面向复杂柔性调度的协同演化算法研究

发布时间：2022-11-06 17:28

　　柔性调度是实现智能制造的核心技术之一。在满足制造系统约束的条件下,柔性调度突破传统调度中资源唯一性的限制,通过分配不同的资源来完成已排序的生产操作,获得生产效率的最大化。然而,日益激烈的市场竞争及逐渐增加的客户需求导致柔性调度的规模随之增加,同时实际系统中存在不可避免的不确定性因素,如设备周期性老化等带来的具有先验知识的不确定性及加工资源突然故障等引发的突发不确定性,给柔性调度的求解带来了极大挑战。因此,如何在大规模及不确定环境下,高效灵活地分配资源以实现效率最大化,是影响柔性调度推广和应用的关键。协同演化算法通过构造多个种群,使多个种群相互合作来提高性能,多适用于复杂系统的大规模及动态演化环境。然而,柔性调度的操作排序和资源选择之间的相互依赖导致现有协同演化算法无法直接应用于复杂柔性调度。本文针对大规模柔性调度、具有先验知识的不确定柔性调度及突发不确定柔性调度,分别提出相应的协同演化算法,最优化所有操作的最大完成时间（Makespan）。主要研究内容及创新点如下:1.分布式协同演化算法。针对大规模柔性调度中问题规模增加导致关联操作放置同组概率降低及算法搜索性能下降的问题,提出一种分布... 

【文章页数】：141 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
主要符号表
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 调度优化方法
        1.2.2 大规模柔性调度
        1.2.3 具有先验知识的不确定柔性调度
        1.2.4 突发不确定柔性调度
        1.2.5 协同演化算法
    1.3 主要工作及创新点
        1.3.1 当前研究存在问题
        1.3.2 研究内容及创新点
        1.3.3 章节联系
2 理论基础
    2.1 调度问题模型
        2.1.1 分类
        2.1.2 图表示
        2.1.3 优化
        2.1.4 柔性调度
    2.2 演化算法
        2.2.1 基本演化算法
        2.2.2 遗传算法
        2.2.3 粒子群优化算法
        2.2.4 差分进化算法
        2.2.5 协同演化算法
    2.3 概率图模型
        2.3.1 贝叶斯网络
        2.3.2 马尔科夫随机场
    2.4 本章小结
3 分布式协同演化算法
    3.1 大规模柔性调度模型
    3.2 全局搜索策略
        3.2.1 编码策略
        3.2.2 解码策略
        3.2.3 粒子更新策略
    3.3 局域搜索策略
    3.4 Apache Spark下分布式策略
    3.5 实验分析
        3.5.1 数据集描述
        3.5.2 有效性验证
        3.5.3 有效性分析
    3.6 本章小结
4 混合式协同演化算法
    4.1 模糊柔性调度模型
    4.2 模糊处理时间操作规则
    4.3 基于表现可变分组策略
    4.4 编码转换机制
    4.5 参数自适应策略
    4.6 实验分析
        4.6.1 数据集描述
        4.6.2 有效性验证
        4.6.3 有效性分析
    4.7 本章小结
5 基于学习的协同演化算法
    5.1 随机柔性调度模型
    5.2 基于MRF分组策略的协同演化算法
        5.2.1 结构学习
        5.2.2 参数学习
        5.2.3 实验分析
    5.3 基于BOA分组策略的协同演化算法
        5.3.1 数据采样
        5.3.2 贝叶斯网络构建
        5.3.3 实验分析
    5.4 本章小结
6 结论与展望
    6.1 结论
    6.2 创新点
    6.3 工作展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介


【参考文献】：
期刊论文
[1]具有总能耗约束的柔性作业车间调度问题研究[J]. 雷德明,杨冬婧.  自动化学报. 2018(11)
[2]一种基于概率图模型的不确定性数据世系表示方法[J]. 岳昆,刘惟一,朱运磊,张伟.  计算机学报. 2011(10)
[3]基于改进非支配排序遗传算法的多目标柔性作业车间调度[J]. 张超勇,董星,王晓娟,李新宇,刘琼.  机械工程学报. 2010(11)



本文编号：3703917