本文選題：遺傳算法　切入點：多種群遺傳算法　出處：《大連交通大學(xué)》2014年碩士論文

【摘要】：自從工業(yè)革命開始,世界逐步進(jìn)入工業(yè)社會。工業(yè)生產(chǎn)能力成為各國綜合國力的最重要指標(biāo),因此各國為能使自己富強,在工業(yè)生產(chǎn)領(lǐng)域投入巨大資源進(jìn)行研究。尤其是二次世界大戰(zhàn)后,各個工業(yè)強國相繼使用信息化技術(shù)參與生產(chǎn)制造,進(jìn)而產(chǎn)生國際化,全球化制造的格局,我國更是成為世界制造的工廠。為保持我國的在世界制造領(lǐng)域的份額,對工業(yè)生產(chǎn)更深入的研究刻不容緩。這其中生產(chǎn)車間的管理至關(guān)重要,尤其是車間調(diào)度問題就是其中最關(guān)鍵的突破點。車間調(diào)度就是將實際的生產(chǎn)問題經(jīng)過抽取關(guān)鍵因素,簡化成在一定資源和生產(chǎn)約束的前提下,合理調(diào)配生產(chǎn)設(shè)備,安排工件的生產(chǎn)加工順序,在最短的時間內(nèi)完成生產(chǎn)計劃的問題。 以在全球最大的產(chǎn)品制造商——FOXCONN(富士康科技集團(tuán))工作期間進(jìn)行消費性電子產(chǎn)品生產(chǎn)的經(jīng)驗為基礎(chǔ),結(jié)合改進(jìn)的多種群遺傳算法,對客觀實際的一線車間調(diào)度問題進(jìn)行研究。提出的新遺傳算法在傳統(tǒng)的單種群自適應(yīng)遺傳算法上,引入輔助種群形成多種群遺傳算法。并從實際生產(chǎn)應(yīng)用方面討論了求解車間作業(yè)調(diào)度問題的標(biāo)準(zhǔn)遺傳算法優(yōu)缺點,認(rèn)為改進(jìn)的遺傳算法在消費性電子產(chǎn)品車間生產(chǎn)調(diào)度中有較好的使用價值。有效的解決了遺傳算法本身具有一些缺點,如局部搜索能力差,求解耗費時間長,算法運行后期的搜索效率較低,容易陷入“早熟收斂”的陷阱等問題。 本文實現(xiàn)了利用多種群遺傳算法解決車間調(diào)度問題,并結(jié)合在煙臺富士康消費性電子產(chǎn)品事業(yè)處(CCPBG) CNB-成型部門的生產(chǎn)SONY筆記本的工作經(jīng)歷進(jìn)行評估。實際測試了算法的使用效率,并將改進(jìn)的算法應(yīng)用到實際生產(chǎn)調(diào)度模擬系統(tǒng)中,結(jié)果證明多種群遺傳算法是可行的,求解速度較快,在CNB-成型1課的車間生產(chǎn)調(diào)度問題上有良好的實用性、高效性。顯著提高了其中兩條產(chǎn)線的生產(chǎn)效率,獲得企業(yè)認(rèn)可。
[Abstract]:Since the beginning of the industrial revolution, the world has gradually entered the industrial society. The industrial production capacity has become the most important indicator of the overall national strength of all countries, so that each country can make itself rich and strong. Great resources have been invested in the field of industrial production, especially after the second World War. After World War II, various industrial powers have successively used information technology to participate in production and manufacturing, thus creating a pattern of internationalization and globalization of manufacturing. In order to maintain our country's share in the world manufacturing field, it is imperative to study industrial production more deeply. Among these, the management of production workshops is of great importance. Especially the job shop scheduling problem is the most critical breakthrough point. Job shop scheduling is to extract the key factors from the actual production problem and simplify it into the rational deployment of production equipment under the premise of certain resources and production constraints. Arrange the production and processing order of the workpiece and complete the production plan in the shortest time. Based on experience in consumer electronics production during the work of Foxconn, the world's largest product manufacturer, combined with improved multi-population genetic algorithms, In this paper, the objective and practical first-line job-shop scheduling problem is studied. A new genetic algorithm is proposed, which is based on the traditional single-population adaptive genetic algorithm. The advantages and disadvantages of the standard genetic algorithm for solving job shop scheduling problems are discussed in terms of practical production applications. It is considered that the improved genetic algorithm has better use value in the shop shop scheduling of consumer electronic products. It effectively solves some disadvantages of genetic algorithm, such as poor local search ability and time-consuming solution. The search efficiency of the algorithm is low, and it is easy to fall into the trap of "premature convergence". In this paper, multi-population genetic algorithm is used to solve job shop scheduling problem. Combined with the working experience of producing SONY notebooks in the CNB- forming department of the Consumer Electronics Department of Yantai Foxconn, the efficiency of the algorithm is tested, and the improved algorithm is applied to the actual production scheduling simulation system. The results show that the multi-population genetic algorithm is feasible, the solution speed is fast, and it has good practicability and high efficiency in the shop shop scheduling problem of CNB-1 class. The production efficiency of two of the production lines has been improved significantly and the enterprises have approved it.
【學(xué)位授予單位】：大連交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TB497;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李逢高;啟發(fā)式遺傳算法[J];湖北工學(xué)院學(xué)報;2000年03期

2 徐耀群,沈繼紅,丁建利;一種改進(jìn)的遺傳算法及其應(yīng)用[J];黑龍江商學(xué)院學(xué)報(自然科學(xué)版);2000年02期

3 王曉麗,孫萍;一種全局優(yōu)化的計算方法──遺傳算法[J];吉林建筑工程學(xué)院學(xué)報;2000年03期

4 李一峰,姜勇,王紅星,盧毅,田新啟,方秋華;基于遺傳算法的變壓器局部放電超聲定位法[J];江蘇電機工程;2000年04期

5 靖穩(wěn)峰,魏紅,段惠娣;遺傳算法及其發(fā)展現(xiàn)狀[J];西安工業(yè)學(xué)院學(xué)報;2000年03期

6 吳立成,陸震,于守謙,鄭紅;柔性桿子桿模型參數(shù)的遺傳算法優(yōu)化求解[J];北京航空航天大學(xué)學(xué)報;2001年01期

7 王鳳儒,徐蔚文,王鳳林;基于序值編碼的遺傳算法及其應(yīng)用[J];電機與控制學(xué)報;2001年01期

8 楊斌,余岳峰,杜建軍;改進(jìn)的遺傳算法在中期發(fā)電規(guī)劃中的應(yīng)用[J];電網(wǎng)技術(shù);2001年08期

9 廖平,喻壽益;基于遺傳算法的圓的半徑測量[J];計量學(xué)報;2001年02期

10 吳鎮(zhèn),孫國正;遺傳算法中的加速進(jìn)化技術(shù)[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2001年12期

相關(guān)會議論文 前10條

1 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

2 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

3 林家恒;李國鋒;田國會;劉長有;;遺傳算法在旋轉(zhuǎn)貨架揀選優(yōu)化中的應(yīng)用[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

4 史駿;裘聿皇;;遺傳算法中基因排列方式對運行的影響[A];1996年中國控制會議論文集[C];1996年

5 韓戰(zhàn)鋼;;遺傳算法及在經(jīng)濟(jì)中的應(yīng)用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛運建;王定成;江建舉;;遺傳算法在運動員技術(shù)動作優(yōu)化中的應(yīng)用研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

7 文涇;朱玉文;;用遺傳算法進(jìn)行航線規(guī)劃[A];全國第16屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2004年

8 于春梅;黃玉清;楊勝波;;遺傳算法在參數(shù)辨識中的應(yīng)用進(jìn)展[A];中國自動化學(xué)會、中國儀器儀表學(xué)會2004年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2004年

9 王志宏;王斌;;基于遺傳算法的非確定性目標(biāo)優(yōu)化[A];中國自動化學(xué)會全國第九屆自動化新技術(shù)學(xué)術(shù)交流會論文集[C];2004年

10 王曉東;劉全利;金吉凌;王偉;;基于序次優(yōu)化策略的改進(jìn)遺傳算法[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

相關(guān)重要報紙文章 前2條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

2 高雪娟;協(xié)同設(shè)計的平臺策略[N];中國計算機報;2006年

相關(guān)博士學(xué)位論文 前10條

1 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

2 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

3 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

4 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

5 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

6 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

7 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

8 袁麗華;基于物種進(jìn)化的遺傳算法研究[D];南京航空航天大學(xué);2009年

9 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學(xué);2007年

10 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 谷克;遺傳算法在公路路線智能決策系統(tǒng)中的應(yīng)用研究[D];長安大學(xué);2008年

2 李艷嬌;基于改進(jìn)遺傳算法的剛架結(jié)構(gòu)截面力學(xué)特性參數(shù)優(yōu)化的研究[D];吉林大學(xué);2009年

3 任巍;求解極小碰集的遺傳算法的研究與改進(jìn)[D];吉林大學(xué);2009年

4 王赫;混沌遺傳算法在模式識別中的應(yīng)用[D];東北電力大學(xué);2009年

5 于蕾蕾;雙種群遺傳算法的改進(jìn)及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2009年

6 王婧;遺傳算法及其在聚類分析中的應(yīng)用[D];華中師范大學(xué);2009年

7 胡文斯;基于遺傳算法的車間作業(yè)調(diào)度問題的研究[D];中國海洋大學(xué);2009年

8 吳明華;基于遺傳算法的養(yǎng)護(hù)機械生產(chǎn)車間作業(yè)調(diào)度問題的研究[D];長安大學(xué);2007年

9 尉鈺;基于改進(jìn)遺傳算法的橋梁模型動力優(yōu)化[D];長安大學(xué);2007年

10 王銀年;遺傳算法的研究與應(yīng)用[D];江南大學(xué);2009年

，

本文編號：1666075