傳統(tǒng)車間調(diào)度問題僅僅考慮工件的分配問題。而柔性車間調(diào)度問題在傳統(tǒng)車間調(diào)度問題上做了一定的延伸,它更接近實(shí)際生產(chǎn)過程的原因是由于其在傳統(tǒng)車間調(diào)度問題中加入了對(duì)加工機(jī)器的選擇。因此對(duì)其的研究既具有理論意義,也有實(shí)際運(yùn)用價(jià)值。本文對(duì)基于多目標(biāo)的柔性車間調(diào)度問題進(jìn)行研究,采用粒子群優(yōu)化算法作為求解問題的主要方法。首先,對(duì)車間調(diào)度問題的研究背景和研究現(xiàn)狀進(jìn)行了分析。介紹了粒子群算法的相關(guān)理論和研究進(jìn)程,重點(diǎn)對(duì)粒子群算法的基本思想、數(shù)學(xué)模型、算法流程和改進(jìn)策略等方面進(jìn)行了深入的研究,分析了標(biāo)準(zhǔn)粒子群算法的優(yōu)缺點(diǎn)。針對(duì)其不足,給出了一種引入“淘汰”機(jī)制的改進(jìn)粒子群算法。為本文采用改進(jìn)的粒子群優(yōu)化算法去解決柔性車間調(diào)度問題奠定了堅(jiān)實(shí)的理論基礎(chǔ)。然后,對(duì)多目標(biāo)的柔性車間調(diào)度問題具有較多的優(yōu)化指標(biāo),本文從中選擇了最大完工時(shí)間最小化、最小費(fèi)用和單機(jī)器最大負(fù)荷三項(xiàng)指標(biāo),并分析了選擇的優(yōu)化指標(biāo)之間的關(guān)系。分別使用了改進(jìn)的粒子群算法和標(biāo)準(zhǔn)的粒子群算法在Matlab上進(jìn)行仿真實(shí)驗(yàn),得到的實(shí)驗(yàn)結(jié)果表明,改進(jìn)的粒子群算法在非劣解的數(shù)量、三個(gè)優(yōu)化決策指標(biāo)的質(zhì)量以及解的收斂速度三個(gè)方面均高于標(biāo)準(zhǔn)的粒子群算法。最后,基于本文... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：52 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－２種群的初始狀態(tài)?

所有的個(gè)體都隨機(jī)分布在矩形范圍之內(nèi)，每個(gè)個(gè)體都有速度慣性、個(gè)體最優(yōu)（ｐｂｅｓｔ）和全局??最優(yōu)（ｇｂｅｓｔ），所有的粒子根據(jù)適應(yīng)度來改變自己的位置，一次迭代后如圖２所示，將所有在橢??圓形范圍之外的個(gè)體全部淘汰掉，如圖３所示，以保證種群的優(yōu)越性。同時(shí)，為了保證粒子的多??樣性，避免粒子都被淘汰掉，在每一次迭代過程中重新生成與淘汰數(shù)量相同的粒子并將其加入種??群中，如圖４所示。再次根據(jù)適應(yīng)度的值改變每個(gè)個(gè)體的位置并將橢圓形外的那些位置較差的粒??子淘汰掉，如圖５所示，并且橢圓形的大小應(yīng)當(dāng)逐漸減小，反復(fù)進(jìn)行淘汰、生成和加入，直至達(dá)??到最大迭代次數(shù)，將中心的圓形范圍內(nèi)的粒子取出即為所求問題的最優(yōu)解集。??？?．?．??．？?？?？?？?＃?？?＃?？？??圖３－２種群的初始狀態(tài)?圖３－３種群迭代一次的位置變化??－１６－??

圖３－６種群再次迭代的位置變化?圖３－７最終結(jié)果??３．３．３算法流程及流程圖??Ｓｔｅｐｈ初始化粒子群種群??Ｓｔｅｐ２：得到初始粒子群的適應(yīng)度以及個(gè)體最優(yōu)ｐｂｅｓｔ和全局最優(yōu)ｇｂｅｓｔ??Ｓｔｅｐ３：對(duì)粒子的位置和速度更新??Ｓｔｅｐ４：求解該粒子的適應(yīng)度??Ｓｔｅｐ５：判斷所有的粒子是否完成更新操作，若完成則進(jìn)行Ｓｔｅｐ６，否則返回ｓｔｅｐ２??Ｓｔｅｐ６：更新個(gè)體最優(yōu)解和全局最優(yōu)解??Ｓｔｅｐ７：將位置較差的粒子淘汰，并將新產(chǎn)生的粒子加入種群中??Ｓｔｅｐ、判斷是否滿足終止條件，若滿足則終止算法，ｇｂｅｓｔ為最優(yōu)解，若不滿足則返回Ｓｔ印２．??流程圖如下：??

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的粒子群算法在多目標(biāo)車間調(diào)度的應(yīng)用[J]. 李浩,畢利,靳彬鋒.  計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[2]柔性作業(yè)車間調(diào)度問題的改進(jìn)遺傳算法[J]. 張騰飛,馬躍,李力,胡毅,程倩.  小型微型計(jì)算機(jī)系統(tǒng). 2017(01)
[3]求解具有混合約束流水車間調(diào)度問題的迭代貪婪算法[J]. 張其亮,陳永生.  計(jì)算機(jī)應(yīng)用研究. 2016(02)
[4]柔性作業(yè)車間調(diào)度優(yōu)化的改進(jìn)模擬退火算法[J]. 李俊,劉志雄,張煜,賀晶晶.  武漢科技大學(xué)學(xué)報(bào). 2015(02)
[5]多目標(biāo)FJSP的一維編碼粒子群優(yōu)化求解方法[J]. 侯曉莉,劉永,江來臻,高新勤.  計(jì)算機(jī)工程與應(yīng)用. 2015(13)
[6]基于多目標(biāo)粒子群算法的柔性作業(yè)車間調(diào)度優(yōu)化方法[J]. 王云,馮毅雄,譚建榮,李中凱.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2011(02)
[7]混合流水線調(diào)度研究進(jìn)展[J]. 王凌,周剛,許燁,金以慧.  化工自動(dòng)化及儀表. 2011(01)
[8]基于MAS的生產(chǎn)車間動(dòng)態(tài)調(diào)度系統(tǒng)的研究[J]. 張磊,張瑞林.  計(jì)算機(jī)工程與設(shè)計(jì). 2009(20)
[9]一種求解多目標(biāo)組合優(yōu)化的遺傳局部搜索算法[J]. 楊開兵,劉曉冰.  計(jì)算機(jī)應(yīng)用與軟件. 2009(08)
[10]基于免疫遺傳算法的多目標(biāo)柔性作業(yè)車間調(diào)度研究[J]. 趙韓,高先圣,姜康,朱凌云.  系統(tǒng)仿真學(xué)報(bào). 2008(22)

博士論文
[1]基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D]. 張靜.浙江工業(yè)大學(xué) 2014

碩士論文
[1]基于種群熵和種群結(jié)構(gòu)的粒子群算法研究[D]. 高紅霞.遼寧科技大學(xué) 2007



本文編號(hào)：3538646