在制造領(lǐng)域,高效率、高柔性、高可靠性是制造企業(yè)追求的重要指標(biāo),優(yōu)化調(diào)度是實(shí)現(xiàn)這些指標(biāo)的重要環(huán)節(jié)之一。隨著現(xiàn)代集成制造系統(tǒng)的不斷發(fā)展與完善,人們對智能車間調(diào)度的要求也隨之增高。傳統(tǒng)的車間調(diào)度問題是在實(shí)際生產(chǎn)調(diào)度問題的基礎(chǔ)上進(jìn)行簡化得來的,而柔性作業(yè)車間調(diào)度問題是在傳統(tǒng)的作業(yè)車間調(diào)度問題上擴(kuò)展出來的一類更加靈活復(fù)雜的問題。相對于傳統(tǒng)的調(diào)度問題,柔性作業(yè)車間調(diào)度更加貼近現(xiàn)實(shí)生產(chǎn)中的制造環(huán)境,更符合現(xiàn)代柔性制造的理念。柔性作業(yè)車間調(diào)度是NP-hard組合優(yōu)化問題,問題規(guī)模越大復(fù)雜度就越高。群體智能算法因其搜索效率高、魯棒性強(qiáng)的優(yōu)點(diǎn),在求解車間調(diào)度組合優(yōu)化問題上展現(xiàn)出很好的性能。本文研究了三種類型的柔性作業(yè)車間調(diào)度問題,并采用幾種不同的算法來進(jìn)行求解。主要內(nèi)容如下:（1）采用蝙蝠算法求解以最大完工時間最小化為單目標(biāo)的柔性作業(yè)車間調(diào)度問題,根據(jù)問題的離散特性以及算法局部搜索能力弱的缺陷,利用遺傳算法中的交叉操作輔助蝙蝠算法尋優(yōu),提出一種混合遺傳蝙蝠算法。首先采用基于機(jī)器的編碼方式完成問題解空間到算法可以處理的搜索空間的映射,并通過三種方式產(chǎn)生初始種群來提高初始種群的質(zhì)量與多樣性;然后引入動態(tài)遞減的... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 車間調(diào)度方法國內(nèi)外研究現(xiàn)狀
        1.2.2 FJSP國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文章節(jié)安排
第二章 相關(guān)理論知識及技術(shù)
    2.1 車間調(diào)度
        2.1.1 車間調(diào)度問題描述及分類
        2.1.2 車間調(diào)度的特性
    2.2 柔性作業(yè)車間調(diào)度
        2.2.1 符號定義
        2.2.2 FJSP問題描述
        2.2.3 約束條件
        2.2.4 常見目標(biāo)函數(shù)
    2.3 蝙蝠算法
        2.3.1 蝙蝠算法概述
        2.3.2 蝙蝠算法基本流程
        2.3.3 蝙蝠算法應(yīng)用研究
    2.4 人工蜂群算法
        2.4.1 人工蜂群算法概述
        2.4.2 人工蜂群算法基本流程
        2.4.3 人工蜂群算法應(yīng)用研究
    2.5 本章小結(jié)
第三章 混合遺傳蝙蝠算法求解單目標(biāo)柔性作業(yè)車間調(diào)度問題
    3.1 SOFJSP模型
    3.2 HGBA算法設(shè)計
        3.2.1 編碼方式
        3.2.2 種群初始化
        3.2.3 慣性權(quán)重調(diào)整
        3.2.4 混合列交叉更新策略
        3.2.5 HGBA算法流程
    3.3 實(shí)例仿真結(jié)果與分析
        3.3.1 改進(jìn)措施有效性分析
        3.3.2 實(shí)例仿真及結(jié)果分析
    3.4 本章小結(jié)
第四章 離散人工蜂群求解多目標(biāo)柔性作業(yè)車間調(diào)度問題
    4.1 多目標(biāo)優(yōu)化基本概念
    4.2 MOFJSP模型
    4.3 PDABC算法設(shè)計
        4.3.1 編碼方式
        4.3.2 基于排序的選擇概率
        4.3.3 鄰域搜索
        4.3.4 混合列交叉策略
        4.3.5 Pareto解集創(chuàng)建與更新
        4.3.6 PDABC算法流程
    4.4 實(shí)驗(yàn)仿真
        4.4.1 算法性能測試與結(jié)果分析
        4.4.2 實(shí)例仿真
    4.5 本章小結(jié)
第五章 不確定工時條件下的柔性作業(yè)車間調(diào)度問題求解
    5.1 區(qū)間數(shù)基本概念
    5.2 FJSP-UPT模型
    5.3 算法設(shè)計
        5.3.1 編碼方式
        5.3.2 區(qū)間數(shù)比較法
        5.3.3 基于區(qū)間可能度的選擇概率
        5.3.4 位置更新策略
        5.3.5 IABC算法流程
    5.4 實(shí)例仿真與分析
    5.5 本章小結(jié)
第六章 主要結(jié)論與展望
    6.1 主要結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄:作者在攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]變鄰域改進(jìn)遺傳算法求解混合流水車間調(diào)度問題[J]. 崔琪,吳秀麗,余建軍.  計算機(jī)集成制造系統(tǒng). 2017(09)
[2]混合灰狼優(yōu)化算法求解柔性作業(yè)車間調(diào)度問題[J]. 姜天華.  控制與決策. 2018(03)
[3]多搜索策略協(xié)同進(jìn)化的人工蜂群算法[J]. 王志剛,尚旭東,夏慧明,丁華.  控制與決策. 2018(02)
[4]基于改進(jìn)遺傳算法的多目標(biāo)柔性作業(yè)車間節(jié)能調(diào)度問題[J]. 王雷,蔡勁草,石鑫.  南京理工大學(xué)學(xué)報. 2017(04)
[5]基于混合離散人工蜂群算法的置換流水車間調(diào)度[J]. 張素君,寧欣,顧幸生.  河南大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[6]具有空閑時間的云制造作業(yè)車間調(diào)度方法[J]. 王貞,張紀(jì)會,齊元青.  控制與決策. 2017(05)
[7]多目標(biāo)柔性作業(yè)車間穩(wěn)健性動態(tài)調(diào)度研究[J]. 朱傳軍,邱文,張超勇,金亮亮.  中國機(jī)械工程. 2017(02)
[8]面向作業(yè)車間調(diào)度問題的改進(jìn)型蝙蝠算法[J]. 夏晶晶,王猛.  華中師范大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[9]基于改進(jìn)蝙蝠算法的柔性流水車間排產(chǎn)優(yōu)化問題研究[J]. 韓忠華,朱伯秋,史海波,林碩.  計算機(jī)應(yīng)用研究. 2017(07)
[10]基于改進(jìn)遺傳算法的多目標(biāo)FJSP問題研究[J]. 劉勝,于海強(qiáng).  控制工程. 2016(06)

碩士論文
[1]工時不確定條件下的多目標(biāo)柔性作業(yè)車間調(diào)度問題研究[D]. 陳宇軒.合肥工業(yè)大學(xué) 2017



本文編號：3457162