差異工件的單機(jī)批調(diào)度問(wèn)題,具有古典調(diào)度和批調(diào)度的雙重性質(zhì),在實(shí)際生產(chǎn)中有著廣泛的應(yīng)用;在計(jì)算復(fù)雜性方面,單機(jī)的制造跨度最小化問(wèn)題為強(qiáng)NP-hard,加權(quán)完工時(shí)間最小化問(wèn)題為NP-hard,單機(jī)問(wèn)題的高復(fù)雜性對(duì)優(yōu)化算法提出了挑戰(zhàn)。因此對(duì)差異工件單機(jī)批調(diào)度問(wèn)題的研究具有重要的現(xiàn)實(shí)意義和理論價(jià)值。本文首先對(duì)確定性單機(jī)問(wèn)題進(jìn)行求解,針對(duì)單機(jī)問(wèn)題復(fù)雜度高、可行解數(shù)量大的特點(diǎn),設(shè)計(jì)了有效的優(yōu)化算法。然后將單機(jī)問(wèn)題擴(kuò)展到更接近現(xiàn)實(shí)情形的模糊環(huán)境中,建立模糊調(diào)度模型,并設(shè)計(jì)了求解模糊問(wèn)題的優(yōu)化算法。本文的主要工作和創(chuàng)新點(diǎn)如下:（1）研究了蟻群算法（Ant Colony Optimization,ACO）在差異工件單機(jī)批調(diào)度問(wèn)題中的應(yīng)用。設(shè)計(jì)了高效的編碼和解碼方法;為了解決蟻群算法易陷入局部最優(yōu)的問(wèn)題,本文引入了Metropolis準(zhǔn)則的概率選擇機(jī)制作為路徑激勵(lì)策略,避免了由于路徑重復(fù)而造成的局部最優(yōu);仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的有效性。另一方面,本文采用了混沌優(yōu)化算子,將混沌優(yōu)化的全局性能嵌入蟻群算法中,有效改進(jìn)了解的質(zhì)量。（2）研究了微粒群算法（Particle Swarm Optimization,P... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
目錄
圖序
表序
第一章 緒論
    1.1 生產(chǎn)調(diào)度問(wèn)題研究簡(jiǎn)介
        1.1.1 古典調(diào)度問(wèn)題
        1.1.2 批調(diào)度問(wèn)題
    1.2 差異工件單機(jī)批調(diào)度問(wèn)題
        1.2.1 問(wèn)題描述
        1.2.2 研究進(jìn)展
    1.3 本文研究簡(jiǎn)介
        1.3.1 研究?jī)?nèi)容
        1.3.2 結(jié)構(gòu)安排
第二章 蟻群算法在NSBM問(wèn)題中的應(yīng)用
    2.1 蟻群算法
        2.1.1 蟻群算法原理
        2.1.2 性能分析
    2.2 改進(jìn)型蟻群算法在NSBM中的應(yīng)用
        2.2.1 編碼方法
        2.2.2 分批算法
        2.2.3 路徑激勵(lì)策略
        2.2.4 算法流程
        2.2.5 仿真實(shí)驗(yàn)
    2.3 基于混沌優(yōu)化策略的蟻群算法及應(yīng)用
        2.3.1 混沌技術(shù)簡(jiǎn)介
        2.3.2 混沌蟻群算法的實(shí)現(xiàn)步驟
        2.3.3 仿真實(shí)驗(yàn)
    2.4 本章小結(jié)
第三章 微粒群算法在NSBM問(wèn)題中的應(yīng)用
    3.1 微粒群算法
        3.1.1 微粒群算法原理
        3.1.2 性能分析
    3.2 微粒群算法在NSBM問(wèn)題中的應(yīng)用
        3.2.1 編碼方法
        3.2.2 微粒適應(yīng)度的計(jì)算
        3.2.3 混沌局部?jī)?yōu)化策略
        3.2.4 仿真實(shí)驗(yàn)
    3.3 本章小結(jié)
第四章 DNA進(jìn)化算法在NSBM問(wèn)題中的應(yīng)用
    4.1 DNA進(jìn)化算法
    4.2 面向NSBM問(wèn)題的改進(jìn)DNA進(jìn)化算法
        4.2.1 DNA單鏈的編碼及初始化策略
        4.2.2 分裂和水平選擇
        4.2.3 變異和垂直選擇
        4.2.4 仿真實(shí)驗(yàn)
    4.3 混合DNA進(jìn)化算法的應(yīng)用
        4.3.1 混合算法編碼與初始化
        4.3.2 進(jìn)化過(guò)程
        4.3.3 仿真實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 模糊生產(chǎn)環(huán)境中的NSBM問(wèn)題
    5.1 模糊制造跨度
        5.1.1 模糊技術(shù)簡(jiǎn)介
        5.1.2 基于模糊數(shù)的制造跨度模型
    5.2 基于微粒群算法和差異演化的混合優(yōu)化算法
        5.2.1 編碼方法
        5.2.2 DE的進(jìn)化
        5.2.3 PSO的全局優(yōu)化策略
        5.2.4 分批算法
    5.3 仿真實(shí)驗(yàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]一種新的蟻群優(yōu)化算法信息素更新策略及其性能分析[J]. 顏晨陽(yáng),張友鵬,熊偉清.  計(jì)算機(jī)應(yīng)用研究. 2007(07)
[2]基于DNA進(jìn)化算法的車(chē)輛調(diào)度問(wèn)題[J]. 張海剛,顧幸生.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(12)
[3]工件有尺寸且分兩批到達(dá)的單機(jī)分批排序[J]. 張玉忠,柏慶國(guó),徐健騰.  運(yùn)籌學(xué)學(xué)報(bào). 2006(04)
[4]極小化最大完工時(shí)間的單機(jī)連續(xù)型批調(diào)度問(wèn)題[J]. 趙玉芳,唐立新.  自動(dòng)化學(xué)報(bào). 2006(05)
[5]粒子群優(yōu)化算法模型分析[J]. 潘峰,陳杰,甘明剛,蔡濤,涂序彥.  自動(dòng)化學(xué)報(bào). 2006(03)
[6]生產(chǎn)調(diào)度的模糊建模方法研究綜述[J]. 張虹,李歧強(qiáng),郭慶強(qiáng),張鵬,高遠(yuǎn).  中國(guó)工程科學(xué). 2005(12)
[7]最優(yōu)公共交貨期單機(jī)提前/拖后調(diào)度和對(duì)應(yīng)的批次送貨[J]. 吳超超,顧幸生.  華東理工大學(xué)學(xué)報(bào). 2004(02)
[8]極小化加權(quán)完工時(shí)間和的Flowshop問(wèn)題的算法（英文）[J]. 趙傳立,張慶靈,唐恒永.  運(yùn)籌學(xué)學(xué)報(bào). 2002(04)
[9]提前/拖期懲罰的單機(jī)批調(diào)度優(yōu)化問(wèn)題研究[J]. 馬建輝,牛海軍.  制造業(yè)自動(dòng)化. 2002(07)
[10]帶雜交算子的蟻群算法[J]. 陳燁.  計(jì)算機(jī)工程. 2001(12)



本文編號(hào)：3536309