本文選題：集成式工藝規(guī)劃與車間調(diào)度 + 適應度地形�。� 參考：《華中科技大學》2014年碩士論文

【摘要】：集成式工藝規(guī)劃與車間調(diào)度（Integrated Process Planning and Scheduling, IPPS）問題是一類經(jīng)典的車間調(diào)度問題，并已被證明為NP-Complete問題。該類問題的適應度地形非常復雜，傳統(tǒng)優(yōu)化算法難以有效對其進行求解，同時大部分國際標準測試問題還遠未求得最優(yōu)解，因此，對IPPS問題求解方法的研究任重道遠，該研究重點包括兩方面的內(nèi)容：一是對算法的流程和操作方法進行有效地改進；二是在研究該問題適應度地形的基礎上，結合已有的優(yōu)化算法，設計高效的混合優(yōu)化算法。 本文在結合IPPS問題求解方法已有研究的基礎上，提出了基于改進遺傳算法的IPPS問題高效求解方法。通過對遺傳算法的特點進行分析的基礎上，結合IPPS問題的本質特點，對算法的求解流程進行了改進，同時對算法的編碼、更新算子等要素進行了合理設計，實驗表明該方法取得了較好的效果。 接著，以典型實例為對象，對IPPS問題的適應度地形進行了深入的研究。通過引入Logistic模型的概念對IPPS問題解的結構進行了統(tǒng)計分析，發(fā)現(xiàn)該問題的適應度地形符合Logistic模型分布，并通過實驗證明該類問題的Logistic模型具有很高的分布穩(wěn)定性�；贗PPS問題的Logistic模型分布，對局部搜索中的鄰域結構進行了深入研究和分析，為局部搜索算法設計優(yōu)良的鄰域結構提供了較好的依據(jù)。 基于以上研究成果，設計了高效的基于變鄰域搜索（Variable Neighborhood Search,VNS）的局部優(yōu)化算法，并將其嵌入改進了的遺傳算法中，提出了求解IPPS問題新的高效混合遺傳變鄰域搜索（GAVNS）算法。該算法能較好地平衡全局搜索能力和局部搜索能力，彌補了單一算法的劣勢，使其在求解復雜IPPS問題時變得更加高效。通過該算法對國際通用的Kim標準測試集的24個問題進行求解，刷新了9個問題的世界最好解，另有12個已獲得最優(yōu)解，，實驗結果表明該算法能很有效地求解IPPS問題。 結合以上研究成果，本文設計并開發(fā)了IPPS原型系統(tǒng)，并對系統(tǒng)進行了簡要介紹和演示。 最后，對全文進行了總結，展望了進一步的研究方向。
[Abstract]:Integrated process planning and shop scheduling integrated Process Planning and Scheduling, IPPS) problem is a classical job shop scheduling problem and has been proved to be a NP-Complete problem. The fitness terrain of this kind of problem is very complex, and it is difficult to solve it effectively by traditional optimization algorithms. At the same time, most of the international standard test problems are far from finding the optimal solution. Therefore, the research on the solving method of IPPS problem has a long way to go. The research focuses on two aspects: one is to improve the flow and operation methods of the algorithm effectively; the other is to design an efficient hybrid optimization algorithm on the basis of studying the terrain fitness of the problem and combining the existing optimization algorithms. In this paper, an efficient IPPS problem solving method based on improved genetic algorithm is proposed on the basis of the existing research on IPPS problem solving method. Based on the analysis of the characteristics of genetic algorithm and the essential characteristics of IPPS problem, the solution flow of the algorithm is improved. At the same time, the coding, updating operator and other elements of the algorithm are reasonably designed. The experimental results show that the method has a good effect. Then, taking a typical example as an example, the fitness terrain of IPPS problem is studied in depth. By introducing the concept of Logistic model, the structure of the solution of the IPPS problem is statistically analyzed. It is found that the fitness of the problem is in accordance with the distribution of the Logistic model. The experimental results show that the Logistic model of this kind of problem has a high stability of distribution. Based on the Logistic model distribution of IPPS problem, the neighborhood structure in local search is deeply studied and analyzed, which provides a good basis for the local search algorithm to design good neighborhood structure. Based on the above research results, an efficient local optimization algorithm based on variable Neighborhood search Neighborhood (VNS) is designed, and embedded in the improved genetic algorithm, a new efficient hybrid genetic variable neighborhood search algorithm for solving IPPS problem is proposed. The algorithm can balance the global search ability and the local search ability, make up for the disadvantage of the single algorithm, and make it more efficient in solving the complex IPPS problem. The algorithm is used to solve 24 problems of the international Kim standard test set, which refreshes the best solution of 9 problems in the world, and 12 other problems have been obtained. The experimental results show that the algorithm can solve the IPPS problem effectively. Based on the above research results, a prototype system of IPPS is designed and developed, and the system is introduced and demonstrated briefly. Finally, the paper summarizes the whole paper and looks forward to the future research direction.
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP18;TB497

【相似文獻】

相關期刊論文 前10條

1 藍炳偉;;一種車間調(diào)度系統(tǒng)算法的設計與實現(xiàn)[J];裝備制造技術;2008年08期

2 韋文斌,楊建軍,曾波,陳永達;基于多代理的車間調(diào)度系統(tǒng)結構和調(diào)度流程的研究[J];航空精密制造技術;2001年05期

3 王雪輝,李世杰,張玉芝;Multi-Agent技術在車間調(diào)度中的應用[J];河北工業(yè)大學學報;2005年02期

4 武志軍;寧汝新;萬春輝;;車間調(diào)度中的動態(tài)工作日制研究與實現(xiàn)[J];制造業(yè)自動化;2006年04期

5 戴濤;;多智能體技術在車間調(diào)度中的應用[J];中國水運(理論版);2006年06期

6 何利;劉永賢;謝華龍;劉笑天;;基于粒子群算法的車間調(diào)度與優(yōu)化[J];東北大學學報(自然科學版);2008年04期

7 黃云峰;王時龍;;車間調(diào)度研究的五視角方法論與三域結構[J];計算機集成制造系統(tǒng);2009年01期

8 黃英杰;姚錫凡;譚偉;余銘奇;;基于遺傳算法的多車間計劃與調(diào)度的研究(英文)[J];科學技術與工程;2010年15期

9 周祖德;劉東;;基于多代理和蜂群算法的車間調(diào)度系統(tǒng)研究[J];武漢理工大學學報(信息與管理工程版);2009年01期

10 周曉慧;高鵬程;許華民;;一種基于時間槽描述的印染車間調(diào)度研究與實現(xiàn)[J];江南大學學報(自然科學版);2010年04期

相關會議論文 前5條

1 甘屹;杜繼濤;;基于并行蟻群優(yōu)化的車間調(diào)度研究[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

2 陳可嘉;季平;;一種集成MRP與車間調(diào)度的混合整數(shù)規(guī)劃模型[A];2006年中國運籌學會數(shù)學規(guī)劃分會代表會議暨第六屆學術會議論文集[C];2006年

3 張秀麗;黃越;劉念;;基于混合優(yōu)化算法的多目標柔性工作車間調(diào)度[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

4 蘇翔;竇培華;;一種基于帶熵的遺傳算法在車間調(diào)度中的應用[A];第十屆中國管理科學學術年會論文集[C];2008年

5 朱曉東;;基于TC-TPN的SMT產(chǎn)品制造系統(tǒng)車間調(diào)度[A];2008中國電子制造技術論壇論文集[C];2008年

相關重要報紙文章 前2條

1 張敏華;湖北化肥明年將為員工辦10件實事[N];中國石化報;2008年

2 通訊員 謝曉剛;信息化讓設備質量管理耳聰目明[N];人民鐵道;2009年

相關博士學位論文 前3條

1 黃云峰;車間調(diào)度和諧范式與多智能體系統(tǒng)情智集成的研究[D];重慶大學;2010年

2 曾強;離散制造企業(yè)批量生產(chǎn)車間調(diào)度智能優(yōu)化研究[D];重慶大學;2010年

3 鞠全勇;智能制造系統(tǒng)生產(chǎn)計劃與車間調(diào)度的研究[D];南京航空航天大學;2007年

相關碩士學位論文 前10條

1 韓旭來;多智能體技術在車間調(diào)度系統(tǒng)中的應用[D];河北工業(yè)大學;2006年

2 樊凱;新層次型多代理體系在車間調(diào)度中的應用[D];吉林大學;2007年

3 武廣州;混合型生產(chǎn)方式車間調(diào)度建模及應用[D];武漢理工大學;2007年

4 劉東;基于多Agent技術的制造車間調(diào)度系統(tǒng)設計與實現(xiàn)[D];武漢理工大學;2009年

5 趙琴;排隊論在車間調(diào)度中的研究與應用[D];蘭州理工大學;2013年

6 王麗紅;蟻群算法及其在車間調(diào)度中的應用研究[D];合肥工業(yè)大學;2009年

7 秦娜;基于Petri網(wǎng)和PSO算法的JSP優(yōu)化調(diào)度方案的研究[D];長沙理工大學;2009年

8 王雪輝;基于多智能體的車間調(diào)度系統(tǒng)的研究[D];河北工業(yè)大學;2005年

9 王吉哲;動態(tài)車間調(diào)度建模及求解方法研究[D];蘭州理工大學;2012年

10 張玉蕾;長發(fā)鋁廠多目標車間調(diào)度問題研究及系統(tǒng)實現(xiàn)[D];合肥工業(yè)大學;2012年

本文編號：1938068