自2013年以來,隨著德國“工業(yè)4.0”和“中國智造2025”的相繼提出,制造業(yè)迎來了新轉(zhuǎn)折點。車間調(diào)度是智能制造中重要的組成部分之一,制造業(yè)的快速發(fā)展,離不開智能調(diào)度方法的進(jìn)步。遺傳算法對研究車間調(diào)度問題有重要價值,但其性能易受參數(shù)影響。因此,本文對求解車間調(diào)度問題的遺傳算法進(jìn)行研究,設(shè)計出一種基于強化學(xué)習(xí)的遺傳算法,以提高算法性能,并實現(xiàn)對車間調(diào)度問題的高效求解。首先,提出了強化遺傳算法。第一,設(shè)計了一種基于K-means的并行策略,利用K-means聚類算法依據(jù)個體的染色體對種群進(jìn)行聚類,最大化地分開相似個體,進(jìn)而均勻劃分成多個子種群。第二,設(shè)計了一種基于強化學(xué)習(xí)的參數(shù)自學(xué)習(xí)策略,利用QLearning方法,自主學(xué)習(xí)遺傳算法的交叉率,獲得適應(yīng)當(dāng)代種群進(jìn)化的交叉率。第三,為實現(xiàn)子種群間的交流,設(shè)計了通信機(jī)制,并結(jié)合多策略思想,提高算法運行效率。最后,選擇了9個函數(shù)測試算法性能,與傳統(tǒng)遺傳算法和普通并行遺傳算法為對比,結(jié)果顯示所提算法在函數(shù)優(yōu)化問題上有顯著效果。其次,將提出的強化遺傳算法應(yīng)用于置換流水作業(yè)車間調(diào)度問題。根據(jù)置換流水車間調(diào)度問題的特點,采用基于工件的編碼方式。由于置換流水車間調(diào)度問題的編碼方式相對簡單,將子種群通信策略更換為子種群的動態(tài)更新。根據(jù)種群特征,先后執(zhí)行更新子種群策略與基于強化學(xué)習(xí)的交叉率學(xué)習(xí)過程。應(yīng)用該問題的標(biāo)準(zhǔn)算例進(jìn)行驗證,與標(biāo)準(zhǔn)GA等其他算法比較,結(jié)果表明該算法在求解該問題上有顯著的優(yōu)越性。然后,根據(jù)作業(yè)車間調(diào)度問題的特征,改進(jìn)了所提算法,采用了基于工序的基因串編碼方式。因作業(yè)車間調(diào)度問題比置換流水車間調(diào)度問題復(fù)雜,為提高運行的時間效率,采用了最初的子種群通信機(jī)制。通過該調(diào)度問題的標(biāo)準(zhǔn)算例進(jìn)行驗證實驗,與標(biāo)準(zhǔn)GA和普通并行遺傳算法作比較。實驗結(jié)果表現(xiàn)出所提算法的有效性和優(yōu)越性。最后,總結(jié)了全文的主要工作,并展望了未來值得進(jìn)一步研究的方向。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18
【部分圖文】：

圖 2-2 強化學(xué)習(xí)機(jī)理框圖決一類序貫決策問題的技術(shù)，這類問題的過程是種，具體方法分類如圖 2-3 所示[62]。序貫決策問題A,P,R,g )馬爾科夫決策過程MDP(S,A,P,R,g )(S,A,P動態(tài)規(guī)劃方法迭代 策略搜索無模型強化蒙特卡羅方法圖 2-3 強化學(xué)習(xí)方法分類

于 K-means 聚類的并行策略主eans 聚類方法，獲得結(jié)果，放置于它們歸屬的類中，這類按順序放置這些子類，即據(jù)}，也就構(gòu)成新的種群 ne整后的種群 newP 中，分 k wP[1+2k],...,newP[-k]}，以此略并行遺傳算法化學(xué)習(xí)的多策略并行遺傳算學(xué)習(xí)策略與基于 K-means 聚。它首先利用 K-means 初始滿足強化學(xué)習(xí)執(zhí)行條件的子

圖 4-3 標(biāo)準(zhǔn)算例 reC21 實際進(jìn)化過程最優(yōu)值變化曲線圖 4-4 Car 算例和 Rec 算例的 BRE00.020.040.060.080.10.120.14car1car2car3car4car5car6car8hel2reC01reC05reC07reC09reC13reC15reC17reC19reC21reC23reC27reC33reC35reC39BRERLBased GA GA Parallel GA0.20.250.30.35ARE

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮錦春;楊林建;;利用遺傳算法進(jìn)行機(jī)械優(yōu)化[J];四川工程職業(yè)技術(shù)學(xué)院學(xué)報;2007年06期

2 任志鳳;胡小建;孫太生;徐飛;李云良;;遺傳算法在焊接領(lǐng)域的優(yōu)化與應(yīng)用[J];現(xiàn)代焊接;2012年03期

3 李振業(yè);陳婷;陳靜;;基于遺傳算法的旅游最優(yōu)路徑探究[J];電腦知識與技術(shù);2018年34期

4 唐文琦;曾干敏;劉澤宇;;淺談遺傳算法及其部分改進(jìn)算法[J];科技風(fēng);2019年12期

5 李巖;袁弘宇;于佳喬;張更偉;劉克平;;遺傳算法在優(yōu)化問題中的應(yīng)用綜述[J];山東工業(yè)技術(shù);2019年12期

6 魏曉玲;;一種改進(jìn)遺傳算法及驗證[J];電腦編程技巧與維護(hù);2019年06期

7 馮雙林;靳繼紅;;現(xiàn)代農(nóng)機(jī)數(shù)字化裝配車間調(diào)度技術(shù)研究——基于云計算和遺傳算法[J];農(nóng)機(jī)化研究;2018年01期

8 梁肖;周湘貞;;基于遺傳算法的小麥?zhǔn)崭顧C(jī)路徑智能優(yōu)化控制研究[J];農(nóng)機(jī)化研究;2018年02期

9 王勇;孫耀南;;基于遺傳算法的醫(yī)院房間位置優(yōu)化研究[J];電腦與信息技術(shù);2018年01期

10 李超;王杰;史運濤;李錦龍;;基于遺傳算法的汽油調(diào)和優(yōu)化系統(tǒng)[J];工業(yè)控制計算機(jī);2018年10期

相關(guān)會議論文 前10條

1 謝宏;袁小芳;向啟均;陳yN婧;王立宸;;機(jī)器人慣性參數(shù)的改進(jìn)遺傳算法辨識方法研究[A];第37屆中國控制會議論文集（B）[C];2018年

2 彭軍;徐本柱;劉曉平;;遺傳算法的實現(xiàn)及其在生產(chǎn)調(diào)度中的應(yīng)用[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

3 韓戰(zhàn)鋼;;遺傳算法及在經(jīng)濟(jì)中的應(yīng)用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 賴梅;熊麗榮;;基于改進(jìn)遺傳算法的乘務(wù)交路優(yōu)化問題研究[A];第二十一屆中國控制會議論文集[C];2002年

5 肖龍光;丁曉東;;基于理性變異的遺傳算法[A];第六屆中國青年運籌與管理學(xué)者大會論文集[C];2004年

6 鞠訓(xùn)光;于洪珍;;求整體優(yōu)化全部解的區(qū)間排除遺傳算法[A];第十七屆全國過路控制會議論文集[C];2006年

7 劉興隆;;快速進(jìn)化式遺傳算法[A];“電力大系統(tǒng)災(zāi)變防治和經(jīng)濟(jì)運行重大課題”部分專題暨第九屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2003年

8 談斌;唐力鐵;張己化;周海云;;遺傳算法在漫反射系數(shù)計算中的應(yīng)用研究[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

9 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

10 蔡亞星;李偉明;尚飛;任武;薛正輝;高本慶;;雙種群遺傳算法進(jìn)行陣列天線綜合[A];2005'全國微波毫米波會議論文集（第三冊）[C];2006年

相關(guān)重要報紙文章 前10條

1 郭勉愈　編譯;遺傳算法：讓發(fā)明自動“進(jìn)化”[N];科學(xué)時報;2011年

2 上�？茖W(xué)院規(guī)劃研究處 劉小玲;上海能否成為人工智能城市[N];解放日報;2017年

3 記者 常麗君;科學(xué)家首次將遺傳算法用于量子模擬[N];科技日報;2016年

4 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

5 記者 李星婷;2014中國生命電子學(xué)術(shù)年會在渝召開[N];重慶日報;2014年

6 記者 劉霞;美用遺傳算法逆向設(shè)計新型納米材料[N];科技日報;2013年

7 高雪娟;協(xié)同設(shè)計的平臺策略[N];中國計算機(jī)報;2006年

8 陳巍;浩辰有望在協(xié)同設(shè)計關(guān)鍵領(lǐng)域取得突破 引領(lǐng)CAD應(yīng)用新潮流[N];大眾科技報;2006年

9 本報記者 李元麗;堅持自主創(chuàng)新 掀起AI+教育的中國浪潮[N];人民政協(xié)報;2018年

10 高峰;美國真能毀掉中國？[N];世界報;2012年

相關(guān)博士學(xué)位論文 前10條

1 孫秋紅;基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應(yīng)用研究[D];燕山大學(xué);2016年

2 金小敏;移動云環(huán)境中的計算遷移系統(tǒng)關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2018年

3 王小港;遺傳算法在VLSI設(shè)計自動化中的應(yīng)用研究[D];中國科學(xué)院上海冶金研究所;2001年

4 宋曉峰;優(yōu)生演進(jìn)優(yōu)化和統(tǒng)計學(xué)習(xí)建模[D];浙江大學(xué);2003年

5 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究[D];西南交通大學(xué);2003年

6 卜雷;城市貨物運輸規(guī)劃優(yōu)化方法研究[D];西南交通大學(xué);2004年

7 廖平;基于遺傳算法的形狀誤差計算研究[D];中南大學(xué);2002年

8 李智勇;模式交流多群體遺傳算法及其在神經(jīng)網(wǎng)絡(luò)進(jìn)化建模中的應(yīng)用[D];湖南大學(xué);2003年

9 陳星;網(wǎng)絡(luò)并行和遺傳算法在HPM生物效應(yīng)評價和輻射天線設(shè)計中的應(yīng)用研究[D];四川大學(xué);2004年

10 金菊良;遺傳算法及其在水問題中的應(yīng)用[D];河海大學(xué);1998年

相關(guān)碩士學(xué)位論文 前10條

1 郁勝過;基于遺傳算法的光頻域反射頻譜分析算法研究[D];上海交通大學(xué);2017年

2 宋黎;基于遺傳算法的通信基站規(guī)劃方法研究[D];大連理工大學(xué);2019年

3 高長勇;基于自動化分揀線的復(fù)雜訂單分解算法的研究與實現(xiàn)[D];機(jī)械科學(xué)研究總院;2019年

4 宋燁華;基于改進(jìn)遺傳算法的小行星交會軌跡規(guī)劃技術(shù)[D];北京理工大學(xué);2016年

5 丁甜甜;基于遺傳算法的線路縱斷面優(yōu)化研究[D];石家莊鐵道大學(xué);2019年

6 楊震;基于改進(jìn)遺傳算法的無線傳感網(wǎng)絡(luò)覆蓋優(yōu)化研究[D];重慶三峽學(xué)院;2019年

7 劉美辛;H超市配送中心貨位分配研究[D];石家莊鐵道大學(xué);2019年

8 許永磊;基于遺傳算法與強化學(xué)習(xí)的機(jī)位分配研究[D];華中科技大學(xué);2019年

9 李呈隆;基于遺傳算法的對抗文本生成方法研究[D];華中科技大學(xué);2019年

10 鐘慧超;基于強化遺傳算法的車間調(diào)度方法研究[D];華中科技大學(xué);2019年

本文編號：2810428