制造資源的高效利用已逐步成為新世紀(jì)制造業(yè)的一個(gè)重要發(fā)展方向,制造業(yè)服務(wù)化和智能化是當(dāng)前制造業(yè)發(fā)展的兩大趨勢。為克服現(xiàn)代制造業(yè)產(chǎn)業(yè)鏈低端、生產(chǎn)效率低、高能耗和創(chuàng)新能力不足等問題,云制造應(yīng)運(yùn)而生。作為云制造核心問題之一,資源調(diào)度的優(yōu)劣將直接影響云制造服務(wù)的成本、效率及質(zhì)量。因此,本課題對云制造的資源調(diào)度問題開展了相關(guān)研究。主要研究內(nèi)容如下:（1）云制造的靜態(tài)資源調(diào)度研究。綜合考慮云制造資源調(diào)度的目標(biāo)及約束條件,建立了多目標(biāo)靜態(tài)資源調(diào)度模型;設(shè)計(jì)改進(jìn)遺傳算法求出全局最優(yōu)解,并與傳統(tǒng)的模型與算法的求解結(jié)果比較驗(yàn)證,驗(yàn)證了該模型的適用性與該算法的有效性。（2）云制造的動(dòng)態(tài)資源調(diào)度研究。針對云制造環(huán)境下的動(dòng)態(tài)擾動(dòng)問題,建立了多目標(biāo)動(dòng)態(tài)資源調(diào)度模型;采用周期性驅(qū)動(dòng)與事件驅(qū)動(dòng)相結(jié)合的混合驅(qū)動(dòng)的動(dòng)態(tài)調(diào)度策略,基于分階段排序優(yōu)先規(guī)則的調(diào)度機(jī)制進(jìn)行周期性驅(qū)動(dòng)再調(diào)度,基于制造進(jìn)度延遲率與制造資源利用率相結(jié)合的驅(qū)動(dòng)機(jī)制來判別是否觸發(fā)事件驅(qū)動(dòng)再調(diào)度;利用偽并行模擬退火—遺傳算法進(jìn)行求解。最后,運(yùn)用動(dòng)態(tài)實(shí)例進(jìn)行分析驗(yàn)證,驗(yàn)證了該動(dòng)態(tài)調(diào)度策略的適用性與優(yōu)越性。 

【文章來源】：西南科技大學(xué)四川省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

調(diào)度甘特圖

圖 3-5 多目標(biāo)函數(shù)變化曲線Fig.3-5 The change curve of Multi-objective function表 3-5 模型結(jié)果對比Tab.3-5 Comparison of the results of the model最小服務(wù)時(shí)間（h） 最低服務(wù)成本（元） 最高型 252 1095 型 234 746 3-4 可以得到子任務(wù)所選擇的最佳制造服務(wù)與子任務(wù)的加工時(shí)刻。由圖 3-5 可以看出，調(diào)度的最小服務(wù)時(shí)間為 252 1095 元，最高服務(wù)質(zhì)量為 2639。由表 3-5 中本文模型與對比可以看出，本文模型求解的最小服務(wù)時(shí)間與最低服務(wù)

能夠更好的適應(yīng)云制造平臺(tái)真實(shí)調(diào)度情況。證算法的性能，本文針對上述實(shí)例，將所提出的改進(jìn)的遺傳算法進(jìn)行性能對比分析，結(jié)果如表 3-6 及圖 3-6 所示。確度的評價(jià)目標(biāo)分別為求出最優(yōu)解遺傳代數(shù)均值與最優(yōu)解較可得，分別運(yùn)行 50 次的情況下，改進(jìn) GA 算法與傳統(tǒng) G遺傳代數(shù)均值分別為 25 代與 47 代，改進(jìn) GA 算法性能相提高將近一倍，最優(yōu)解均值分別為 18.1475 與 18.2577，說準(zhǔn)確度與穩(wěn)定性相對于傳統(tǒng) GA 算法均有大幅度提升，改進(jìn)快地找出全局最優(yōu)解 18.1474，準(zhǔn)確度明顯高于傳統(tǒng) GA 算法只能找到局部最優(yōu)解 18.1475，得到的最優(yōu)解不穩(wěn)定且質(zhì)表 3-6 運(yùn)算結(jié)果對比Tab.3-6 Comparison of operation results運(yùn)行次數(shù) 最優(yōu)解 最優(yōu)解均值 求出最優(yōu)解遺傳A 50 18.1474 18.1475 25A 50 18.1475 18.2577 47

【參考文獻(xiàn)】：
期刊論文
[1]云制造資源的工序級多目標(biāo)調(diào)度方法研究[J]. 孫衛(wèi)紅,吳海元,呂文新,高一聰.  南京航空航天大學(xué)學(xué)報(bào). 2017(06)
[2]云制造調(diào)度問題研究綜述[J]. 周龍飛,張霖,劉永奎.  計(jì)算機(jī)集成制造系統(tǒng). 2017(06)
[3]面向云制造的混流混合車間調(diào)度問題[J]. 魯建廈,胡慶輝,董巧英,湯洪濤.  中國機(jī)械工程. 2017(02)
[4]云制造環(huán)境下基于蟻群算法資源動(dòng)態(tài)調(diào)度優(yōu)化[J]. 江笑妍,李芳.  物流科技. 2016(01)
[5]面向云制造的云平臺(tái)構(gòu)建關(guān)鍵技術(shù)研究[J]. 童曉薇,陳貴清,劉艷斌.  湖北理工學(xué)院學(xué)報(bào). 2015(04)
[6]面向多目標(biāo)優(yōu)化的云制造虛擬資源調(diào)度方法[J]. 熊永華,王靜,吳敏,佘錦華.  計(jì)算機(jī)集成制造系統(tǒng). 2015(11)
[7]面向云制造系統(tǒng)復(fù)雜任務(wù)請求的服務(wù)組合優(yōu)化框架[J]. 劉波,張自力.  中國機(jī)械工程. 2015(08)
[8]云制造服務(wù)平臺(tái)供需智能匹配的研究與實(shí)現(xiàn)[J]. 盛步云,張成雷,盧其兵,李新龍,程旭東.  計(jì)算機(jī)集成制造系統(tǒng). 2015(03)
[9]一種基于本體語義的云制造服務(wù)供需智能匹配方法[J]. 劉慧敏,宋庭新,伍孟軒,唐晟林,胡錦帆.  湖北工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[10]云制造環(huán)境下資源動(dòng)態(tài)調(diào)度系統(tǒng)研究[J]. 唐海波,黃瓊瓊,張明,李春泉,何漢釗.  機(jī)械工程與自動(dòng)化. 2014(06)

博士論文
[1]多約束復(fù)雜工作流的調(diào)度優(yōu)化[D]. 沈虹.東南大學(xué) 2016
[2]基于遺傳算法的柔性資源調(diào)度優(yōu)化方法研究[D]. 趙詩奎.浙江大學(xué) 2013

碩士論文
[1]云制造資源調(diào)度與集成優(yōu)化研究[D]. 關(guān)賀.西南科技大學(xué) 2016
[2]基于本體的制造資源建模與智能搜索研究開發(fā)[D]. 李新.西安建筑科技大學(xué) 2016
[3]云制造環(huán)境下異址機(jī)器調(diào)度問題研究[D]. 李會(huì).合肥工業(yè)大學(xué) 2016
[4]制造云服務(wù)組合柔性的多屬性測度方法研究[D]. 張凱.江蘇科技大學(xué) 2015
[5]云制造理念下基于本體及其環(huán)境感知的作業(yè)車間調(diào)度問題研究[D]. 許湘敏.華南理工大學(xué) 2015
[6]云制造模式下的云資源服務(wù)優(yōu)化調(diào)度研究[D]. 鄭衛(wèi).浙江大學(xué) 2015
[7]基于語義Web的云制造加工資源發(fā)現(xiàn)機(jī)制研究[D]. 陳桂松.重慶大學(xué) 2013
[8]云制造環(huán)境下的建材裝備企業(yè)制造資源共享與優(yōu)化研究[D]. 杜百崗.武漢理工大學(xué) 2013



本文編號：3095985