【摘要】：車間調(diào)度是制造業(yè)信息化的關(guān)鍵技術(shù),是提高企業(yè)核心競(jìng)爭(zhēng)力的重要力量。如何利用先進(jìn)技術(shù)解決實(shí)際工業(yè)問(wèn)題,合理安排生產(chǎn)流程,提高企業(yè)生產(chǎn)效率,是一個(gè)非常重要的課題。啟發(fā)式算法是眾多解決車間調(diào)度問(wèn)題中較有效的算法,而差分進(jìn)化算法(DE)是典型的啟發(fā)式算法,也是一種基于種群進(jìn)化的算法,主要經(jīng)過(guò)交叉、變異、選擇操作產(chǎn)生新種群,對(duì)各種復(fù)雜優(yōu)化問(wèn)題具有較好的性能。本文基于DE算法做了一些研究、改進(jìn)并在車間調(diào)度中進(jìn)行了應(yīng)用,主要工作包括:(1)提出了一種改進(jìn)的自適應(yīng)差分進(jìn)化算法(FMDE)。傳統(tǒng)的DE算法的變異因子是個(gè)固定常數(shù),會(huì)導(dǎo)致種群出現(xiàn)局部最優(yōu)(“早熟”現(xiàn)象)。對(duì)變異因子的改進(jìn)能提高算法的性能,本文提出了一種改進(jìn)的自適應(yīng)差分進(jìn)化算法(FMDE),利用測(cè)試函數(shù)對(duì)算法性能進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,該算法在種群進(jìn)化時(shí)可以自動(dòng)調(diào)節(jié)變異因子值,提高了全局搜索能力,表明FMDE算法具有較優(yōu)的性能。(2)提出了一種粒子群和改進(jìn)自適應(yīng)差分進(jìn)化的混合算法(PSO_FMDE)。鑒于粒子群算法(PSO)和DE算法都是基于種群進(jìn)化的算法,本文結(jié)合兩個(gè)算法的特點(diǎn),提出了一種隨機(jī)變異機(jī)制,通過(guò)生成隨機(jī)個(gè)體的方式避免種群出現(xiàn)停滯現(xiàn)象。采用測(cè)試函數(shù)對(duì)算法性能進(jìn)行分析,結(jié)果表明,PSO_FMDE算法較單一算法而言,性能更優(yōu),更易于靠近全局最優(yōu)解。(3)將所提出的FMDE算法和PSO_FMDE算法應(yīng)用于車間調(diào)度優(yōu)化。流水車間調(diào)度(FSP)是一種典型的流程工業(yè)生產(chǎn)調(diào)度方式,為了更好的解決FSP問(wèn)題,本文以最小化最大完工時(shí)間為優(yōu)化目標(biāo),將流水車間調(diào)度問(wèn)題轉(zhuǎn)化為數(shù)學(xué)問(wèn)題模型,使用FMDE算法和PSO_FMDE算法進(jìn)行求解。采用標(biāo)準(zhǔn)調(diào)度問(wèn)題測(cè)試集上對(duì)流水車間調(diào)度問(wèn)題進(jìn)行求解和性能分析。結(jié)果表明,本文提出的兩種算法在解決FSP問(wèn)題中有良好的性能,更容易找到最優(yōu)調(diào)度方案。本文提出了兩種DE改進(jìn)算法,通過(guò)函數(shù)優(yōu)化問(wèn)題驗(yàn)證了算法的有效性。所提出的改進(jìn)算法分別應(yīng)用于生產(chǎn)調(diào)度優(yōu)化問(wèn)題,結(jié)果表明算法在解決FSP問(wèn)題方面具有良好的性能。本文研究成果有助于推動(dòng)進(jìn)化算法和生產(chǎn)調(diào)度理論的發(fā)展,具有重要的理論和實(shí)際意義。
【圖文】：

在三種數(shù)據(jù)規(guī)模（20*5、50*5、100*5）下，F(xiàn)MDE 算法的方差依次為52.32、50.67、26.84。說(shuō)明在相同的機(jī)器數(shù)量下，隨著工件數(shù)目越來(lái)越多，F(xiàn)MDE算法的穩(wěn)定性會(huì)表現(xiàn)得更好。PSO_FMDE 算法的方差依次為 13.91、12.76、6.12。同樣說(shuō)明了算法的穩(wěn)定性和數(shù)據(jù)規(guī)模成正比，而且在相同數(shù)據(jù)規(guī)模下，PSO_FMDE 算法比 FMDE 算法的穩(wěn)定性更高。通過(guò)上述分析可以發(fā)現(xiàn)，本文提出的改進(jìn)自適應(yīng)差分進(jìn)化算法（FMDE）比 MDE 算法和 DE 算法表現(xiàn)出更好的性能，并且引入粒子群算法的 PSO_FMDE 算法更具有穩(wěn)定性和優(yōu)越性。試驗(yàn)表明了通過(guò)在進(jìn)化過(guò)程中對(duì)變異因子適時(shí)進(jìn)行合理的優(yōu)化，能夠保證種群個(gè)體的多樣性，，增強(qiáng)算法在整個(gè)運(yùn)算空間中各個(gè)情況的搜索能力。為了更好的觀察求解車間調(diào)度問(wèn)題的進(jìn)度和效果，實(shí)驗(yàn)還對(duì)四種不同的算法繪制甘特圖。甘特圖是一種用來(lái)隨著時(shí)間進(jìn)度來(lái)觀察整個(gè)項(xiàng)目進(jìn)度發(fā)展的工具，而且易于理解。通過(guò)甘特圖可以清楚的了解不同算法求解車間調(diào)度問(wèn)題的調(diào)度過(guò)程、每個(gè)機(jī)器上的調(diào)度方案、每個(gè)機(jī)器上的完工時(shí)間、整個(gè)工程的完工時(shí)間等。DE、MDE、FMDE、PSO_FMDE 四個(gè)算法求解車間調(diào)度問(wèn)題的甘特圖如圖 4-3~4-6所示。

而且易于理解。通過(guò)甘特圖可以清楚的了解不同算法求解車間調(diào)度問(wèn)題的調(diào)度過(guò)程、每個(gè)機(jī)器上的調(diào)度方案、每個(gè)機(jī)器上的完工時(shí)間、整個(gè)工程的完工時(shí)間等。DE、MDE、FMDE、PSO_FMDE 四個(gè)算法求解車間調(diào)度問(wèn)題的甘特圖如圖 4-3~4-6所示。圖 4-3 使用 DE 算法對(duì)規(guī)模為 20*5 的調(diào)度集優(yōu)化的一次調(diào)度方案甘特圖Fig. 4-3 Gantt Chart of Primary Scheduling Scheme for Scheduling Set Optimization with Scale20*5 Using DE Algorithms
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F274;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉昊;丁進(jìn)良;楊翠娥;柴天佑;;基于擇優(yōu)學(xué)習(xí)策略的差分進(jìn)化算法[J];上海交通大學(xué)學(xué)報(bào);2017年06期

2 孫龍;李暉;趙曼;董理君;吳杰;;基于差分進(jìn)化算法的衛(wèi)星任務(wù)未安排原因分析[J];無(wú)線電工程;2017年11期

3 胡朝根;;基于退火算子的差分進(jìn)化算法[J];數(shù)字技術(shù)與應(yīng)用;2016年07期

4 楊斌;;淺析差分進(jìn)化算法的多目標(biāo)優(yōu)化方法研究[J];祖國(guó);2017年03期

5 韓學(xué)鋒;徐歡;;帶局部搜索的自適應(yīng)動(dòng)態(tài)差分進(jìn)化算法[J];天津職業(yè)院校聯(lián)合學(xué)報(bào);2014年02期

6 洪云飛;陳忠;;無(wú)約束優(yōu)化問(wèn)題的差分進(jìn)化算法求解[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自科版);2013年31期

7 謝春明;;基于差分進(jìn)化的計(jì)算機(jī)安全算法研究[J];煤炭技術(shù);2013年01期

8 李英海;莫莉;左建;;基于混合差分進(jìn)化算法的梯級(jí)水電站調(diào)度研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年04期

9 謝歡歡;楊伯朝;;基于差分進(jìn)化算法的陣列天線波束賦形研究[J];現(xiàn)代導(dǎo)航;2012年03期

10 張宏;蔣德勇;;一種基于差分進(jìn)化算法和粒子群算法的雙進(jìn)化方式的全局優(yōu)化算法[J];黑龍江科技信息;2012年32期

相關(guān)會(huì)議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 雍龍泉;;求解一類多目標(biāo)優(yōu)化問(wèn)題的極大熵差分進(jìn)化算法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 趙娟;蔡濤;鄧方;楊紅偉;;基于改進(jìn)差分進(jìn)化算法的脈沖控制方法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

4 劉國(guó)帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國(guó)水文科技新發(fā)展——2012中國(guó)水文學(xué)術(shù)討論會(huì)論文集[C];2012年

5 樓洋;李均利;陳剛;;基于個(gè)體排序的差分進(jìn)化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

6 裴振奎;劉真;趙艷麗;;差分進(jìn)化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國(guó)運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

7 牛曉潔;舒健生;楊奇松;聶闖;;衛(wèi)星規(guī)避單個(gè)動(dòng)能攔截器優(yōu)化方法研究[A];第四屆中國(guó)指揮控制大會(huì)論文集[C];2016年

8 姜立強(qiáng);郭錚;劉光斌;;差分進(jìn)化算法縮放因子取值策略研究[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

9 周紅;張建華;;基于差分進(jìn)化優(yōu)化的高斯混合模型在說(shuō)話人識(shí)別中的應(yīng)用[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

10 解磊;焦永昌;杜彪;史琰;;基于差分進(jìn)化算法的寬頻帶光壁喇叭優(yōu)化設(shè)計(jì)[A];2015年全國(guó)微波毫米波會(huì)議論文集[C];2015年

相關(guān)重要報(bào)紙文章 前1條

1 興業(yè)期貨 秦小坡;基于技術(shù)指標(biāo)的DE——反轉(zhuǎn)alpha策略[N];期貨日?qǐng)?bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 丁輝;基于混合差分進(jìn)化的智能核設(shè)計(jì)方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

2 徐廣治;非線性群智能優(yōu)化及其應(yīng)用研究[D];北京郵電大學(xué);2019年

3 汪慎文;同質(zhì)差分進(jìn)化算法集成研究[D];武漢大學(xué);2013年

4 劉宏志;人工蜂群與差分進(jìn)化算法研究及其應(yīng)用[D];東北大學(xué);2015年

5 程吉祥;自主差分進(jìn)化算法設(shè)計(jì)及應(yīng)用[D];西南交通大學(xué);2015年

6 謝宇;差分進(jìn)化的若干問(wèn)題及其應(yīng)用研究[D];南京理工大學(xué);2015年

7 暏大海;差分進(jìn)化算法的改進(jìn)及在約束優(yōu)化中的應(yīng)用[D];武漢大學(xué);2017年

8 符純明;面向結(jié)構(gòu)優(yōu)化設(shè)計(jì)的差分進(jìn)化算法研究[D];湖南大學(xué);2017年

9 車林仙;面向機(jī)構(gòu)分析與設(shè)計(jì)的差分進(jìn)化算法研究[D];中國(guó)礦業(yè)大學(xué);2012年

10 孫成富;差分進(jìn)化算法及其在電力系統(tǒng)調(diào)度優(yōu)化中的應(yīng)用研究[D];華中科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 蔡素;基于差分進(jìn)化算法的流程工業(yè)生產(chǎn)調(diào)度研究與應(yīng)用[D];青島科技大學(xué);2019年

2 張仲方;基于差分進(jìn)化算法的城軌列車速度曲線優(yōu)化及跟蹤控制[D];北京交通大學(xué);2019年

3 郝海強(qiáng);基于差分進(jìn)化算法的二維電震聯(lián)合反演方法的研究[D];石家莊經(jīng)濟(jì)學(xué)院;2015年

4 劉暢;倒立擺模糊神經(jīng)網(wǎng)絡(luò)控制器差分進(jìn)化算法優(yōu)化設(shè)計(jì)[D];廈門大學(xué);2018年

5 韓超;求解TSP問(wèn)題的多目標(biāo)進(jìn)化方法研究[D];武漢理工大學(xué);2018年

6 成洪坦;基于種群多樣性的差分進(jìn)化算法及其在圖像配準(zhǔn)中的應(yīng)用[D];山東財(cái)經(jīng)大學(xué);2018年

7 謝光磊;腫瘤亞型分析中針對(duì)基因表達(dá)數(shù)據(jù)差分進(jìn)化特征選擇算法的研究[D];南方醫(yī)科大學(xué);2018年

8 劉昊;基于擇優(yōu)學(xué)習(xí)的差分進(jìn)化算法及其在選礦指標(biāo)決策中的應(yīng)用[D];東北大學(xué);2015年

9 朝日雅拉;基于差分進(jìn)化算法的并行連續(xù)退火機(jī)組鋼卷調(diào)度問(wèn)題[D];東北大學(xué);2015年

10 王莎;差分進(jìn)化算法改進(jìn)及其在2.5D集成電路測(cè)試中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2018年

本文編號(hào)：2614938