本文關(guān)鍵詞：基于改進粒子群算法的多產(chǎn)品廠間歇調(diào)度問題研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：生產(chǎn)調(diào)度是企業(yè)組織和管理生產(chǎn)的核心,實現(xiàn)優(yōu)化調(diào)度對于企業(yè)提高生產(chǎn)效率、降低能耗、提高設(shè)備利用率、降低成本等方面有著重大的作用。同時,隨著市場需求越來越多樣化和個性化,多產(chǎn)品廠間歇生產(chǎn)過程作為一種經(jīng)典的生產(chǎn)方式,其調(diào)度問題越來越受到人們的重視。本文主要研究不同存儲方式下的多產(chǎn)品廠間歇生產(chǎn)調(diào)度問題,通過設(shè)計和改進粒子群優(yōu)化算法,找到更有效的方法求出高效的調(diào)度方案,并通過大量的仿真實驗來說明改進算法的有效性和優(yōu)越性。 針對有限緩沖區(qū)多產(chǎn)品廠間歇調(diào)度問題,以最小化完工時間為目標函數(shù),提出了一種多種群粒子群優(yōu)化(multi-swarm particle swarm optimization, MPSO)算法。算法采用多個種群協(xié)同進化,增加了粒子的多樣性,引入移民粒子,加強了子種群之間的交流和相互促進,提高了算法的全局尋優(yōu)能力,對精華種群的變鄰域搜索,進一步提高了算法的收斂精度。 針對模糊加工時間零等待多產(chǎn)品廠間歇調(diào)度問題,以最小化模糊完工時間為目標,提出了一種基于差分進化粒子群優(yōu)化(differential evolution particle swarm optimization, DEPSO)的間歇調(diào)度算法。以基本粒子群算法為整體進化框架,采用基于反向?qū)W習的方法初始化種群,提高初始種群的質(zhì)量,引入代數(shù)閾值,當群體極值保持代數(shù)達到閾值時,利用基于排序的差分進化操作優(yōu)化粒子個體極值位置,提高算法的全局搜索能力,最后通過變鄰域搜索,提高算法的搜索精度。 針對多產(chǎn)品廠間歇調(diào)度問題的復(fù)雜情況,研究了以最小化最大完工時間和最小化總耗能為目標的多目標生產(chǎn)調(diào)度問題,通過改進差分進化粒子群(DEPSO)算法來解決多目標調(diào)度問題。算法基于Pareto支配關(guān)系更新粒子非劣解,通過計算代平均距離決定是否采用基于排序的差分進化策略來改變粒子搜索區(qū)域,以防止算法過早陷入局部最優(yōu),引入變鄰域搜索,提高算法的局部搜索能力。 最后通過對不同規(guī)模的調(diào)度問題進行仿真實驗,以及與其它已有算法的結(jié)果對比,說明了改進算法的有效性和優(yōu)越性。
【關(guān)鍵詞】：間歇調(diào)度 粒子群算法 有限緩沖區(qū) 零等待 多目標
【學位授予單位】：華東理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP18;TB497
【目錄】：

• 摘要5-6
• 英文摘要6-8
• 目錄8-10
• 第1章 緒論10-16
• 1.1 間歇生產(chǎn)調(diào)度問題的研究背景及意義10
• 1.2 間歇生產(chǎn)調(diào)度問題概述10-12
• 1.2.1 間歇生產(chǎn)調(diào)度的定義及特點10-11
• 1.2.2 間歇生產(chǎn)過程的分類及研究現(xiàn)狀11-12
• 1.3 間歇生產(chǎn)調(diào)度問題的研究方法12-14
• 1.3.1 間歇生產(chǎn)調(diào)度問題的描述方法12-13
• 1.3.2 間歇生產(chǎn)調(diào)度問題的優(yōu)化方法13-14
• 1.4 本文的主要創(chuàng)新14-15
• 1.5 論文的主要研究內(nèi)容和框架15-16
• 第2章 群智能優(yōu)化算法16-21
• 2.1 群智能優(yōu)化算法概述16-17
• 2.1.1 群智能優(yōu)化算法特點16
• 2.1.2 群智能優(yōu)化算法的基本環(huán)節(jié)16-17
• 2.2 典型的群智能優(yōu)化算法17-20
• 2.2.1 粒子群優(yōu)化算法17-18
• 2.2.2 差分進化算法18-20
• 2.3 典型群智能算法的應(yīng)用20
• 2.3.1 粒子群算法的應(yīng)用20
• 2.3.2 差分進化算法的應(yīng)用20
• 2.4 本章小結(jié)20-21
• 第3章 基于MPSO的有限緩沖區(qū)多產(chǎn)品廠間歇調(diào)度問題的研究21-33
• 3.1 問題背景及研究意義21-22
• 3.2 有限緩沖區(qū)多產(chǎn)品廠間歇調(diào)度問題的描述22-23
• 3.3 多種群粒子群優(yōu)化算法23-24
• 3.3.1 算法思路23-24
• 3.3.2 算法流程24
• 3.4 仿真實驗24-31
• 3.4.1 實驗設(shè)置24-25
• 3.4.2 緩沖區(qū)大小對生產(chǎn)調(diào)度的影響25-26
• 3.4.3 參數(shù)選擇26-29
• 3.4.4 算法比較與分析29-31
• 3.5 本章小結(jié)31-33
• 第4章 基于DEPSO的模糊時間ZW多產(chǎn)品廠間歇調(diào)度問題的研究33-45
• 4.1 問題背景及相關(guān)研究33-34
• 4.2 模糊時間ZW多產(chǎn)品廠間歇調(diào)度問題的描述與模型建立34-35
• 4.3 差分進化粒子群混合算法35-38
• 4.3.1 基于排序的離散差分進化算法35-37
• 4.3.2 算法思路37-38
• 4.3.3 算法流程38
• 4.4 仿真實驗38-44
• 4.4.1 實驗設(shè)置38
• 4.4.2 算法性能研究38-40
• 4.4.3 算法性能比較40-44
• 4.5 本章小結(jié)44-45
• 第5章 改進DEPSO算法在多目標多產(chǎn)品廠間歇調(diào)度問題中的應(yīng)用45-58
• 5.1 問題背景及相關(guān)研究45-46
• 5.2 多目標優(yōu)化問題的基本概念46
• 5.3 多目標多產(chǎn)品廠間歇調(diào)度問題描述46-47
• 5.4 基于DEPSO算法的多目標調(diào)度算法47-51
• 5.4.1 編碼方式47-48
• 5.4.2 差分進化粒子群(DEPSO)算法48-50
• 5.4.3 多目標算法流程50-51
• 5.5 仿真實驗51-57
• 5.5.1 驗證算法的有效性51-53
• 5.5.2 算法性能比較和實驗結(jié)果53-57
• 5.6 本章小結(jié)57-58
• 第6章 總結(jié)與展望58-60
• 參考文獻60-66
• 致謝66-67
• 攻讀碩士學位期間發(fā)表的論文67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 霍滿臣;陳忠菊;唐立新;;2臺并行機上的批在線調(diào)度[J];沈陽工程學院學報(自然科學版);2006年02期

2 陳宇;陳新;陳新度;;不確定環(huán)境下的多Agent魯棒性預(yù)測調(diào)度研究[J];中國機械工程;2009年16期

3 蘇明，薛宏熙，洪先龍;調(diào)度問題的形式化描述[J];計算機輔助設(shè)計與圖形學學報;1995年04期

4 朱景福,李欣,王馨;分支定界算法在調(diào)度問題上的應(yīng)用[J];哈爾濱理工大學學報;1999年01期

5 張曉盼;齊歡;袁曉輝;;三峽葛洲壩聯(lián)合通航調(diào)度的混合整數(shù)規(guī)劃[J];武漢理工大學學報(交通科學與工程版);2007年01期

6 劉明周;單暉;蔣增強;葛茂根;扈靜;張銘鑫;;不確定條件下車間動態(tài)重調(diào)度優(yōu)化方法[J];機械工程學報;2009年10期

7 李風光;初紅艷;李鵬;費仁元;方娟;;運用混合優(yōu)化算法的作業(yè)車間分批調(diào)度[J];現(xiàn)代制造工程;2010年08期

8 王剛;陳秋雙;杜玉泉;全雄文;;基于組合拍賣的多主體單機調(diào)度問題[J];計算機集成制造系統(tǒng);2013年01期

9 趙樹武;;基于ExSpect的Job Shop調(diào)度的研究[J];現(xiàn)代制造工程;2013年09期

10 吳亞麗,曾建潮,孫國基;基于CTCH網(wǎng)的批過程動態(tài)最優(yōu)調(diào)度[J];太原重型機械學院學報;2002年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李建更;涂凍生;馬海濤;;單機拖后時間總和問題交付期擾動時最優(yōu)調(diào)度不變范圍的一種求法[A];第十九屆中國控制會議論文集（一）[C];2000年

2 劉海龍;黃小原;;總的未完工費用最小的多機調(diào)度問題[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

3 沈吟東;曾西洋;;公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

4 李兵;蔣慰孫;;Job shop問題的建模及調(diào)度[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

5 王海星;申金升;;智能蟻群算法解決公交區(qū)域調(diào)度問題研究[A];2006年首屆ICT大會信息、知識、智能及其轉(zhuǎn)換理論第一次高峰論壇會議論文集[C];2006年

6 王成堯;汪定偉;;模糊加工時間的單機調(diào)度問題[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

7 齊向彤;涂奉生;;雙交付期E／T調(diào)度問題[A];1997年中國控制會議論文集[C];1997年

8 吳斌;方葉祥;崔志勇;;基于人工蜂群算法的越庫調(diào)度問題研究[A];第25屆中國控制與決策會議論文集[C];2013年

9 方濤;吳受章;;FMS的自適應(yīng)調(diào)度:結(jié)構(gòu)與算法研究[A];1992年中國控制與決策學術(shù)年會論文集[C];1992年

10 劉興初;趙千川;鄭大鐘;;具有不同準備時間和交付期的單機E／T調(diào)度問題研究[A];1998年中國控制會議論文集[C];1998年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 本報記者 賈科華;火電機組叫苦調(diào)度不合理[N];中國能源報;2012年

2 本報記者 高芳;牽住“牛鼻子” 巧解“推進難”[N];湖南經(jīng)濟報;2008年

3 黃河水利委員會;流域水量統(tǒng)一調(diào)度的實踐與認識[N];中國水利報;2001年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 左燕;大規(guī)模復(fù)雜生產(chǎn)調(diào)度問題瓶頸分解方法研究[D];上海交通大學;2007年

2 王磊;OKP企業(yè)分散式項目計劃與調(diào)度優(yōu)化方法研究[D];哈爾濱工業(yè)大學;2013年

3 李小林;平行機環(huán)境下批處理機調(diào)度問題研究[D];中國科學技術(shù)大學;2012年

4 金毅;模糊集合論在生產(chǎn)計劃和調(diào)度中的應(yīng)用研究[D];東南大學;1994年

5 李玉慶;動態(tài)不確定環(huán)境下航天器觀測調(diào)度問題研究[D];哈爾濱工業(yè)大學;2008年

6 劉志雄;調(diào)度問題中的粒子群優(yōu)化方法及其應(yīng)用研究[D];武漢理工大學;2005年

7 湯健超;基于混合進化算法的若干調(diào)度問題研究[D];華南理工大學;2012年

8 江維;任務(wù)關(guān)鍵實時系統(tǒng)的可信感知調(diào)度研究[D];電子科技大學;2009年

9 宋潔蔚;油品生產(chǎn)與儲運調(diào)度問題研究[D];浙江大學;2003年

10 鄧冠龍;基于元啟發(fā)式算法的調(diào)度問題若干研究[D];華東理工大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 郭麗萍;螢火蟲算法在阻塞流水線調(diào)度問題中的應(yīng)用研究[D];東北師范大學;2013年

2 嘉曉嵐;航班著陸調(diào)度的智能優(yōu)化方法研究[D];中國科學技術(shù)大學;2009年

3 楊新玲;基于時間D-子集任務(wù)排序與調(diào)度問題研究[D];沈陽大學;2010年

4 楊生磊;城市應(yīng)急出警智能調(diào)度系統(tǒng)研究[D];鄭州大學;2011年

5 高維龍;注塑企業(yè)復(fù)雜批調(diào)度問題算法與仿真研究[D];武漢科技大學;2013年

6 林W毦

本文編號：402107