隨著日益加劇的全球市場競爭,為滿足客戶多樣化及個性化的需求,提高客戶滿意度,縮短生產加工周期以及按時交貨,進而提高自身競爭力,企業(yè)需要制定合理的車間生產調度方案。增加了路徑柔性特點的作業(yè)車間調度系統(tǒng)變得更加靈活,這也使柔性作業(yè)車間調度問題成為最困難的組合優(yōu)化問題之一。根據(jù)實際生產需要,柔性作業(yè)車間調度問題常常需要針對多個目標制定優(yōu)化決策。因此,對多目標柔性作業(yè)車間調度問題的求解方法進行深入研究具有重要的理論意義與實際應用價值。 本文主要研究對群智能優(yōu)化算法進行改進、融合,并將其應用于解決柔性作業(yè)車間調度問題,主要完成了以下方面的研究： 對基本蟻群優(yōu)化算法進行了改進,將其應用于解決單目標柔性作業(yè)車間調度問題。在改進的蟻群優(yōu)化算法中,完成了對路徑構造中的鄰域搜索方法的設計。算法中,子集的數(shù)量由所調度問題包含的工件數(shù)量決定。為了避免過早停滯現(xiàn)象的發(fā)生,算法對啟發(fā)式信息采用了軌跡強度蒸發(fā)規(guī)則。本文分析了改進型蟻群優(yōu)化算法中的相關參數(shù),并以平衡全局搜索能力、算法收斂性為目標,在充分考慮了所解決問題規(guī)模的前提下進行了算法參數(shù)的設置。通過對算法進行仿真實驗獲取了較為滿意的調度結果。 通過對多目標FJ...

【文章頁數(shù)】：105 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 車間調度問題
        1.3.1 JSP描述
        1.3.2 JSP分類
        1.3.3 JSP特點
        1.3.4 JSP研究方法
    1.4 柔性作業(yè)車間調度問題
        1.4.1 問題描述
        1.4.2 常用性能指標
        1.4.3 柔性作業(yè)車間調度問題的國內外研究概況
    1.5 群智能優(yōu)化算法研究現(xiàn)狀
        1.5.1 蟻群優(yōu)化算法研究現(xiàn)狀
        1.5.2 粒子群優(yōu)化算法研究現(xiàn)狀
    1.6 本文研究內容及章節(jié)安排
2 基于單目標柔性作業(yè)車間調度的蟻群算法改進
    2.1 引言
    2.2 蟻群優(yōu)化算法
        2.2.1 蟻群優(yōu)化算法擬生物學基本原理及機理抽象
        2.2.2 蟻群優(yōu)化算法理論模型
        2.2.3 蟻群優(yōu)化算法特點
        2.2.4 基于種群進化的相關算法比較
    2.3 單目標FJSP的數(shù)學模型
        2.3.1 問題描述
        2.3.2 數(shù)學模型
        2.3.3 評價指標
    2.4 FJSP的編碼方法
        2.4.1 兩向量編碼方法
        2.4.2 并行作業(yè)編碼方法
        2.4.3 基于優(yōu)先權的編碼方法
        2.4.4 工序機器編碼方法
    2.5 求解單目標FJSP的蟻群優(yōu)化算法改進
        2.5.1 蟻群算法基本結構
        2.5.2 改進后的算法描述
        2.5.3 改進后的算法規(guī)則
    2.6 實驗結果與分析
        2.6.1 具有12個工序的4×5問題
        2.6.2 具有27個工序的8×8問題
    2.7 本章小結
3 基于多目標柔性作業(yè)車間調度的蟻群算法改進
    3.1 引言
    3.2 多目標問題的優(yōu)化方法
        3.2.1 多目標問題的基本概念
        3.2.2 多目標優(yōu)化方法
        3.2.3 多目標FJSP研究現(xiàn)狀
    3.3 求解多目標FJSP的蟻群優(yōu)化算法改進
        3.3.1 多目標FJSP的數(shù)學模型的建立
        3.3.2 蟻群啟發(fā)式信息設計
        3.3.3 算法流程
        3.3.4 參數(shù)設置
    3.4 實驗結果與分析
        3.4.1 具有12個工序的4x5問題
        3.4.2 具有27個工序的8×8問題
    3.5 本章小結
4 改進的粒子群優(yōu)化算法在柔性作業(yè)車間調度中的應用研究
    4.1 引言
        4.1.1 研究背景
        4.1.2 存在的問題
    4.2 基本粒子群優(yōu)化算法
    4.3 PSO算法的改進措施
    4.4 PSO算法的性能分析
    4.5 求解單目標FJSP的PSO算法設計
        4.5.1 編碼方法
        4.5.2 位置與速度的計算
        4.5.3 參數(shù)設置
        4.5.4 局部搜索策略
        4.5.5 算法流程
        4.5.6 實驗結果與分析
    4.6 求解多目標FJSP的PSO算法設計
        4.6.1 粒子適應度
        4.6.2 算法流程
        4.6.3 算法實驗及結果分析
    4.7 本章小結
5 基于多目標柔性作業(yè)車間調度問題的二階式蟻群粒子群混合優(yōu)化算法設計
    5.1 引言
    5.2 TSAPO算法框架設計
    5.3 多目標分解
    5.4 多目標FJSP的二階式蟻群粒子群優(yōu)化算法實現(xiàn)
        5.4.1 工序可選加工機器析取模型的建立
        5.4.2 第一階蟻群啟發(fā)式信息設計
        5.4.3 第二階粒子群解碼設計
        5.4.4 TSAPO算法流程設計
    5.5 算法實驗
        5.5.1 實驗參數(shù)的設定
        5.5.2 實驗結果
    5.6 本章小結
結論
    1 研究總結
    2 研究展望
參考文獻
攻讀學位期間發(fā)表的學術論文
致謝



本文編號：3977068