【摘要】：多目標流水車間調(diào)度問題是實際生產(chǎn)活動中經(jīng)常應(yīng)用的一類組合優(yōu)化問題,其主要是在滿足相關(guān)約束的條件下,對工件和加工機器進行合理地排列組合,以使最終的績效指標整體最優(yōu)化。不同于單目標車間調(diào)度問題,多目標需要同時考慮兩個及兩個以上的目標以使總體達到最優(yōu),大大增加了問題難度,使求解過程變得更為復(fù)雜。因此,對多目標流水車間調(diào)度進行研究具有一定的應(yīng)用價值。目前求解多目標流水車間調(diào)度問題的算法很多,但是很多算法在求解大規(guī)模復(fù)雜問題時往往存在較多限制。兩階段子群遺傳算法(Two PhaseSub PopulationGenetic Algorithm,TPSPGA)雖然在解的多樣性上有很大的優(yōu)勢,但求解質(zhì)量有待進一步提高。基于分解的多目標進化算法(Multi-Objective Evolutionary Algorithm based on Decomposition,MOEA/D)由于種群規(guī)模和權(quán)重向量一直不變,在解的多樣性上存在不足。在進化機制方面,傳統(tǒng)的進化方法由于交叉、變異等隨機機制在后期會破壞優(yōu)勢解,導(dǎo)致解的質(zhì)量下降。本文針對流水車間調(diào)度的最小化總完工時間與最小化最大流程時間兩個目標,提出一種基于區(qū)塊的兩階段進化算法(Block-based Two Phase Evolutionary Algorithm,BTPEA)來求解生產(chǎn)調(diào)度優(yōu)化問題。該算法分為兩個階段,第一階段將種群分為若干個子群體,對每個子群體權(quán)重賦值,第二階段將子群體重新合并成一個大群體,采用且比雪夫分解策略對群體分解。該算法的進化機制是通過若干代的傳統(tǒng)遺傳算產(chǎn)生較優(yōu)子代,借鑒螞蟻信息素濃度的思想對子代建立位置信息素矩陣和相依信息素矩陣并根據(jù)兩矩陣挖掘區(qū)塊,將區(qū)塊與非區(qū)塊重組形成人工染色體。最后對染色體進行重組,提高染色體的質(zhì)量并使用二元競賽法保留優(yōu)勢染色體。為了比較的算法的求解性能,使用Taillard標準實例對BTPEA、TPSPGA、MOGA/D、NSGA-II、SPEA-II等多種算法測試,并對測試結(jié)果進行分析。在解的分布上,BTPEA均處于圖的最左下方,即都取得了較優(yōu)的解。在D1_R值上,BTPEA取得了最低值,說明了該算法在解的多樣性和收斂性上具有較優(yōu)的求解效果。在C指標上,在C(A,x)的值均等于1或略小于1(A表示BTPEA,X表示其它算法),證明了該算法求得的解的質(zhì)量較高。在計算機的運行時間上,BTPEA的運行時間明顯低于其他算法。
【圖文】：

圖 1.1 進化算法分類Fig. 1.1 Evolutionary algorithm classification現(xiàn)對目前較為經(jīng)典的進化算法進行分析：1. VEGA（Vector Evaluated Genetic Algorithm）：VEGA 是由 Schaffer[56]所提出的用于求解多目標最優(yōu)化問題的 Pareto 最優(yōu)化，此方法是在傳統(tǒng)遺傳算法上發(fā)展而來首先將配對池分解若干個大小的子配對池，并對子配對池賦一目標i ，然后從種群取指定目標較優(yōu)的染色體并復(fù)制到對應(yīng)目標的子配對池中，這樣不斷選擇，直到所子配對池都裝滿染色體。最后將子配對池中所有的染色體混合，進行交配、突變等法雖然提高了較優(yōu)染色體被選取的機會，，但是解的多樣性表現(xiàn)差。2. MOGA（Multi-Objective Genetic Algorithm）：MOGA 是由 Fonseca 等[58]所提出此方法主要是在每一代將種群進行分級，其中，非支配解的等級為一，其余的被支解的等級依次加一，另外還使用了適應(yīng)度均分方法，在同一等級的個體均分適應(yīng)度同一等級的個體具有相同的適應(yīng)度。但是適應(yīng)度均分方法需設(shè)定參數(shù)，增加的算法用難度。3. NSGA（Non-dominated Sorting Genetic Algorithm）：NSGA 由 Deb 等[59]于 199先提出，并于 2000 年對其改進提出一種 NSGA-II[60]。NSGA 在選擇的方法上與傳

Pareto前沿圖
【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;TB497

【相似文獻】

相關(guān)期刊論文 前10條

1 谷峰,陳華平,盧冰原,古春生;粒子群算法在柔性工作車間調(diào)度中的應(yīng)用[J];系統(tǒng)工程;2005年09期

2 ;工業(yè)上應(yīng)用成果[J];微計算機信息;1989年04期

3 張守剛;吳龍成;王艷;紀志成;;基于分布估計算法的硫化車間調(diào)度[J];系統(tǒng)仿真學(xué)報;2017年09期

4 馬慧民;葉健飛;;柔性車間調(diào)度與設(shè)備維護的聯(lián)合優(yōu)化研究[J];機械設(shè)計與制造;2015年07期

5 黃英杰;姚錫凡;;基于目標級聯(lián)法和粒子群算法的柔性分布式車間調(diào)度[J];中南大學(xué)學(xué)報(自然科學(xué)版);2012年01期

6 朱良學(xué);;遺傳算法在車間調(diào)度中的應(yīng)用[J];軟件導(dǎo)刊;2007年17期

7 季娜;蔡紅霞;錢暉;;基于滾動時域優(yōu)化策略的玻璃深加工車間調(diào)度研究[J];工業(yè)控制計算機;2017年03期

8 高亮;高海兵;周馳;;基于粒子群優(yōu)化的開放式車間調(diào)度[J];機械工程學(xué)報;2006年02期

9 谷峰;陳華平;盧冰原;;基于遺傳算法的模糊柔性工作車間調(diào)度優(yōu)化[J];系統(tǒng)工程與電子技術(shù);2006年07期

10 谷峰;陳華平;盧冰原;;基于均勻設(shè)計的多目標遺傳算法在柔性工作車間調(diào)度中的應(yīng)用[J];系統(tǒng)工程理論方法應(yīng)用;2006年06期

相關(guān)會議論文 前10條

1 谷峰;陳華平;盧冰原;;自適應(yīng)多目標遺傳算法在柔性工作車間調(diào)度中的應(yīng)用[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

2 李桂芬;鞠彥兵;;基于仿真和遺傳算法的車間調(diào)度優(yōu)化方法研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

3 魏杰;李鐵克;;基于隨機性參數(shù)混合免疫算法的工藝車間調(diào)度研究[A];第十一屆全國自動化應(yīng)用技術(shù)學(xué)術(shù)交流會論文集[C];2006年

4 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(xué)會數(shù)學(xué)規(guī)劃分會代表會議暨第六屆學(xué)術(shù)會議論文集[C];2006年

5 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

6 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(shù)論壇論文集[C];2008年

7 張翠林;王爍;王軍強;;考慮約束松弛的柔性流水調(diào)度研究[A];發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)，助推新能源裝備制造——2014年第四屆全國地方機械工程學(xué)會學(xué)術(shù)年會暨新能源裝備制造發(fā)展論壇論文集[C];2014年

8 甘屹;李勝;;蟻群算法的參數(shù)優(yōu)化配置研究[A];全國先進制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

9 劉轍;彭亮;崔廣才;吳學(xué)禮;;混合遺傳算法在車間調(diào)度中的應(yīng)用[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 姚丹;郭放;石金華;;基于混合算法的網(wǎng)絡(luò)化制造車間調(diào)度研究[A];全國先進制造技術(shù)高層論壇暨第七屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2008年

相關(guān)重要報紙文章 前5條

1 田曉翠邋鄭瑞丹;念好質(zhì)量經(jīng)打好安全牌[N];人民鐵道;2008年

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

3 張立民;印刷企業(yè)創(chuàng)新要多角度深切入[N];中國新聞出版報;2010年

4 通訊員 朱明熹;小改造做出節(jié)支大文章[N];人民鐵道;2009年

5 王繼征;ERP既帶來技術(shù)也帶來理念[N];中國紡織報;2007年

相關(guān)博士學(xué)位論文 前10條

1 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(xué);2007年

2 金亮亮;基于網(wǎng)絡(luò)圖與工藝規(guī)劃集成的車間調(diào)度建模與優(yōu)化[D];華中科技大學(xué);2016年

3 林仁;離散制造企業(yè)資源彈性約束下作業(yè)車間調(diào)度問題研究[D];西南交通大學(xué);2016年

4 王芳;面向碳效優(yōu)化的柔性流水車間調(diào)度研究[D];華中科技大學(xué);2017年

5 李新宇;工藝規(guī)劃與車間調(diào)度集成問題的求解方法研究[D];華中科技大學(xué);2009年

6 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(xué);2010年

7 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(xué);2010年

8 溫海駿;不確定環(huán)境下再制造生產(chǎn)計劃與車間調(diào)度集成優(yōu)化研究[D];合肥工業(yè)大學(xué);2015年

9 王桂榮;分時電價下煉鋼連鑄生產(chǎn)調(diào)度優(yōu)化方法[D];山東大學(xué);2017年

10 郭文勝;基于敏捷制造模式的虛擬車間協(xié)同作業(yè)原理與應(yīng)用實踐[D];四川大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張春花;基于區(qū)塊的兩階段進化算法在多目標車間調(diào)度中的研究[D];天津理工大學(xué);2019年

2 張雪芳;基于列生成算法的柔性車間調(diào)度研究[D];浙江工業(yè)大學(xué);2018年

3 王晶;阻塞混合流水車間調(diào)度優(yōu)化研究[D];鄭州大學(xué);2019年

4 魏亮旗;基于改進人工蜂群算法的車間調(diào)度優(yōu)化的研究與應(yīng)用[D];安徽大學(xué);2019年

5 公旭冉;面向雙柔性多目標工作車間調(diào)度的智能算法研究[D];湖南大學(xué);2018年

6 李浩;基于粒子群優(yōu)化算法的車間調(diào)度系統(tǒng)的研究與設(shè)計[D];寧夏大學(xué);2018年

7 任清華;雙柔性流水車間調(diào)度及其與運輸集成調(diào)度研究[D];湖南大學(xué);2018年

8 程冰;基于群體智能算法的車間調(diào)度方法研究[D];江南大學(xué);2018年

9 魏鑫;面向多目標優(yōu)化的改進型多Agent車間調(diào)度技術(shù)研究[D];南京航空航天大學(xué);2018年

10 楊德博;基于候鳥優(yōu)化算法的開放車間調(diào)度研究[D];華中科技大學(xué);2017年

本文編號：2638289