【摘要】： 傳統(tǒng)的作業(yè)車間調(diào)度問(wèn)題是求解每個(gè)工件具有特定加工機(jī)器的一類調(diào)度問(wèn)題,而在實(shí)際生產(chǎn)中,可以加工某個(gè)工序的機(jī)器往往不止一個(gè),這就產(chǎn)生了柔性作業(yè)車間調(diào)度問(wèn)題。 柔性作業(yè)車間調(diào)度問(wèn)題(Flexible job shop scheduling problem,FJSP)由于具有路徑柔性的特點(diǎn),從而可以避免傳統(tǒng)作業(yè)車間在正常運(yùn)行過(guò)程中容易出現(xiàn)的阻塞和擁擠等現(xiàn)象,并且當(dāng)加工過(guò)程中出現(xiàn)機(jī)器故障等一些異常情況的時(shí)候,作業(yè)車間系統(tǒng)仍然能夠維持生產(chǎn)的繼續(xù)進(jìn)行,這樣可以提高作業(yè)車間調(diào)度系統(tǒng)的靈活性。然而,柔性路徑的特點(diǎn)也使得這類問(wèn)題的可行解范圍的增大,從而給問(wèn)題的求解帶來(lái)新的挑戰(zhàn)。在實(shí)際生產(chǎn)中,柔性作業(yè)車間調(diào)度問(wèn)題往往需要同時(shí)面向多個(gè)目標(biāo)進(jìn)行決策分析。因此,尋找有效的方法對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題進(jìn)行求解具有重要的理論價(jià)值和應(yīng)用意義。 本文主要探討了如何使用粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法求解柔性作業(yè)車間調(diào)度問(wèn)題,特別是多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題。本論文的主要工作與創(chuàng)新點(diǎn)如下: (1)研究了基于混沌的PSO算法在柔性作業(yè)車間調(diào)度問(wèn)題中的應(yīng)用。利用混沌優(yōu)化技術(shù)的隨機(jī)性、遍歷性特點(diǎn)和易跳出局部極值的能力,在PSO算法中引入混沌技術(shù)以提高PSO算法的性能,提出了一種混合PSO算法。首先,利用混沌對(duì)PSO算法的參數(shù)進(jìn)行自適應(yīng)優(yōu)化,實(shí)現(xiàn)全局搜索與局部搜索間的有效平衡;然后,在PSO算法的搜索過(guò)程中引入混沌局部搜索策略,以提高求解的精度和收斂速度。并且將該算法分別應(yīng)用于若干個(gè)單目標(biāo)和多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題的求解,實(shí)驗(yàn)結(jié)果表明算法具有良好的全局搜索性能。 (2)探討了基于多目標(biāo)權(quán)重聚合優(yōu)化策略的PSO算法。在PSO和混沌的混合優(yōu)化算法的基礎(chǔ)上,針對(duì)多目標(biāo)存在的量綱問(wèn)題,采用一種基于模糊邏輯的適應(yīng)度函數(shù)形式。同時(shí),為了進(jìn)一步保持種群的多樣性,最大可能的搜索到所有的非劣解,利用隨機(jī)思想生成適應(yīng)度函數(shù)的權(quán)系數(shù)。實(shí)驗(yàn)表明這種方法使得算法獲得的非劣解具有很好的分布行和穩(wěn)定性。 (3)研究了Fully-informed粒子群(FIPS)算法在多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題中的應(yīng)用。首先,基于Pareto最優(yōu)概念對(duì)種群進(jìn)行排序,同時(shí)將屬于相同Pareto等級(jí)的個(gè)體定義為鄰居,并將這種基于Pareto等級(jí)的近鄰?fù)負(fù)浣Y(jié)構(gòu)用于FIPS算法中。其次,通過(guò)計(jì)算同Pareto等級(jí)中個(gè)體的擁擠距離進(jìn)行第二級(jí)排序,給出了一種基于排序的FIPS算法。最后,針對(duì)算法的早熟收斂問(wèn)題,引入基于編碼機(jī)制的兩種變異算子。 (4)研究了基于動(dòng)態(tài)概率搜索機(jī)制的PSO算法在多目標(biāo)作業(yè)車間調(diào)度問(wèn)題中的應(yīng)用。算法在搜索初期利用粒子近鄰的平均最優(yōu)代替?zhèn)鹘y(tǒng)的單個(gè)最優(yōu)引導(dǎo)搜索,后期用Gaussian動(dòng)態(tài)概率搜索來(lái)提高算法的局部開(kāi)挖能力。然后,引入Pareto優(yōu)的概念,采用精英集來(lái)存放非劣解,提出一種新的適應(yīng)度值分配方法。此外,在算法中還引入了一種自適應(yīng)的變異算子來(lái)增強(qiáng)解的多樣性。實(shí)驗(yàn)結(jié)果表明本文提出的算法具有較好的搜索性能,是求解多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題的一種可行方法。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2008
【分類號(hào)】：F273;F224
【圖文】：

MOEA使用方式分類

八V住ED周 rAAVGRD周 rAAVG.VDATA圖5.1又的平均值比較從表5.1和圖5.1可以清楚地看出，PMFIPS算法找到的非劣解集的間距評(píng)估標(biāo)準(zhǔn)值最好。在所有問(wèn)題實(shí)例的測(cè)試中，其非劣解集與Pareto解集的距離都小于0.007，而距離的平均值小于0.006。表 5.252的比較結(jié)果nnnX腳 腳‘d成 aaard幽 幽 vdataaa PPPPP雙J護(hù) SSSPAESSSNsGAllllPbIFIPSSS到巴 SSSNSGAllllP劫 [FIPSSS到巴 SSSNSGAllll 1110xsss0.4865550.57656660.61718880.51642220.52867770.506， 5550.5616660.68815550.5957222 1110xl0000.5981110.64537770.54862220.598月 6660.56867770.64715550.59253330.64714440.，362888 1115x10000.75曰 曰 0.83574440

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張曉燁;董增川;王聰聰;;河北省南水北調(diào)受水區(qū)水資源優(yōu)化配置研究[J];水電能源科學(xué);2012年09期

相關(guān)博士學(xué)位論文 前4條

1 王曉娟;多目標(biāo)柔性作業(yè)車間調(diào)度方法研究[D];華中科技大學(xué);2011年

2 李莉;柔性作業(yè)車間調(diào)度中的群智能優(yōu)化算法研究[D];東北林業(yè)大學(xué);2011年

3 劉清濤;再制造系統(tǒng)車間調(diào)度研究[D];長(zhǎng)安大學(xué);2011年

4 趙詩(shī)奎;基于遺傳算法的柔性資源調(diào)度優(yōu)化方法研究[D];浙江大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 蔡雨娥;基于ILOG的車間調(diào)度問(wèn)題研究[D];西安電子科技大學(xué);2011年

2 趙雪靜;港口集裝箱作業(yè)計(jì)劃模型研究[D];大連海事大學(xué);2011年

3 周蕭;基于混合差分進(jìn)化算法的調(diào)度方法研究及在化工車間中的應(yīng)用[D];浙江工業(yè)大學(xué);2010年

4 王婧;基于粒子群優(yōu)化算法的集群調(diào)度策略研究[D];中國(guó)石油大學(xué);2011年

5 季少梅;柔性路徑下基于混合粒子群算法的跨單元調(diào)度方法[D];北京理工大學(xué);2011年

6 陳莉莉;多目標(biāo)粒子群算法及其在車間調(diào)度中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2011年

7 王培麗;基于粒子群算法的多目標(biāo)車間調(diào)度的研究[D];青島科技大學(xué);2011年

8 張亞玲;一種鄰域搜索算法在差異工件單機(jī)批調(diào)度問(wèn)題中的應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

9 莫禎貞;改進(jìn)粒子群算法在模糊環(huán)境下平行機(jī)批調(diào)度問(wèn)題中的應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

10 劉娟;基于云模型的改進(jìn)PSO算法在差異工件單機(jī)批調(diào)度中的應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

本文編號(hào)：2724199