本文關(guān)鍵詞：基于改進(jìn)平滑自適應(yīng)蟻群算法的Job shop調(diào)度方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的發(fā)展，制造業(yè)的生產(chǎn)規(guī)模越來(lái)越大，生產(chǎn)環(huán)境更加復(fù)雜多變。生產(chǎn)車(chē)間調(diào)度問(wèn)題通過(guò)合理的調(diào)度決策，可以提高機(jī)器利用率，降低生產(chǎn)成本，最小化完工時(shí)間，從而提高企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益，從而被制造業(yè)廣泛關(guān)注，是其生產(chǎn)加工的核心環(huán)節(jié)。 各種智能優(yōu)化算法不斷的被提出并應(yīng)用在求解車(chē)間調(diào)度問(wèn)題上，從而使得車(chē)間調(diào)度問(wèn)題得到了很大的提高。其中，蟻群算法（ACO）根據(jù)自然界中的螞蟻在尋找食物源的機(jī)理，通過(guò)人工螞蟻不斷的迭代，從而尋找最優(yōu)解。該算法通過(guò)正反饋原理以及各個(gè)螞蟻之間進(jìn)行相互的信息素更新和傳遞，使它們?cè)谒阉鬟^(guò)程中相互協(xié)作，便于發(fā)現(xiàn)較優(yōu)解，因此特別適合解決JSSP問(wèn)題。 本文針對(duì)Job shop調(diào)度的特點(diǎn)和蟻群算法自身易陷入局部最優(yōu)和收斂速度慢的問(wèn)題，提出一種平滑自適應(yīng)Job shop車(chē)間調(diào)度蟻群算法。在信息素更新過(guò)程中采用獎(jiǎng)懲措施加快算法的收斂速度，當(dāng)算法陷入局部最優(yōu)時(shí)，采用平滑機(jī)制對(duì)信息素的揮發(fā)系數(shù)進(jìn)行調(diào)整，擴(kuò)大螞蟻的搜索范圍，進(jìn)而使算法“跳出陷阱”，提高算法的全局搜索能力；根據(jù)各路徑上的信息素多少進(jìn)行自適應(yīng)調(diào)整，有助于提高算法收斂速度。在自適應(yīng)參數(shù)更新過(guò)程中，根據(jù)算法的實(shí)驗(yàn)性能將參數(shù)值進(jìn)行適當(dāng)?shù)恼{(diào)整，根據(jù)其他學(xué)者的研究經(jīng)驗(yàn)，當(dāng)算法運(yùn)行至總迭代次數(shù)的1/4時(shí)，對(duì)參數(shù)進(jìn)行更改。仿真結(jié)果驗(yàn)證了算法的可行性和有效性。 蟻群算法的優(yōu)化結(jié)果以及求解效率受參數(shù)α、 β、 ρ、 Q、 m的影響非常大，它們值的大小對(duì)蟻群算法的性能起到?jīng)Q定性作用。本文對(duì)平滑自適應(yīng)蟻群算法中的主要參數(shù)α、 β、 ρ、 Q、 m進(jìn)行分析和仿真研究，，并得出它們對(duì)算法的影響程度及規(guī)律。 針對(duì)生產(chǎn)規(guī)模擴(kuò)大，單車(chē)間生產(chǎn)模式無(wú)法滿(mǎn)足時(shí)代需求的問(wèn)題，本文將改進(jìn)平滑自適應(yīng)蟻群算法應(yīng)用到分布式多車(chē)間調(diào)度中，并將結(jié)果與其它算法進(jìn)行對(duì)比，結(jié)果表明該算法在運(yùn)行時(shí)間和搜索最優(yōu)解等方面都有所提高。
【關(guān)鍵詞】：改進(jìn)蟻群算法 Job shop調(diào)度 平滑機(jī)制 雙向收斂策略
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TH186;TP18
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-20
• 1.1 研究背景及意義11-12
• 1.2 生產(chǎn)調(diào)度的描述12-15
• 1.2.1 生產(chǎn)調(diào)度的分類(lèi)13-14
• 1.2.2 生產(chǎn)調(diào)度的特點(diǎn)14-15
• 1.3 國(guó)內(nèi)外現(xiàn)狀15-19
• 1.3.1 作業(yè)車(chē)間調(diào)度問(wèn)題研究現(xiàn)狀15-18
• 1.3.2 蟻群算法的研究現(xiàn)狀18-19
• 1.4 本文的主要內(nèi)容及章節(jié)安排19-20
• 第二章 作業(yè)車(chē)間調(diào)度問(wèn)題分析20-30
• 2.1 作業(yè)車(chē)間調(diào)度問(wèn)題描述20-25
• 2.2 作業(yè)車(chē)間問(wèn)題的分類(lèi)25-27
• 2.3 作業(yè)車(chē)間調(diào)度問(wèn)題的模型27-29
• 2.4 本章小結(jié)29-30
• 第三章 車(chē)間調(diào)度的蟻群算法研究30-34
• 3.1 蟻群算法的基本原理30-31
• 3.2 蟻群算法的特征31-32
• 3.3 蟻群算法的幾種改進(jìn)32-33
• 3.3.1 改進(jìn)信息素更新方式32-33
• 3.3.2 改進(jìn)路徑搜索策略33
• 3.3.3 與其他算法結(jié)合33
• 3.4 本章小結(jié)33-34
• 第四章 一類(lèi)平滑自適應(yīng)蟻群算法的設(shè)計(jì)與實(shí)驗(yàn)34-44
• 4.1 工序轉(zhuǎn)移規(guī)則34-35
• 4.2 改進(jìn)信息素更新策略35-36
• 4.3 自適應(yīng)參數(shù)更新策略36
• 4.4 算法實(shí)現(xiàn)36-38
• 4.5 仿真結(jié)果及分析38-43
• 4.5.1 15×5 基準(zhǔn)問(wèn)題的測(cè)試與比較38-41
• 4.5.2 20×5 基準(zhǔn)問(wèn)題的測(cè)試與比較41-43
• 4.6 本章小結(jié)43-44
• 第五章 參數(shù)對(duì)性能影響分析44-56
• 5.1 信息素啟發(fā)式因子α44-46
• 5.2 信息素自啟發(fā)式因子β46-48
• 5.3 信息素的揮發(fā)系數(shù)ρ48-50
• 5.4 總信息素 Q50-52
• 5.5 螞蟻數(shù)目 m52-55
• 5.6 本章小結(jié)55-56
• 第六章 分布式多車(chē)間調(diào)度方法研究56-61
• 6.1 問(wèn)題的描述56-58
• 6.2 分布式多車(chē)間調(diào)度蟻群算法設(shè)計(jì)58-60
• 6.2.1 算法設(shè)計(jì)思路58
• 6.2.2 算法實(shí)現(xiàn)58-60
• 6.3 本章小結(jié)60-61
• 第七章 總結(jié)與展望61-63
• 7.1 總結(jié)61
• 7.2 展望61-63
• 參考文獻(xiàn)63-66
• 在學(xué)研究成果66-67
• 致謝67

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 宋存利;生產(chǎn)調(diào)度問(wèn)題及其智能優(yōu)化算法研究[D];大連理工大學(xué);2011年

2 張超勇;基于自然啟發(fā)式算法的作業(yè)車(chē)間調(diào)度問(wèn)題理論與應(yīng)用研究[D];華中科技大學(xué);2007年

3 張國(guó)輝;柔性作業(yè)車(chē)間調(diào)度方法研究[D];華中科技大學(xué);2009年

  本文關(guān)鍵詞：基于改進(jìn)平滑自適應(yīng)蟻群算法的Job shop調(diào)度方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：506720