作業(yè)車間調(diào)度問題(Job Shop Scheduling Problem,簡稱JSP)是制造業(yè)生產(chǎn)調(diào)度問題中一個非常重要的問題。其所應(yīng)用的領(lǐng)域非常廣泛,主要涉及了航母調(diào)度,機(jī)場飛機(jī)調(diào)度,港口碼頭貨船調(diào)度,汽車加工流水線調(diào)度等實際調(diào)度問題,因此研究車間調(diào)度具有非常重要的意義。針對傳統(tǒng)的數(shù)學(xué)方法已經(jīng)無法滿足生產(chǎn)調(diào)度需求這一問題,本文主要研究一種新型元啟發(fā)式優(yōu)化算法用于解決作業(yè)車間調(diào)度問題。入侵雜草算法(Invasive Weed Optimization,簡稱IWO)是一種受到雜草入侵行為啟發(fā)而得到的一種新型元啟發(fā)式算法。入侵雜草算法模擬了雜草的入侵行為,因此算法具有與雜草相同的特征,如強(qiáng)魯棒性,適應(yīng)性和隨機(jī)性。本文深入研究了IWO算法的機(jī)制,通過分析算法流程,主要對算法的參數(shù)部分做出了改進(jìn),同時平衡了IWO算法的局部搜索能力和全局搜索能力,并將IWO算法應(yīng)用于JSP問題中,本文的主要研究內(nèi)容如下:1、入侵雜草算法(IWO)證明了其在解決優(yōu)化問題時的適應(yīng)性和效率的魯棒性。然而,IWO還存在受參數(shù)顯著影響,容易陷入局部最優(yōu)的問題。本文提出了一種基于自適應(yīng)入侵雜草算法(IWO)和差分進(jìn)化算法(...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.1參數(shù)變化趨勢

實驗一共進(jìn)行了16組實驗，通過不同的參數(shù)組合和正交實驗的方法最終確定最優(yōu)參數(shù)。圖3.1以圖的形式更加形象和具體的展示了參數(shù)的變化趨勢，從圖中可以更好地看出每個參數(shù)的最佳設(shè)定值。表3.2參數(shù)的組合Factorlevel12341020305090100....

圖4.1編碼獲得的主動調(diào)度

得到一個工件序列為[213122313]。在工件序列中的1表示為,同樣2，3分別表示和。在雜草所代表的序列中3個1分別代表工件的3個工序，分別為工序1，工序2和工序3。2和3也一樣是表示和的工序1，工序2和工序....

圖4.2參數(shù)變化趨勢

實驗一共進(jìn)行了9組實驗，通過不同的參數(shù)組合和正交實驗的方法最終確定最優(yōu)參數(shù)。圖4.2以圖的形式更加形象和具體的展示了參數(shù)的變化趨勢，從圖中可以更好地看出每個參數(shù)的最佳設(shè)定值。表4.2參數(shù)的組合Factorlevel123203040257234表4....

圖5.1在D=10下，F(xiàn)riedman秩和檢驗結(jié)果

本文編號：3963150