澄;;大规模生产调度问题的研究现状与展望[J];计算机集成制造系统;2006年02期

5 徐俊刚,戴国忠,王宏安;生产调度理论和方法研究综述[J];计算机研究与发展;2004年02期

，

本文编号：571984