發(fā)布時間：2017-06-26 22:13

  本文關(guān)鍵詞：作業(yè)車間調(diào)度屬性選擇及調(diào)度規(guī)則挖掘方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：作業(yè)車間調(diào)度問題是典型的生產(chǎn)調(diào)度問題,其具有動態(tài)性、不確定性、計算復雜性等特點。經(jīng)過幾十年的發(fā)展,研究人員已經(jīng)提出了許多用于解決作業(yè)車間調(diào)度問題的算法,其中基于調(diào)度規(guī)則的調(diào)度算法以較低的計算時間復雜度、便于理解等特點而廣泛應(yīng)用于實際生產(chǎn)過程中。但研究表明,生產(chǎn)線的狀態(tài)對基于調(diào)度規(guī)則的調(diào)度算法的性能具有較大的影響,單一的調(diào)度規(guī)則無法適應(yīng)于動態(tài)的生產(chǎn)環(huán)境,設(shè)計基于調(diào)度規(guī)則的自適應(yīng)調(diào)度系統(tǒng)成必然要求。另一方面,隨著信息技術(shù)的不斷發(fā)展和應(yīng)用,生產(chǎn)系統(tǒng)積累了大量與生產(chǎn)調(diào)度相關(guān)的信息,基于數(shù)據(jù)的生產(chǎn)過程調(diào)度方法引起了研究者的普遍關(guān)注。本文探討了基于數(shù)據(jù)的作業(yè)車間問題調(diào)度方法中調(diào)度屬性選擇問題和調(diào)度規(guī)則挖掘問題,主要內(nèi)容如下：針對基于數(shù)據(jù)的作業(yè)車間調(diào)度方法研究中調(diào)度屬性選擇和調(diào)度規(guī)則挖掘算法需要大量的樣本數(shù)據(jù)進行學習的問題,建立了一個基于Multi-Pass的作業(yè)車間最優(yōu)調(diào)度方案生成平臺。以作業(yè)車間調(diào)度問題ft10為研究對象,引入Multi-Pass仿真機制,使用Plant Simulation軟件建立最優(yōu)調(diào)度規(guī)則生成平臺。通過運行仿真平臺,構(gòu)建了用于調(diào)度屬性選擇和調(diào)度規(guī)則挖掘的樣本數(shù)據(jù)。針對生產(chǎn)環(huán)境中大量不相關(guān)或冗余的調(diào)度屬性影響調(diào)度規(guī)則挖掘算法性能的問題,研究了基于概念格的作業(yè)車間調(diào)度屬性選擇方法。一種方法是將調(diào)度屬性樣本映射成概念格中的多值背景,通過計算屬性重要度進行屬性選擇；考慮到調(diào)度屬性的多值特性,另一種方法是將多值背景轉(zhuǎn)換為單值背景,利用概念格約簡理論對特征屬性進行選擇。針對動態(tài)生產(chǎn)環(huán)境問題,研究了一種基于屬性選擇的作業(yè)車間調(diào)度規(guī)則挖掘方法。調(diào)度規(guī)則挖掘方法采用神經(jīng)網(wǎng)絡(luò),一方面以調(diào)度特征屬性作為輸入,調(diào)度規(guī)則挖掘算法的精度得到了提高；另一方面,相比較用于單一的調(diào)度規(guī)則,基于屬性選擇的調(diào)度規(guī)則挖掘方法能夠根據(jù)生產(chǎn)調(diào)度環(huán)境自適應(yīng)地輸出當前調(diào)度決策時刻的最優(yōu)調(diào)度規(guī)則。
【關(guān)鍵詞】：作業(yè)車間調(diào)度問題 屬性選擇 調(diào)度規(guī)則挖掘 仿真模型 概念格 人工神經(jīng)網(wǎng)絡(luò)
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TB497
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-18
• 1.1 研究背景及意義12
• 1.2 研究現(xiàn)狀12-15
• 1.2.1 生產(chǎn)調(diào)度特征屬性選擇研究現(xiàn)狀13-14
• 1.2.2 調(diào)度規(guī)則挖掘方法研究現(xiàn)狀14-15
• 1.3 本文的結(jié)構(gòu)安排15-18
• 第二章 基于Multi-Pass的作業(yè)車間調(diào)度方案集生成方法研究18-36
• 2.1 引言18
• 2.2 調(diào)度規(guī)則18-22
• 2.2.1 調(diào)度規(guī)則定義與分類18-19
• 2.2.2 基本調(diào)度規(guī)則19-21
• 2.2.3 調(diào)度規(guī)則性能分析21-22
• 2.3 Multi-Pass仿真技術(shù)22-24
• 2.3.1 Multi-Pass基本原理22-23
• 2.3.2 基于Multi-Pass的作業(yè)車間最優(yōu)調(diào)度方案生成機制23-24
• 2.4 基于Multi-Pass的作業(yè)車間調(diào)度仿真平臺實現(xiàn)24-31
• 2.4.1 作業(yè)車間調(diào)度問題24
• 2.4.2 基于Plant Simulation的作業(yè)車間調(diào)度仿真平臺實現(xiàn)24-31
• 2.5 獲取最優(yōu)調(diào)度方案集合31-34
• 2.6 本章小結(jié)34-36
• 第三章 基于概念格的作業(yè)車間特征屬性選擇方法研究36-48
• 3.1 引言36
• 3.2 概念格及其約簡理論36-38
• 3.3 基于屬性重要度的作業(yè)車間屬性選擇方法38-40
• 3.3.1 理論基礎(chǔ)38
• 3.3.2 算法描述與實現(xiàn)38-40
• 3.4 基于屬性特征的作業(yè)車間屬性選擇方法40-44
• 3.4.1 理論基礎(chǔ)40-42
• 3.4.2 算法描述與實現(xiàn)42-44
• 3.5 仿真實驗44-46
• 3.5.1 基于屬性重要度的作業(yè)車間屬性選擇算法實例44-45
• 3.5.2 基于屬性特征的作業(yè)車間屬性選擇算法實例45-46
• 3.6 本章小結(jié)46-48
• 第四章 基于屬性選擇的作業(yè)車間調(diào)度規(guī)則挖掘研究48-56
• 4.1 引言48
• 4.2 人工神經(jīng)網(wǎng)絡(luò)48-49
• 4.3 基于屬性選擇的神經(jīng)網(wǎng)絡(luò)調(diào)度規(guī)則挖掘系統(tǒng)的設(shè)計和實現(xiàn)49-52
• 4.3.1 調(diào)度規(guī)則挖掘機制49-50
• 4.3.2 建立和訓練神經(jīng)網(wǎng)絡(luò)模型50-52
• 4.4 仿真實驗與分析52-53
• 4.5 本章小結(jié)53-56
• 第五章 結(jié)論與展望56-58
• 5.1 結(jié)論56
• 5.2 問題與展望56-58
• 參考文獻58-62
• 致謝62-64
• 研究成果及發(fā)表的學術(shù)論文64-66
• 作者和導師簡介66-67
• 北京化工大學專業(yè)學位碩士研究生學位論文答辯委員會決議書67-68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 范華麗;熊禾根;蔣國璋;李公法;;動態(tài)車間作業(yè)調(diào)度問題中調(diào)度規(guī)則算法研究綜述[J];計算機應(yīng)用研究;2016年03期

2 李豆豆;;生產(chǎn)調(diào)度的啟發(fā)式規(guī)則研究綜述[J];機械設(shè)計與制造工程;2014年02期

3 I.A.Chaudhry;;Job shop scheduling problem with alternative machines using genetic algorithms[J];Journal of Central South University;2012年05期

4 葉建芳;潘曉弘;王正肖;唐任仲;;基于免疫離散粒子群算法的調(diào)度屬性選擇[J];浙江大學學報(工學版);2009年12期

5 黃亞平;熊婧;;基于改進蟻群算法作業(yè)車間調(diào)度問題仿真研究[J];計算機仿真;2009年08期

6 劉民;;基于數(shù)據(jù)的生產(chǎn)過程調(diào)度方法研究綜述[J];自動化學報;2009年06期

7 吳啟迪;喬非;李莉;吳瑩;;基于數(shù)據(jù)的復雜制造過程調(diào)度[J];自動化學報;2009年06期

8 曹政才;吳啟迪;喬非;王遵彤;;基于遺傳算法的半導體生產(chǎn)線調(diào)度研究進展[J];同濟大學學報(自然科學版);2008年01期

9 喬立巖;彭喜元;彭宇;;基于微粒群算法和支持向量機的特征子集選擇方法[J];電子學報;2006年03期

10 ;Attribute reduction theory and approach to concept lattice[J];Science in China(Series F:Information Sciences);2005年06期

  本文關(guān)鍵詞：作業(yè)車間調(diào)度屬性選擇及調(diào)度規(guī)則挖掘方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：487771