發(fā)布時間：2019-04-11 10:47

【摘要】：在新的世紀(jì),制造企業(yè)之間的競爭日益激烈,現(xiàn)代生產(chǎn)正朝著“品種多樣、批量變小注重交期、減少庫存”的方向發(fā)展。車間是制造企業(yè)的物化中心和信息集散地,車間生產(chǎn)調(diào)度是企業(yè)快速響應(yīng)市場需求的關(guān)鍵。車間調(diào)度問題既是實際生產(chǎn)中的一個重要問題,也是一個典型的NP-hard問題,而蟻群算法非常適合該類問題的處理。采用高效的優(yōu)化調(diào)度技術(shù)能夠顯著提高設(shè)備利用率和準(zhǔn)時交單率,降低庫存及成本。本文應(yīng)用融入人工免疫原理的混合蟻群算法求解車間調(diào)度問題,其主要內(nèi)容如下： 1)介紹課題的來源、背景、研究目的和研究意義。敘述了調(diào)度和排序的相關(guān)概念,重點(diǎn)介紹了制造企業(yè)車間調(diào)度的重要性、目前存在的問題以及解決方法。 2)設(shè)計了將人工免疫原理融入基本蟻群算法的融合策略。首先詳細(xì)介紹了基本蟻群算法的思想來源、基本模型、實現(xiàn)步驟和程序流程,闡述了算法的自身優(yōu)勢和目前的應(yīng)用領(lǐng)域、算法可以改進(jìn)的方面和改進(jìn)途徑。然后介紹了人工免疫基本原理、實現(xiàn)步驟和自身特點(diǎn)。最后,根據(jù)基本蟻群算法和人工免疫原理各自特點(diǎn)將人工免疫原理融入基本蟻群算法形成混合蟻群算法。在混合算法的前過程應(yīng)用人工免疫原理生成初始信息索分布,初始信息素啟發(fā)蟻群算法繼續(xù)尋優(yōu),在提出了這樣的融合策略之后,詳細(xì)設(shè)計了混合算法的實現(xiàn)流程,以求實現(xiàn)更強(qiáng)的優(yōu)化能力。 3)利用混合蟻群算法研究靜態(tài)作業(yè)車間調(diào)度問題。首先詳細(xì)介紹了車間調(diào)度的基本概念、特點(diǎn)和分類。其次明確了靜態(tài)作業(yè)車間調(diào)度的研究屬性,在此基礎(chǔ)上建立了靜態(tài)作業(yè)車間調(diào)度問題的數(shù)學(xué)模型和析取圖模型,將它們與混合蟻群算法模型準(zhǔn)確對應(yīng),使車間調(diào)度問題形成了適介混合蟻群算法的自然表達(dá)。應(yīng)用混合蟻群算法對模型求解,設(shè)計出了節(jié)點(diǎn)訪問規(guī)則,給出了詳細(xì)的求解步驟和算法流程。最后,以文獻(xiàn)中的實例驗證了混合蟻群算法求解靜態(tài)作業(yè)車間調(diào)度問題的可行性和有效性。 4)利用混合蟻群算法研究動態(tài)作業(yè)車間調(diào)度問題。闡述了動態(tài)作業(yè)車間調(diào)度的基本概念和屬性,明確了靜態(tài)和動態(tài)車間調(diào)度的本質(zhì)區(qū)別,根據(jù)動態(tài)作業(yè)車間調(diào)度的關(guān)鍵問題分析設(shè)計出動態(tài)問題的調(diào)度策略,建立了基于事件驅(qū)動的仿真模型。最后,對文獻(xiàn)中的實例求解,將求解結(jié)果和文獻(xiàn)中的結(jié)果對比,得出混合蟻群算法在求解動態(tài)作業(yè)車間調(diào)度問題時具有較強(qiáng)的優(yōu)化能力。 5)對全文進(jìn)行總結(jié)并展望進(jìn)一步的研究工作。
[Abstract]:In the new century, the competition among manufacturing enterprises is increasingly fierce, and modern production is developing towards the direction of "diversity of varieties, decreasing batch size, paying attention to delivery period and reducing inventory". Workshop is the physical and chemical center and information distribution center of manufacturing enterprises, and workshop scheduling is the key for enterprises to respond rapidly to market demand. Job-shop scheduling problem is not only an important problem in practical production, but also a typical NP-hard problem. Ant colony algorithm is very suitable for dealing with this kind of problem. Using efficient optimal scheduling technology can significantly improve the equipment utilization and on-time delivery rate, reduce inventory and cost. The main contents of this paper are as follows: 1) the source, background, purpose and significance of the research are introduced in this paper. The main contents of this paper are as follows: 1) the source, background, purpose and significance of the research are introduced in this paper. The related concepts of scheduling and scheduling are described, and the importance, existing problems and solutions of workshop scheduling in manufacturing enterprises are emphatically introduced. 2) A fusion strategy is designed to integrate the artificial immune principle into the basic ant colony algorithm (ACA). Firstly, the thought source, basic model, realization steps and program flow of the basic ant colony algorithm are introduced in detail. The advantages of the algorithm and the current application fields, the aspects of the algorithm can be improved and the way to improve the algorithm are described in detail. Then introduces the basic principle of artificial immunity, the realization steps and its own characteristics. Finally, according to the characteristics of basic ant colony algorithm and artificial immune principle, the artificial immune principle is incorporated into basic ant colony algorithm to form a hybrid ant colony algorithm. In the process of the hybrid algorithm, the artificial immune principle is applied to generate the initial information distribution, and the initial pheromone inspires the ant colony algorithm to continue the optimization. After this fusion strategy is put forward, the implementation flow of the hybrid algorithm is designed in detail. In order to achieve stronger optimization ability. 3) the hybrid ant colony algorithm is used to study the static job shop scheduling problem. Firstly, the basic concept, characteristics and classification of job shop scheduling are introduced in detail. Secondly, the research attribute of static job shop scheduling is defined. On this basis, the mathematical model and disjunctive graph model of static job shop scheduling problem are established, and they are exactly corresponding to the hybrid ant colony algorithm model. So that the job shop scheduling problem forms a natural expression of the suitable-mediating hybrid ant colony algorithm (HACA). The hybrid ant colony algorithm (HACA) is used to solve the model, and the node access rules are designed. The detailed solution steps and algorithm flow are given. Finally, the feasibility and effectiveness of hybrid ant colony algorithm (HACA) for static job shop scheduling problems are verified by an example in the literature. 4) the hybrid ant colony algorithm is used to study the dynamic job shop scheduling problem. This paper expounds the basic concepts and attributes of dynamic job shop scheduling, clarifies the essential difference between static and dynamic job shop scheduling, and designs the scheduling strategy of dynamic job shop scheduling according to the analysis of the key problems of dynamic job shop scheduling. An event-driven simulation model is established. Finally, compared with the results in the literature, the hybrid ant colony algorithm has a strong optimization ability in solving the dynamic job shop scheduling problem. 5) summarize the full text and look forward to the further research work.
【學(xué)位授予單位】：西安工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TH166;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝煜,吳積欽;動態(tài)接觸網(wǎng)檢測系統(tǒng)軟件的應(yīng)用研究[J];電氣化鐵道;2004年02期

2 陳梅容,郭俊,朱兵章;在JSP中采用連接池技術(shù)優(yōu)化數(shù)據(jù)庫連接[J];機(jī)電工程技術(shù);2004年04期

3 薛爍;王愛玲;解飛;;JSP實現(xiàn)圖文檔在數(shù)據(jù)庫中的操作[J];機(jī)械工程與自動化;2006年02期

4 徐燕妮;張敏;袁偉;;JSP中對數(shù)據(jù)庫的訪問技術(shù)研究[J];儀器儀表用戶;2009年04期

5 胡雙;;基于JSP的Web應(yīng)用中文亂碼問題淺析[J];硅谷;2009年21期

6 丁瀅潁,何衍,蔣靜坪;基于蟻群算法的多機(jī)器人協(xié)作策略[J];機(jī)器人;2003年05期

7 高尚;武器-目標(biāo)分配問題的蟻群算法[J];計算機(jī)工程與應(yīng)用;2003年03期

8 楊燕,靳蕃,Mohamed Kamel;一種基于蟻群算法的聚類組合方法[J];鐵道學(xué)報;2004年04期

9 葉文,范洪達(dá);基于改進(jìn)蟻群算法的飛機(jī)低空突防航路規(guī)劃[J];飛行力學(xué);2004年03期

10 許志紅,張培銘;基于蟻群算法的智能交流接觸器優(yōu)化設(shè)計[J];電工電能新技術(shù);2005年03期

相關(guān)會議論文 前10條

1 關(guān)洪浩;唐巍;;蟻群算法的生成樹在配電網(wǎng)網(wǎng)架規(guī)劃中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

2 吳正偉;吉文來;陳偉佳;盧扣;;基于蟻群算法的城市緊急救援最佳路徑選擇[A];地理信息與物聯(lián)網(wǎng)論壇暨江蘇省測繪學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

3 王鶴;邵良杉;邱云飛;;蟻群算法在露天礦運(yùn)輸系統(tǒng)路徑優(yōu)化中的應(yīng)用[A];第五屆全國煤炭工業(yè)生產(chǎn)一線青年技術(shù)創(chuàng)新文集[C];2010年

4 劉杰;閆清東;;基于蟻群算法的移動機(jī)器人路徑規(guī)劃技術(shù)的研究[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會議論文集[C];2008年

5 嚴(yán)彬;熊偉清;程美英;葉青;;基于擁塞控制的多種群二元蟻群算法[A];第二十七屆中國控制會議論文集[C];2008年

6 肖嶺;熊輝;;一種針對頻率指配問題的改進(jìn)蟻群算法[A];電波科學(xué)學(xué)報[C];2011年

7 宋春峰;侯媛彬;趙圣剛;;蟻群算法在陀螺溫控系統(tǒng)中的應(yīng)用研究[A];第十四屆全國煤礦自動化學(xué)術(shù)年會暨中國煤炭學(xué)會自動化專業(yè)委員會學(xué)術(shù)會議論文集[C];2004年

8 張如偉;黃捍東;趙迪;;一種新的地震非線性反演方法[A];中國地球物理學(xué)會第二十四屆年會論文集[C];2008年

9 師凱;蔡延光;鄒谷山;王濤;;運(yùn)輸調(diào)度問題的蟻群算法研究[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

10 陳峻;沈潔;秦玲;;蟻群算法進(jìn)行連續(xù)參數(shù)優(yōu)化的新途徑[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對策（下冊）[C];2002年

相關(guān)重要報紙文章 前10條

1 饒興鶴;日本JSP計劃在華建EPP生產(chǎn)基地[N];中國化工報;2011年

2 惠永輝　徐源;張昌龍—— 勇于挑戰(zhàn)難題[N];解放軍報;2009年

3 重慶 netgod;網(wǎng)絡(luò)個人理財[N];電腦報;2002年

4 北京融海恒信咨詢有限公司專業(yè)服務(wù)部項目經(jīng)理 張俊峰;Internet開發(fā)的解決之道[N];中國計算機(jī)報;2001年

5 阿佟;網(wǎng)站建設(shè)后臺解決方案的鼎力之作[N];中華讀書報;2001年

6 重慶 netgod;網(wǎng)絡(luò)個人理財[N];電腦報;2002年

7 ;選擇合適的應(yīng)用服務(wù)器[N];網(wǎng)絡(luò)世界;2002年

8 阿光;電子元器件專業(yè)網(wǎng)站i689.com問世[N];中國經(jīng)營報;2000年

9 丁澄;用自身產(chǎn)品構(gòu)架全新中文網(wǎng)站[N];中國計算機(jī)報;2001年

10 重慶 netgod;網(wǎng)絡(luò)個人理財[N];電腦報;2002年

相關(guān)博士學(xué)位論文 前10條

1 許志紅;交流接觸器智能化控制與設(shè)計技術(shù)的研究及實現(xiàn)[D];福州大學(xué);2006年

2 薛云;基于蟻群算法和支持向量機(jī)的礦化蝕變信息提取研究[D];中南大學(xué);2008年

3 顧中舜;中繼衛(wèi)星動態(tài)調(diào)度問題建模及優(yōu)化技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 劉傳文;仿生優(yōu)化算法在數(shù)字圖像處理中的應(yīng)用研究[D];武漢理工大學(xué);2008年

5 陳寶文;蟻群優(yōu)化算法在車輛路徑問題中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2009年

6 唐連生;突發(fā)事件下的車輛路徑問題研究[D];西南交通大學(xué);2008年

7 何滎;用信息法研究天空亮度分布[D];重慶大學(xué);2008年

8 閆博;基于蟻群算法的集裝箱港口選擇與網(wǎng)絡(luò)均衡分析[D];大連海事大學(xué);2008年

9 呂雄偉;郵政物流車輛路徑問題研究[D];西南交通大學(xué);2009年

10 劉波;蟻群算法改進(jìn)及應(yīng)用研究[D];燕山大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 傅宏;基于遺傳多蟻群算法的QoS組播路由算法研究[D];重慶大學(xué);2010年

2 潘鵬竹;協(xié)同制造調(diào)度問題的蟻群算法研究[D];沈陽工業(yè)大學(xué);2010年

3 饒躍東;基于改進(jìn)蟻群算法的無人飛行器航跡規(guī)劃應(yīng)用研究[D];武漢理工大學(xué);2010年

4 邵曉路;蟻群群體智能網(wǎng)絡(luò)可視化試驗平臺研制[D];浙江理工大學(xué);2010年

5 呂海鵬;改進(jìn)蟻群算法在YKK系列中型高壓電機(jī)優(yōu)化設(shè)計中的應(yīng)用[D];哈爾濱理工大學(xué);2010年

6 劉志勇;基于蟻群算法與競選算法的作業(yè)車間調(diào)度求解及比較研究[D];廣東工業(yè)大學(xué);2011年

7 張守年;改進(jìn)的蟻群算法及其在QoS中的應(yīng)用[D];華南理工大學(xué);2010年

8 林時來;基于蟻群算法的呼吸信號情感識別研究[D];西南大學(xué);2011年

9 孫瑩;無底柱分段崩落法礦山生產(chǎn)調(diào)度系統(tǒng)優(yōu)化研究[D];西安建筑科技大學(xué);2010年

10 李旭;應(yīng)用點(diǎn)著色聚類改進(jìn)蟻群算法[D];四川師范大學(xué);2010年

，

本文編號：2456348