基于混合遗传算法的车间逆调度方法研究

发布时间：2017-09-14 10:29

  本文关键词：基于混合遗传算法的车间逆调度方法研究

  更多相关文章： 逆调度 单机调度 流水车间调度 遗传算法 混合算法 多目标优化算法

【摘要】：为了适应当前多品种小批量的生产模式,在逆优化理论的基础上,研究人员提出了逆调度(Inverse Scheduling)这一新的调度方法,其目标是针对预先确定的调度任务,通过最小限度地调整相应的加工参数,使得预先给出的调度方案最优。目前国际上针对逆调度的研究刚刚起步,相应的调度模型、策略和方法的研究还很少。本文针对单机和流水等车间类型,系统研究了单机逆调度、带交货期的单机逆调度、流水车间逆调度、多目标流水车间逆调度等问题,建立了相应的数学模型,并结合不同模型的特点,提出了高效求解方法。 针对单机逆调度问题,建立了以加权完成时间和最小为目标的数学模型,提出了一种基于遗传算法和粒子群优化(Particle Swarm Optimization, PSO)的混合算法。将启发式非最优调度法,以及随机初始化与局部初始化相结合,提高了初始种群的多样性与质量。根据问题特征,设计了三种交叉算子和两种变异算子。采用改进PSO算法和三种改进策略,提高了算法的局部搜索能力。通过实例测试以及与其它算法的对比,结果表明提出的方法具有更高的求解效率和更好的稳定性。 针对带交货期的单机逆调度问题,提出了一种基于遗传变邻域交替算法的求解方法。该方法采用嵌入方式对遗传算法和变邻域搜索方法进行混合,平衡了混合算法的全局搜索和局部搜索。针对问题特征和编码方法特点,设计了四种邻域结构,通过邻域结构的切换,提高了算法的局部搜索能力。通过实例测试以及与其它算法的对比,结果表明该算法能有效地求解带交货期的单机逆调度问题。 针对流水车间逆调度问题,建立了以参数改变量最小为目标的数学模型,提出了一种自适应的遗传变邻域混合求解方法。提出了一种带小数机制的分块编码方案用于解的表达,能同时对工序和参数进行协同优化。针对问题特征,设计了四种邻域结构,提出了一种自适应选择机制以选择最合适的邻域,提高了算法的局部搜索能力。通过实例测试以及与其它算法的对比,验证了该算法的有效性和优越性。 针对多目标流水车间逆调度问题,建立了考虑调度效率和调度稳定性的数学模型,综合考虑了加工参数改变量、系统改变量以及完工时间和等目标。提出了一种基于LMONG (Multi-Objective NSGAⅡ and GA with Local search, LMONG)算法的求解方法,将多种策略进行了混合以提高算法性能,主要包括NSGAⅡ(Non-dominated Sorting Genetic Algorithm Ⅱ)中的快速非支配排序方法、两种多样性保持策略、混合的精英保留策略,以及高效局部搜索策略等。通过实例测试与ANOVA分析,验证了该算法的有效性。 基于上述理论成果,根据某船厂加工车间的生产情况,分析了车间存在的问题,将上述理论成果应用于实际车间的生产。实例分析表明本文提出的理论与方法能够有效地解决实际生产车间调度问题,保证车间系统能够有效平稳地运行。 最后,对全文的工作进行了总结,并对今后的研究方向进行了展望。
【关键词】：逆调度 单机调度 流水车间调度 遗传算法 混合算法 多目标优化算法
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TB497;TP18
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-19
• 1.1 课题的来源、目的及意义10-13
• 1.2 逆调度国内外研究现状13-16
• 1.3 现状总结与问题分析16-17
• 1.4 本文的主要工作与结构17-19
• 2 车间逆调度问题总体研究框架19-25
• 2.1 逆调度问题与模型研究19-22
• 2.2 逆调度问题求解方法与框架研究22-24
• 2.3 本章小结24-25
• 3 基于GAIP混合算法的单机逆调度方法25-46
• 3.1 引言25-26
• 3.2 加权完成时间和最小的单机逆调度问题描述26-28
• 3.3 基于GAIP混合算法求解单机逆调度问题28-39
• 3.4 实例结果与分析39-44
• 3.5 本章小结44-46
• 4 基于遗传变邻域交替算法的带交货期的单机逆调度方法46-65
• 4.1 引言46
• 4.2 带交货期的单机逆调度问题描述46-48
• 4.3 基于遗传变邻域交替算法求解DSMISP问题48-56
• 4.4 实验结果与分析56-64
• 4.5 本章小结64-65
• 5 基于自适应混合遗传算法的单目标流水车间逆调度方法65-85
• 5.1 引言65
• 5.2 流水车间逆调度问题描述65-68
• 5.3 自适应混合遗传算法求解FSISP问题68-77
• 5.4 实验结果与分析77-84
• 5.5 本章小结84-85
• 6 基于LMONG算法的多目标流水车间逆调度方法85-111
• 6.1 引言85-86
• 6.2 多目标流水车间逆调度问题描述86-88
• 6.3 基于LMONG算法求解多目标流水车间逆调度问题88-99
• 6.4 实验结果与分析99-110
• 6.5 本章小结110-111
• 7 车间逆调度实例分析111-121
• 7.1 应用背景简介111-114
• 7.2 单机逆调度实例114-116
• 7.3 流水车间逆调度实例116-120
• 7.4 本章小结120-121
• 8 总结与展望121-124
• 8.1 全文总结121-122
• 8.2 创新之处122
• 8.3 研究展望122-124
• 致谢124-125
• 参考文献125-134
• 附录1 攻读博士学位期间发表学术论文目录134

【相似文献】

中国期刊全文数据库 前10条

1 王一海;;基于服务质量的多品种多工艺车间作业调度系统研究[J];新技术新工艺;2011年04期

2 许秀林;胡克瑾;;多目标柔性车间作业调度分批方法研究[J];计算机应用研究;2011年07期

3 颜亮;姚锡凡;;一种改进的遗传算法在车间作业调度上的应用[J];机床与液压;2008年11期

4 唐庆国,张培忠;最优生产技术在模具车间作业调度系统中的应用[J];模具制造;2003年03期

5 魏家鹏;马修泉;;虚拟车间的调度与优化[J];中国科技信息;2005年23期

6 王冰;李巧云;羊晓飞;;模糊车间作业调度的三点满意度模型[J];控制与决策;2012年07期

7 贺仁杰;陈宇宁;姚锋;邢立宁;;求解柔性车间作业调度的知识型协同演化方法[J];计算机集成制造系统;2011年02期

8 林汉华;刘强;吴立华;李黎明;;工期不确定的模具车间作业调度前置处理[J];机电工程技术;2011年10期

9 张利平;吴正佳;王魁;王文;;改进蚁群算法在车间作业调度中的应用研究[J];三峡大学学报(自然科学版);2009年02期

10 陈伟达,达庆利,王愚;工艺路线可变车间作业调度的杂合遗传算法[J];东南大学学报(自然科学版);2000年06期

中国重要会议论文全文数据库 前3条

1 陈雄;万位水;徐心和;;车间作业调度的方法综述[A];1997中国控制与决策学术年会论文集[C];1997年

2 纪树新;钱积新;孙优贤;;基于遗传算法的车间作业调度系统研究[A];1997中国控制与决策学术年会论文集[C];1997年

3 刘洪威;王艳红;;一类基于多Agent的分布车间作业调度方法[A];2007中国控制与决策学术年会论文集[C];2007年

中国博士学位论文全文数据库 前4条

1 牟健慧;基于混合遗传算法的车间逆调度方法研究[D];华中科技大学;2015年

2 刘爱军;离散制造车间多生产模式下作业调度研究[D];重庆大学;2011年

3 朱华炳;制造业生产物流系统规划与调度技术研究[D];合肥工业大学;2005年

4 蔡斌;基于文化基因算法的车间作业调度理论研究及实践[D];重庆大学;2012年

中国硕士学位论文全文数据库 前10条

1 刘超;面向制药企业的作业流程调度系统的研究与实现[D];苏州大学;2015年

2 杨帆;叶片车间作业调度系统研究与开发[D];浙江大学;2008年

3 陈琪琪;基于设备能力约束的车间作业调度方法研究及软件开发[D];南京航空航天大学;2009年

4 陈亮;产品族工艺设计与车间作业调度的主从联合优化方法[D];浙江大学;2014年

5 陶伟;一种开放式车间调度算法及其在MES中的应用[D];华中科技大学;2012年

6 王明杰;带换装次数限制的车间作业调度[D];山东大学;2013年

7 朱绍文;离散制造车间作业调度系统的研究与实现[D];江南大学;2014年

8 王晓圆;面向配作齐停和级联资源约束的车间作业调度技术[D];北京理工大学;2015年

9 谢胜利;基于智能计算的车间作业调度研究[D];浙江工业大学;2007年

10 张强;多重资源约束下的作业车间优化调度研究[D];广东工业大学;2008年

，

本文编号：849498