本文關(guān)鍵詞：基于改進(jìn)蟻群算法的多目標(biāo)Job-shop動態(tài)調(diào)度研究

  更多相關(guān)文章： 作業(yè)車間調(diào)度 多目標(biāo) 蟻群算法 動態(tài)調(diào)度

【摘要】：車間調(diào)度方法與優(yōu)化技術(shù)是先進(jìn)制造業(yè)的兩大利器。隨著調(diào)度方法與優(yōu)化技術(shù)對制造業(yè)的生產(chǎn)利益、生產(chǎn)成本、生產(chǎn)速度的影響日益突出,越來越多的研究者們開始關(guān)注Job-shop對制造業(yè)帶來的革命性力量。 本文將針對作業(yè)車間多目標(biāo)這個特點進(jìn)行研究,建立以最大完工時間最小以及總拖期時間最小的雙目標(biāo)調(diào)度模型,并結(jié)合改進(jìn)的蟻群算法進(jìn)行動態(tài)調(diào)度的研究。 首先,本文介紹了作業(yè)車間調(diào)度問題的研究現(xiàn)狀,蟻群算法的產(chǎn)生和發(fā)展史。然后分析作業(yè)車間的數(shù)學(xué)模型、析取圖模型以及甘特圖模型來對研究的問題進(jìn)行全面分析。并對作業(yè)車間調(diào)度過程中的動態(tài)事件進(jìn)行分析,并建立相應(yīng)的動態(tài)調(diào)度策略。然后根據(jù)基本蟻群算法,分析多目標(biāo)動態(tài)調(diào)度過程的特點,對蟻群算法的搜索方式進(jìn)行改進(jìn)。 最后,基于測試函數(shù),對于改進(jìn)的蟻群算法與多目標(biāo)遺傳算法進(jìn)行仿真,驗證改進(jìn)的蟻群算法具有較好的效果。然后對作業(yè)車間的實際調(diào)度中多種動態(tài)事件進(jìn)行分析并給出其仿真的甘特圖,證明本文提出的算法以及策略能去的較好的效果。
【關(guān)鍵詞】：作業(yè)車間調(diào)度 多目標(biāo) 蟻群算法 動態(tài)調(diào)度
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP18;TB497
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-16
• 1.1 課題研究的目的與意義9
• 1.2 作業(yè)車間調(diào)度的研究現(xiàn)狀9-12
• 1.2.1 作業(yè)車間調(diào)度問題研究現(xiàn)狀9-10
• 1.2.2 多目標(biāo)作業(yè)車間調(diào)度研究10-11
• 1.2.3 作業(yè)車間動態(tài)調(diào)度研究現(xiàn)狀11-12
• 1.3 蟻群算法的產(chǎn)生和發(fā)展12-14
• 1.3.1 蟻群算法的產(chǎn)生12-13
• 1.3.2 蟻群算法的發(fā)展13-14
• 1.4 論文結(jié)構(gòu)與主要內(nèi)容14-16
• 第2章 多目標(biāo)作業(yè)車間調(diào)度研究16-30
• 2.1 多目標(biāo)優(yōu)化問題的概述16-19
• 2.1.1 多目標(biāo)優(yōu)化問題的發(fā)展16
• 2.1.2 多目標(biāo)優(yōu)化問題的描述16-17
• 2.1.3 多目標(biāo)優(yōu)化問題研究方法17-19
• 2.2 多目標(biāo)車間調(diào)度的數(shù)學(xué)模型19-24
• 2.2.1 作業(yè)車間問題的數(shù)學(xué)建模20-22
• 2.2.2 問題的析取圖模型22-23
• 2.2.3 問題的甘特圖模型23-24
• 2.3 作業(yè)車間調(diào)度編碼問題的研究24-26
• 2.3.1 作業(yè)車間編碼要考慮的問題24
• 2.3.2 編碼的分類24-26
• 2.4 車間動態(tài)調(diào)度的研究26-29
• 2.4.1 車間動態(tài)調(diào)度問題描述26-27
• 2.4.2 動態(tài)事件的分類27-28
• 2.4.3 動態(tài)調(diào)度研究方法28-29
• 2.5 本章小結(jié)29-30
• 第3章 蟻群算法及其改進(jìn)30-47
• 3.1 基本蟻群算法的分析30-31
• 3.1.1 基本蟻群算法的原理30
• 3.1.2 基本蟻群算法的優(yōu)缺點30-31
• 3.2 蟻群算法的改進(jìn)及實現(xiàn)步驟31-37
• 3.2.1 基本蟻群算法的步驟31-34
• 3.2.2 改進(jìn)蟻群算法的步驟34-37
• 3.3 實驗仿真37-46
• 3.3.1 蟻群算法不同參數(shù)仿真研究37-43
• 3.3.2 改進(jìn)蟻群算法的仿真實例43-46
• 3.4 本章小結(jié)46-47
• 第4章 基于改進(jìn)蟻群算法的作業(yè)車間動態(tài)調(diào)度研究47-57
• 4.1 基于改進(jìn)蟻群算法的作業(yè)車間仿真47-50
• 4.1.1 作業(yè)車間編碼的與解碼47
• 4.1.2 基于改進(jìn)蟻群算法的作業(yè)車間仿真47-50
• 4.2 基于改進(jìn)蟻群算法的作業(yè)車間動態(tài)調(diào)度仿真50-56
• 4.2.1 動態(tài)調(diào)度策略50-53
• 4.2.2 作業(yè)車間動態(tài)調(diào)度仿真53-56
• 4.3 本章小結(jié)56-57
• 第5章 總結(jié)與展望57-59
• 5.1 全文總結(jié)57
• 5.2 論文的展望57-59
• 參考文獻(xiàn)59-63
• 致謝63-64
• 攻讀碩士學(xué)位期間取得的相關(guān)科研成果64

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊開兵;;多目標(biāo)混合遺傳算法求解流水車間調(diào)度問題[J];電腦與信息技術(shù);2008年02期

2 黃訓(xùn)誠;耿阿囡;莊奕琪;楊豐輝;;基于蟻群算法的集成電路無網(wǎng)格布線[J];電子器件;2006年03期

3 金飛虎,洪炳熔,高慶吉;基于蟻群算法的自由飛行空間機(jī)器人路徑規(guī)劃[J];機(jī)器人;2002年06期

4 郜慶路,羅欣,楊叔子;基于螞蟻算法的混流車間動態(tài)調(diào)度研究[J];計算機(jī)集成制造系統(tǒng)-CIMS;2003年06期

5 姜思杰,張付亮,王孔茂;基于遺傳和禁忌算法求解一類車間調(diào)度問題[J];計算機(jī)集成制造系統(tǒng)-CIMS;2003年11期

6 雷德明;吳智銘;;多目標(biāo)模糊作業(yè)車間調(diào)度問題研究[J];計算機(jī)集成制造系統(tǒng);2006年02期

7 吳斌,史忠植;一種基于蟻群算法的TSP問題分段求解算法[J];計算機(jī)學(xué)報;2001年12期

8 曹浪財,羅鍵,李天成;智能螞蟻算法——蟻群算法的改進(jìn)[J];計算機(jī)應(yīng)用研究;2003年10期

9 何霆,劉飛,馬玉林,楊海;車間生產(chǎn)調(diào)度問題研究[J];機(jī)械工程學(xué)報;2000年05期

10 王潮,宣國榮;人工神經(jīng)網(wǎng)絡(luò)求解TSP問題新方法[J];計算機(jī)應(yīng)用與軟件;2001年04期

，

本文編號：673015