隨著中國制造2025政策的推行,制造型企業(yè)大量采用新型的智能裝備進(jìn)行“機(jī)器換人”,車間內(nèi)工序之間采用AGV實(shí)現(xiàn)物流自動配送也逐漸增加,物流效率也大大提升,但同時對生產(chǎn)調(diào)度也提出了更高要求,不僅要考慮工序之間調(diào)度問題,同時還要考慮AGV的調(diào)度問題,存在兩者之間的協(xié)同調(diào)度問題。因此進(jìn)行將整體最優(yōu)作為改善目標(biāo)的協(xié)同調(diào)度方法顯得十分必要,但傳統(tǒng)的協(xié)同調(diào)度方法多局限于靜態(tài)單工序調(diào)度,而對于貼近企業(yè)生產(chǎn)實(shí)際具有更大研究價值的跨工序動態(tài)協(xié)同調(diào)度研究則相對匱乏,難以真正體現(xiàn)出協(xié)同調(diào)度的改善價值。因此開展了靜態(tài)/動態(tài)訂單下考慮時間窗的跨工序協(xié)同調(diào)度研究,主要研究內(nèi)容如下:(1)構(gòu)建了靜態(tài)、動態(tài)訂單到達(dá)下考慮時間窗的跨工序協(xié)同調(diào)度模型。針對靜態(tài)與動態(tài)訂單情況下設(shè)計(jì)了考慮時間窗的跨工序協(xié)同調(diào)度模型。在該模型中考慮了時間窗懲罰的影響,并創(chuàng)新性地引入了考慮后工序加工特性的跨工序概念。同時針對動態(tài)訂單模型重調(diào)度問題,設(shè)計(jì)了考慮隨機(jī)訂單和緊急訂單擾動的混合時間窗驅(qū)動機(jī)制,能夠保障動態(tài)訂單連續(xù)穩(wěn)定的進(jìn)行生產(chǎn)。(2)設(shè)計(jì)了多目標(biāo)混合離散蝙蝠算法。在傳統(tǒng)蝙蝠算法回聲定位原理的基礎(chǔ)上,針對協(xié)同調(diào)度模型排列組合特點(diǎn)創(chuàng)新性地進(jìn)... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

【部分圖文】：

蝙蝠算法工作流程圖

MDBA 336.11 4.3812e+002 6.7136e+003 3.8191e+MODBA 1.3675e+000 5.1111e+003 7.1256e+002 1.7832e+6 MDE 7.9995e+002 1.3572e+003 4.221e+004 6.122e+MDBA 4.3331e+002 1.4647e+003 6.3314e+003 1.3641+MODBA 3.5975e-001 8.4143e+002 1.3647e+003 0.006 4-7 可以看出，通過 ZDT3、ZDT4、ZDT6 分別對 MDE、MDBA、MH所得的最優(yōu)值、均值、最劣值及標(biāo)準(zhǔn)差進(jìn)行比較可以得到，MHDB MDE 和 MDBA，所求解的精度也遠(yuǎn)優(yōu)于 MDE 和 MDBA。本所涉合離散蝙蝠算法在求解排列組合問題，通過嵌套模擬退火算法和差高其全局搜索能力和計(jì)算精度。比較也是評判一個多目標(biāo) pareto 算法優(yōu)劣重要參考依據(jù)，下圖 4-1圖 4-18 分別展示了 MDE、MDBA、MHDBA 分別針對 ZDT3、ZDT6 測試函數(shù)的前沿比較曲線圖。從圖中可以看出 MHDBA 在收性上要遠(yuǎn)高于 MDBA 和 MDE 算法，證明該算法是一種較為優(yōu)異算法。

圖 4-17 ZDT4 測試函數(shù) pareto 前沿比較Figure 4-17. ZDT4 test function pareto frontier comparison

【參考文獻(xiàn)】：
期刊論文
[1]基于混合禁忌蝙蝠算法的AGV物料配送調(diào)度研究[J]. 魏永來,龍偉,李炎炎,石小秋,嚴(yán)佳兵.  組合機(jī)床與自動化加工技術(shù). 2018(11)
[2]改進(jìn)蝙蝠算法解決FFSP問題及其應(yīng)用研究[J]. 尹建津,張貝克,高東,許欣.  計(jì)算機(jī)工程與應(yīng)用. 2019(09)
[3]有新鮮度限制的易腐品生產(chǎn)-配送協(xié)同調(diào)度[J]. 吳瑤,馬祖軍,鄭斌.  計(jì)算機(jī)應(yīng)用. 2018(04)
[4]不確定環(huán)境下的產(chǎn)業(yè)鏈生產(chǎn)與配送協(xié)同調(diào)度優(yōu)化[J]. 方伯芃,孫林夫.  計(jì)算機(jī)集成制造系統(tǒng). 2018(01)
[5]易腐生鮮貨品車輛路徑問題的改進(jìn)混合蝙蝠算法[J]. 殷亞,張惠珍.  計(jì)算機(jī)應(yīng)用. 2017(12)
[6]易腐食品二級供應(yīng)鏈生產(chǎn)調(diào)度與配送路線的協(xié)同優(yōu)化[J]. 馬雪麗,王淑云,劉曉冰,邵喜高.  工業(yè)工程與管理. 2017(02)
[7]兩階段裝配流水車間加工與配送協(xié)同調(diào)度研究[J]. 馬文瓊,王愷.  工業(yè)工程與管理. 2016(06)
[8]批處理機(jī)環(huán)境下生產(chǎn)與兩階段運(yùn)輸協(xié)同調(diào)度問題研究[J]. 薛梅,周志平.  中國管理科學(xué). 2016(S1)
[9]基于改進(jìn)蝙蝠算法的柔性流水車間排產(chǎn)優(yōu)化問題研究[J]. 韓忠華,朱伯秋,史海波,林碩.  計(jì)算機(jī)應(yīng)用研究. 2017(07)
[10]混合離散蝙蝠算法求解多目標(biāo)柔性作業(yè)車間調(diào)度[J]. 徐華,張庭.  機(jī)械工程學(xué)報. 2016(18)

博士論文
[1]基于連續(xù)批加工的生產(chǎn)運(yùn)輸協(xié)同調(diào)度研究[D]. 裴軍.合肥工業(yè)大學(xué) 2014
[2]協(xié)同進(jìn)化算法及其應(yīng)用研究[D]. 劉靜.西安電子科技大學(xué) 2004

碩士論文
[1]批處理機(jī)環(huán)境下兩階段集成調(diào)度算法研究[D]. 卓雪雪.安徽大學(xué) 2018
[2]網(wǎng)上訂餐生產(chǎn)配送聯(lián)合調(diào)度模型及算法研究[D]. 易彩玉.大連理工大學(xué) 2016
[3]具有交貨期窗口約束的單機(jī)制造與運(yùn)輸交付協(xié)同調(diào)度問題求解研究[D]. 柴軍紅.東北大學(xué) 2010



本文編號：2902902