本文關(guān)鍵詞：基于遺傳算法的車間調(diào)度問題研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：車間作業(yè)調(diào)度問題（Job Shop Problem，JSP），實(shí)質(zhì)是資源調(diào)度問題，已被證明是個(gè)NP-hard完全問題，對資源調(diào)度的進(jìn)一步研究具有重大的現(xiàn)實(shí)意義，已成為現(xiàn)今研究的熱點(diǎn)。遺傳算法（GeneticAlgorithm，GA）作為一種高度并行、隨機(jī)、自適應(yīng)的優(yōu)化算法，在求解JSP中得到了廣泛的應(yīng)用。在求解JSP時(shí)，GA顯示出了很強(qiáng)的魯棒性。但遺傳參數(shù)對GA的優(yōu)化性能的影響很大，參數(shù)設(shè)置不當(dāng)往往會使得GA的優(yōu)化結(jié)果大打折扣。該文在將標(biāo)準(zhǔn)遺傳算法改進(jìn)的基礎(chǔ)上，對流水車間調(diào)度、混合流水車間調(diào)度、作業(yè)車間調(diào)度和雙資源柔性多目標(biāo)作業(yè)車間調(diào)度分別做了算法設(shè)計(jì)，并通過實(shí)例進(jìn)行了算法優(yōu)化效果的對比，真實(shí)地展現(xiàn)了改進(jìn)遺傳算法解決車間調(diào)度問題的有效性和優(yōu)越性。 該文首先對遺傳算法做了大量的研究和分析，發(fā)現(xiàn)標(biāo)準(zhǔn)的GA在解決車間調(diào)度問題時(shí)容易陷入局部最優(yōu)、搜索效率低和產(chǎn)生不可行解等問題，針對該問題提出了一種改進(jìn)的GA，該算法融入了混合啟發(fā)式算法等方法，使生成的初始種群盡量分布于整個(gè)問題的解空間，而且保證了解的多樣性。結(jié)合資源調(diào)度問題的特點(diǎn)，設(shè)計(jì)了獨(dú)特的交叉和變異方式，保證了解的合法性。通過與標(biāo)準(zhǔn)的GA對比，驗(yàn)證了改進(jìn)的GA在保證局部搜索速度的前提下還盡可能的保證全局搜索，避免陷入局部最優(yōu)，提高了最優(yōu)率。 在應(yīng)用改進(jìn)的GA基礎(chǔ)上，針對流水車間調(diào)度、混合流水車間調(diào)度、作業(yè)車間調(diào)度和雙資源柔性多目標(biāo)作業(yè)車間調(diào)度分別給出了不同的算法實(shí)現(xiàn)方案，并在算法實(shí)現(xiàn)的過程中做了適當(dāng)?shù)恼{(diào)整和改進(jìn)，然后通過對經(jīng)典調(diào)度模型、汽車零件加工車間模型和機(jī)車廠加工車間模型實(shí)例驗(yàn)證了算法實(shí)現(xiàn)的效果。 最后開發(fā)了一個(gè)應(yīng)用于實(shí)際生產(chǎn)的優(yōu)化調(diào)度系統(tǒng)，，詳細(xì)介紹了各個(gè)模塊的功能與操作。將此系統(tǒng)應(yīng)用到實(shí)際生產(chǎn)調(diào)度問題，并對某車間部分調(diào)度進(jìn)行了模擬仿真，得到了較好的調(diào)度結(jié)果，本文最后對下一步基于改進(jìn)遺傳算法的混合車間生產(chǎn)調(diào)度問題將要進(jìn)行的工作進(jìn)行了展望。
【關(guān)鍵詞】：資源調(diào)度 改進(jìn)遺傳算法 流水車間調(diào)度 作業(yè)車間調(diào)度 雙資源柔性車間多目標(biāo)調(diào)度
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH186;TP18
【目錄】：

• 摘要3-4
• Abstract4-6
• 目錄6-9
• 第一章 緒論9-24
• 1.1 選題的目的與意義9-10
• 1.2 國內(nèi)外現(xiàn)狀及發(fā)展趨勢10-15
• 1.2.1 車間調(diào)度研究綜述10
• 1.2.2 遺傳算法在車間調(diào)度問題中的研究10-11
• 1.2.3 JSP 的算法研究11-13
• 1.2.4 車間調(diào)度問題的研究策略13-14
• 1.2.5 車間調(diào)度問題描述及分類14-15
• 1.2.6 車間調(diào)度問題特點(diǎn)15
• 1.3 遺傳算法概述15-22
• 1.3.1 產(chǎn)生與發(fā)展16
• 1.3.2 遺傳算法的基本思想16-18
• 1.3.3 編碼與解碼18-19
• 1.3.4 適應(yīng)度函數(shù)19
• 1.3.5 種群初始化19-20
• 1.3.6 選擇20-21
• 1.3.7 交叉或基因重組21-22
• 1.3.8 變異22
• 1.4 論文內(nèi)容以及結(jié)構(gòu)22-24
• 第二章 流水車間調(diào)度24-39
• 2.1 Flow Shop 調(diào)度問題優(yōu)化模型24-26
• 2.1.1 問題描述24
• 2.1.2 假設(shè)條件和分類24-25
• 2.1.3 置換 Flow Shop 調(diào)度問題數(shù)學(xué)模型25-26
• 2.2 算法設(shè)計(jì)26-30
• 2.2.1 編碼26-27
• 2.2.2 初始種群的生成27
• 2.2.3 適應(yīng)度函數(shù)27
• 2.2.4 交叉27-28
• 2.2.5 變異28-30
• 2.3 經(jīng)典問題驗(yàn)證 Carl(11x5)問題30-33
• 2.4 混合流水車間調(diào)度33-34
• 2.5 混合流水車間調(diào)度的算法設(shè)計(jì)34-35
• 2.5.1 編碼設(shè)計(jì)34
• 2.5.2 交叉設(shè)計(jì)34-35
• 2.5.3 變異設(shè)計(jì)35
• 2.6 實(shí)例驗(yàn)證35-38
• 2.7 本章小結(jié)38-39
• 第三章 作業(yè)車間調(diào)度39-49
• 3.1 JSP 優(yōu)化模型研究39-42
• 3.1.1 問題描述39
• 3.1.2 變量定義：39-40
• 3.1.3 JSP 調(diào)度問題數(shù)學(xué)模型40
• 3.1.4 假設(shè)條件和分類40-42
• 3.2 算法設(shè)計(jì)42-44
• 3.2.1 編碼42
• 3.2.2 適應(yīng)度函數(shù)的確定42-43
• 3.2.3 種群初始化43
• 3.2.4 交叉43-44
• 3.2.5 變異44
• 3.3 實(shí)例驗(yàn)證44-48
• 3.4 本章小結(jié)48-49
• 第四章 雙資源柔性多目標(biāo)車間調(diào)度49-64
• 4.1 多重資源概述49-50
• 4.2 柔性及柔性資源概述50-51
• 4.2.1 柔性的定義50
• 4.2.2 柔性資源概述50-51
• 4.3 多目標(biāo)優(yōu)化的方法與理論51-54
• 4.3.1 車間調(diào)度的評價(jià)指標(biāo)51
• 4.3.2 多目標(biāo)解的概念51
• 4.3.3 劣解、非劣解和最優(yōu)解定義51-52
• 4.3.4 交互權(quán)重把多目標(biāo)問題轉(zhuǎn)變?yōu)閱我荒繕?biāo)問題52-54
• 4.4 雙資源柔性車間多目標(biāo)調(diào)度問題優(yōu)化模型54-57
• 4.4.1 問題描述54-55
• 4.4.2 假設(shè)條件55
• 4.4.3 變量說明55-56
• 4.4.4 目標(biāo)函數(shù)及約束條件56-57
• 4.5 算法設(shè)計(jì)57-59
• 4.5.1 三鏈結(jié)構(gòu)的編碼方式57
• 4.5.2 種群初始化57-58
• 4.5.3 交叉58
• 4.5.4 變異58-59
• 4.6 實(shí)例驗(yàn)證59-62
• 4.7 本章小結(jié)62-64
• 第五章 基于遺傳算法的車間調(diào)度系統(tǒng)開發(fā)與應(yīng)用64-78
• 5.1 車間的作業(yè)調(diào)度系統(tǒng)需求探究64-65
• 5.2 系統(tǒng)的組成模塊及其主要功能65-66
• 5.3 車間調(diào)度系統(tǒng)的功能66-67
• 5.4 系統(tǒng)的開發(fā)平臺和運(yùn)行環(huán)境67-68
• 5.5 系統(tǒng)中用到的數(shù)據(jù)表68-70
• 5.6 基于遺傳算法的車間作業(yè)調(diào)度系統(tǒng)實(shí)現(xiàn)70-77
• 5.6.1 車間調(diào)度系統(tǒng)登錄71-72
• 5.6.2 車間調(diào)度系統(tǒng)解決實(shí)際問題算例72-77
• 5.7 本章總結(jié)77-78
• 結(jié)論和展望78-79
• 參考文獻(xiàn)79-83
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況83-84
• 致謝84

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陶澤;隋天中;謝里陽;劉曉霞;;基于Petri網(wǎng)和GASA的雙資源JSP動態(tài)優(yōu)化調(diào)度[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

2 孫志峻,朱劍英;雙資源作業(yè)車間智能優(yōu)化調(diào)度[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

3 王結(jié)南;混合Flow Shop調(diào)度問題的遺傳算法求解[J];鄂州大學(xué)學(xué)報(bào);2005年03期

4 賈春福;加工時(shí)間服從指數(shù)分布單機(jī)隨機(jī)調(diào)度[J];系統(tǒng)工程;2002年06期

5 鄭璐,顧幸生;不確定條件下的零等待Flow shop生產(chǎn)調(diào)度問題[J];華東理工大學(xué)學(xué)報(bào);2004年02期

6 鄺航宇;金晶;蘇勇;;自適應(yīng)遺傳算法交叉變異算子的改進(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2006年12期

7 沈斌;周瑩君;王家海;;基于自適應(yīng)遺傳算法的Job Shop調(diào)度問題研究[J];計(jì)算機(jī)應(yīng)用;2009年S2期

8 黃巍;張美鳳;;基于混合遺傳算法的車間生產(chǎn)調(diào)度問題研究[J];計(jì)算機(jī)仿真;2009年10期

9 張超勇;董星;王曉娟;李新宇;劉瓊;;基于改進(jìn)非支配排序遺傳算法的多目標(biāo)柔性作業(yè)車間調(diào)度[J];機(jī)械工程學(xué)報(bào);2010年11期

10 李兢堯;孫樹棟;黃媛;王寧;;雙資源約束作業(yè)車間調(diào)度算法研究[J];機(jī)械工程學(xué)報(bào);2010年22期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 趙巍;基于多智能體的生產(chǎn)調(diào)度方法及其應(yīng)用[D];浙江工業(yè)大學(xué);2004年

2 何燕;基于遺傳算法的車間調(diào)度優(yōu)化及其仿真[D];武漢理工大學(xué);2006年

3 蔣麗雯;基于遺傳算法的車間作業(yè)調(diào)度問題研究[D];上海交通大學(xué);2007年

4 李春廷;基于遺傳算法的作業(yè)車間調(diào)度問題研究[D];燕山大學(xué);2007年

5 陳勇;基于遺傳算法的Job-Shop車間作業(yè)調(diào)度及其實(shí)現(xiàn)技術(shù)研究[D];南京理工大學(xué);2007年

6 陳振同;基于改進(jìn)遺傳算法的車間調(diào)度問題研究與應(yīng)用[D];大連理工大學(xué);2007年

7 馬秀明;基于改進(jìn)遺傳算法的車間調(diào)度優(yōu)化及其仿真[D];大連理工大學(xué);2008年

  本文關(guān)鍵詞：基于遺傳算法的車間調(diào)度問題研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：286420