本文關(guān)鍵詞：面向流水車間調(diào)度問題的粒子群優(yōu)化算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)全球化的發(fā)展,使得傳統(tǒng)企業(yè)的生產(chǎn)規(guī)模日益擴(kuò)大,產(chǎn)品的復(fù)雜性也日益提高,市場(chǎng)競(jìng)爭(zhēng)越來越激烈,這給傳統(tǒng)的制造企業(yè)帶來了嚴(yán)峻的挑戰(zhàn)。車間調(diào)度問題作為制造企業(yè)的核心問題,是企業(yè)資源配置的主要手段,也是企業(yè)生產(chǎn)管理的關(guān)鍵技術(shù),因而一直是生產(chǎn)管理領(lǐng)域的熱點(diǎn)研究問題。如何獲得一個(gè)合理有效的調(diào)度方案,對(duì)企業(yè)的發(fā)展有著十分重要的理論價(jià)值和實(shí)踐意義。流水車間調(diào)度問題是目前研究的最為廣泛的一類經(jīng)典調(diào)度問題,是建立在具體的生產(chǎn)實(shí)際調(diào)度問題的一類抽象模型,其本質(zhì)是確定工件在機(jī)器上的加工順序,以用來達(dá)到某種生產(chǎn)性能指標(biāo)的最優(yōu)調(diào)度方案。置換流水車間調(diào)度問題是流水車間調(diào)度問題中的一類重要分支,是建立在傳統(tǒng)的流水車間調(diào)度問題的假設(shè)模型基礎(chǔ)之上,增加了新的約束條件,即要求工件在機(jī)器上的加工順序相同,該調(diào)度問題是具有復(fù)雜工程背景的NP-hard組合優(yōu)化問題。粒子群算法是一種新型的群體智能進(jìn)化算法,是一種通過對(duì)生物群居行為搜索最優(yōu)解的方法,其特點(diǎn)是比較簡(jiǎn)單、參數(shù)較少、易于實(shí)現(xiàn)、魯棒性強(qiáng)等,如今已經(jīng)被作為一種新型的全局優(yōu)化智能搜索算法被廣泛應(yīng)用,并在處理生產(chǎn)調(diào)度問題上取得了不錯(cuò)的效果。但是粒子群算法本身存在過早收斂、易于陷入局部極值等缺點(diǎn),因此,對(duì)于粒子群算法在生產(chǎn)調(diào)度問題的應(yīng)用研究還需進(jìn)一步的探索。為了解決置換流水車間調(diào)度問題,我們依據(jù)最小化最大完工時(shí)間,以粒子群算法作為基本的研究工具,結(jié)合其他的智能優(yōu)化算法和優(yōu)化策略,提出了兩種混合粒子群優(yōu)化算法:第一種基于自適應(yīng)策略的混合粒子群算法利用啟發(fā)式NEH算法來產(chǎn)生粒子群算法初始化的全局最優(yōu)粒子,同時(shí)結(jié)合自適應(yīng)調(diào)整策略來實(shí)現(xiàn)粒子群算法的參數(shù)控制;第二種基于局部搜索策略的混合粒子群優(yōu)化算法,在粒子的位置-速度更新公式中引入動(dòng)態(tài)擾動(dòng)項(xiàng),以避免粒子群后期出現(xiàn)的震蕩現(xiàn)象,對(duì)改變后的個(gè)體極值進(jìn)行基于交叉策略的局部搜索策略,利用貪心迭代算法中的作業(yè)毀壞和重造進(jìn)行全局最優(yōu)粒子領(lǐng)域空間的局部搜索,以找到更優(yōu)的鄰居,并依據(jù)模擬退火策略來選擇是否以一定的概率來接受新粒子。結(jié)合較新的優(yōu)化策略和優(yōu)化方法,我們又提出了一種免疫粒子群優(yōu)化算法,免疫粒子群算法利用免疫算法的免疫選擇和免疫接種機(jī)制增強(qiáng)粒子群的全局搜索能力,將粒子種群作為抗體種群,通過免疫選擇不斷更新粒子種群,將全局粒子作為記憶細(xì)胞存在記憶庫(kù)中,并在免疫接種過程中結(jié)合模擬退火策略,來避免粒子群算法出現(xiàn)的早退現(xiàn)象;上述三種混合粒子群優(yōu)化算法均在Matlab上進(jìn)行了仿真實(shí)驗(yàn),其實(shí)驗(yàn)結(jié)果驗(yàn)證了這些混合算法的有效性。零空閑流水車間調(diào)度問題也是流水車間調(diào)度問題的另一個(gè)典型問題,其要求機(jī)器一旦開工,中間就不允許出現(xiàn)機(jī)器等待加工的現(xiàn)象,這種約束從一定程度上降低了機(jī)器的運(yùn)行成本,提高了企業(yè)的生產(chǎn)效率,因此更加貼合現(xiàn)實(shí)的生產(chǎn)運(yùn)作過程,比其它的調(diào)度問題更具有適用性。為了解決該調(diào)度問題,我們提出了一種混沌粒子群優(yōu)化算法,在粒子群算法初始化時(shí)以啟發(fā)式NEH算法生成全局最優(yōu)粒子,引入動(dòng)態(tài)擾動(dòng)項(xiàng)避免算法陷入局部極值,并對(duì)全局最優(yōu)粒子采取混沌搜索策略,隨機(jī)不確定的在全局最優(yōu)粒子的周圍搜索更優(yōu)的粒子,以增強(qiáng)算法的全局尋優(yōu)性能。通過調(diào)度問題的標(biāo)準(zhǔn)算例的仿真實(shí)驗(yàn),驗(yàn)證了該算法的有效性。
【關(guān)鍵詞】：置換流水車間調(diào)度問題 零空閑流水車間調(diào)度問題 混合粒子群優(yōu)化算法 最大化完工時(shí)間
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18;TB497
【目錄】：

• 摘要6-8
• Abstract8-11
• 第1章 緒論11-18
• 1.1 課題研究背景及意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及趨勢(shì)12-15
• 1.2.1 國(guó)外研究現(xiàn)狀及趨勢(shì)12-14
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀及趨勢(shì)14-15
• 1.3 本文的主要研究?jī)?nèi)容及工作15-16
• 1.4 本文的組織結(jié)構(gòu)16-17
• 1.5 本章小結(jié)17-18
• 第2章 粒子群算法在流水車間調(diào)度問題上的應(yīng)用18-29
• 2.1 粒子群算法的起源18-19
• 2.2 粒子群算法的基本思想19-21
• 2.2.1 粒子群算法的數(shù)學(xué)描述19-20
• 2.2.2 粒子群算法的基本流程20-21
• 2.3 流水車間調(diào)度問題的研究綜述21-25
• 2.3.1 車間調(diào)度問題的概述21-22
• 2.3.2 流水車間調(diào)度問題的定義22-23
• 2.3.3 流水車間調(diào)度問題的分類23-24
• 2.3.4 流水車間調(diào)度問題的性能指標(biāo)24-25
• 2.4 粒子群算法在流水車間調(diào)度問題中的應(yīng)用25-28
• 2.4.1 連續(xù)粒子群算法在流水車間調(diào)度問題中的應(yīng)用25-27
• 2.4.2 離散粒子群算法在流水車間調(diào)度問題中的應(yīng)用27-28
• 2.5 本章小結(jié)28-29
• 第3章 混合粒子群算法在置換流水車間調(diào)度問題上的研究29-47
• 3.1 置換流水車間調(diào)度問題的概述29-31
• 3.2 一種基于自適應(yīng)策略的混合粒子群算法求解置換流水車間調(diào)度問題31-37
• 3.2.1 基于自適應(yīng)策略的混合粒子群算法的基本原理31-33
• 3.2.2 基于自適應(yīng)策略的混合粒子群算法的基本流程33-34
• 3.2.3 基于自適應(yīng)策略的混合粒子群算法的實(shí)驗(yàn)分析34-37
• 3.3 一種基于局部搜索的混合粒子群算法求解置換流水車間調(diào)度問題37-44
• 3.3.1 基于局部搜索的混合粒子群算法的基本原理37-40
• 3.3.2 基于局部搜索的混合粒子群算法的基本流程40-42
• 3.3.3 基于局部搜索的混合粒子群算法的實(shí)驗(yàn)分析42-44
• 3.4 兩種混合粒子群算法的分析研究44-45
• 3.5 本章小結(jié)45-47
• 第4章 免疫粒子群算法在置換流水車間調(diào)度問題上的研究47-60
• 4.1 免疫粒子群算法的基本原理47-51
• 4.1.1 免疫粒子群算法47-49
• 4.1.2 模擬退火算法49-51
• 4.2 免疫粒子群算法的基本流程51-53
• 4.3 免疫粒子群算法的實(shí)驗(yàn)分析53-58
• 4.4 三種混合粒子群算法的分析研究58-59
• 4.5 本章小結(jié)59-60
• 第5章 混沌粒子群算法在零空閑流水車間調(diào)度問題上的研究60-69
• 5.1 零空閑流水車間調(diào)度問題的概述60-61
• 5.2 一種混沌粒子群優(yōu)化算法求解零空閑流水車間調(diào)度問題61-68
• 5.2.1 混沌粒子群優(yōu)化算法的基本概念61-63
• 5.2.2 混沌粒子群優(yōu)化算法的基本流程63-64
• 5.2.3 混沌粒子群優(yōu)化算法的實(shí)驗(yàn)分析64-68
• 5.3 本章小結(jié)68-69
• 第6章 總結(jié)與展望69-72
• 6.1 本文研究工作總結(jié)69-70
• 6.2 展望70-72
• 參考文獻(xiàn)72-78
• 攻讀學(xué)位期間的論文發(fā)表情況78-79
• 致謝79

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 潘全科;趙保華;屈玉貴;畢于慧;;一類解決無等待流水車間調(diào)度問題的蟻群算法[J];計(jì)算機(jī)集成制造系統(tǒng);2007年09期

2 何利;劉永賢;劉笑天;;粒子群優(yōu)化算法求解車間調(diào)度問題[J];機(jī)械與電子;2007年08期

3 王秋芬;楊澤平;梁道雷;;一種改進(jìn)的車間調(diào)度問題算法[J];科學(xué)技術(shù)與工程;2013年11期

4 蘇子林;;車間調(diào)度問題及其進(jìn)化算法分析[J];機(jī)械工程學(xué)報(bào);2008年08期

5 徐建有;董乃群;顧樹生;;帶有順序相關(guān)調(diào)整時(shí)間的多目標(biāo)流水車間調(diào)度問題[J];計(jì)算機(jī)集成制造系統(tǒng);2013年12期

6 康寧,王鳳儒,劉丕娥,常會(huì)友;有交貨期的單件車間調(diào)度問題的逆序算法[J];系統(tǒng)工程理論與實(shí)踐;1999年12期

7 馬邦雄;葉春明;;利用貓群算法求解流水車間調(diào)度問題[J];現(xiàn)代制造工程;2014年06期

8 曲媛;楊曉偉;;關(guān)于流水車間調(diào)度問題的綜述[J];中小企業(yè)科技;2007年08期

9 王柏琳;李鐵克;;等待時(shí)間受限的流水車間調(diào)度問題的若干性質(zhì)[J];系統(tǒng)工程理論與實(shí)踐;2012年06期

10 邵揚(yáng);王曉娟;;類電磁機(jī)制算法求解模糊流水車間調(diào)度問題[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2013年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 鄒逢興;曾令李;高政;劉烽;;一種求解混合流水車間調(diào)度問題的分布式方法[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

2 朱婧;;求解車間調(diào)度問題的改進(jìn)模擬退火算法[A];第五屆（2010）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2010年

3 洪宗友;龐哈利;;No-wait流水車間調(diào)度問題的一種啟發(fā)式算法[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 陶翼飛;面向分組加工的混合流水車間優(yōu)化調(diào)度問題研究[D];昆明理工大學(xué);2013年

2 何利;即時(shí)定制生產(chǎn)模式及其車間調(diào)度問題的研究[D];東北大學(xué);2008年

3 黃英杰;基于目標(biāo)級(jí)聯(lián)法和智能優(yōu)化算法的車間調(diào)度問題研究[D];華南理工大學(xué);2012年

4 劉延風(fēng);置換流水車間調(diào)度問題的幾種智能算法[D];西安電子科技大學(xué);2012年

5 常桂娟;基于微粒群算法的車間調(diào)度問題研究[D];青島大學(xué);2008年

6 崔U，

本文編號(hào)：293513