柔性制造和綠色制造是《中國(guó)制造2025》規(guī)劃中的主線,也是制造企業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵。由于多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題最契合柔性化生產(chǎn)的實(shí)際環(huán)境,逐漸成為車(chē)間調(diào)度領(lǐng)域研究的重點(diǎn),因此研究多目標(biāo)柔性作業(yè)車(chē)間低碳調(diào)度問(wèn)題具有重要理論與實(shí)踐意義。本文混合免疫遺傳算法,研究多目標(biāo)柔性作業(yè)車(chē)間低碳調(diào)度問(wèn)題的建模與求解。首先,基于對(duì)機(jī)械加工過(guò)程的分析,建立了結(jié)合空載功率和加工時(shí)間的機(jī)器能源消耗計(jì)算公式,進(jìn)而在傳統(tǒng)柔性作業(yè)車(chē)間調(diào)度模型的基礎(chǔ)上增加新的約束條件,并從生產(chǎn)效率、設(shè)備利用率、能源資源三個(gè)方面建立以最大完工時(shí)間最小、瓶頸機(jī)器負(fù)荷最小、能源消耗總量最小為目標(biāo)的新型調(diào)度模型。其次,為求解調(diào)度模型,本文結(jié)合免疫算法和遺傳算法提出基于記憶指導(dǎo)的免疫遺傳算法（MG-IGXA）。算法包括遺傳算法模塊（GA）、記憶庫(kù)模塊（ML）和免疫算法模塊（IA）三部分,其中以GA為基本框架,引入IA和ML彌補(bǔ)GA存在的局部收斂、缺乏對(duì)優(yōu)良個(gè)體記憶等方面的不足,以提升算法效率。在GA模塊中,結(jié)合基于工件剩余加工時(shí)間最大的啟發(fā)式規(guī)則和隨機(jī)化法方法初始種群,改善初始解質(zhì)量;采用多元化的遺傳操作尋優(yōu),在交叉操作中利用相似度閾值引入... 

【文章來(lái)源】：福州大學(xué)福建省 211工程院校

【文章頁(yè)數(shù)】：115 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２￣４?ＩＡ基本流程圖??ＩＡ的操作步驟如下：??Ｓｔｅｐｌ：選用恰當(dāng)?shù)木幋a方式把問(wèn)題轉(zhuǎn)換成抗原；??Ｓｔｅｐ２：構(gòu)造抗體初始種群；??

?（１義＊?／且滿(mǎn)足支配關(guān)系，則稱(chēng)乂也為一個(gè)非支??配解，而且二者之間存在ｘ？／的關(guān)系。??如圖２－５表示的是雙目標(biāo)均為最小化的優(yōu)化問(wèn)題的示意圖。對(duì)于圖中的解８??和解Ｄ，在目標(biāo)乂上存在ｂｌ＜ｄｌ，在目標(biāo)／２上存在ｂ２＜ｄ２，則５卜乃。對(duì)于解Ｂ??和解Ｃ，在目標(biāo)／；上存在ｂｌ＞ｃｌ，在目標(biāo)／２上存在ｂ２＜ｃ２，則Ｓ？Ｃ。同理，圖??中解Ａ、Ｂ、Ｃ之間互不支配，都是Ｐａｒｅｔｏ最優(yōu)解。??ｍｉｎｆ２?｜?？?Ｐａｒｅｔｏ解??Ｐａｒｅｔｏ最優(yōu)邊界??０?ｃｌ?ｂｌ?ｄｌ??圖２－５雙目標(biāo)均為最小化的優(yōu)化問(wèn)題??由此可見(jiàn)，多目標(biāo)優(yōu)化問(wèn)題得到的解并不是只有一個(gè)，將多個(gè)非支配解構(gòu)成??的集合稱(chēng)作Ｐａｒｅｔｏ最優(yōu)解集Ｐ，記作??Ｐ?＝?｛ｘ｜ｘ，ａ?ｅ?Ｘｙ，Ｍ＾ａ?＞－?ｘ｝?（式?２－１０）??尸構(gòu)成的區(qū)域咎稱(chēng)作Ｐａｒｅｔｏ最優(yōu)邊界或Ｐａｒｅｔｏ前沿

ＧＡ在解決調(diào)度問(wèn)題時(shí)，通常不是直接求解問(wèn)題解，而是通過(guò)編碼用染色體??表示問(wèn)題解，將調(diào)度解空間映射到算法的編碼空間，進(jìn)而執(zhí)行交叉、變異等操作，??獲取最優(yōu)解。編碼空間和解空間的關(guān)系如圖４－３所示。編碼空間映射到解空間可??以分為一對(duì)一映射、一對(duì)多映射、多對(duì)一映射等情況，如圖４－４所示，其中，一??對(duì)一映射最為理想，有時(shí)存在多對(duì)一映射，即多個(gè)編碼對(duì)應(yīng)一個(gè)調(diào)度解，而一對(duì)??多映射是最不希望出現(xiàn)的情況。??，?Ｎ－解碼一＾＼??｜編｜｜間丨?丨解空間評(píng)價(jià)）??、?Ａ?編碼?＇上?／??＼?，?＼??圖４－３編碼空間與解空間??對(duì)多—?〒???編碼空間〇——二?一一解空間??Ｖ?ｑ?°?Ｊ－?——？〇?Ｊ??圖４＊４編碼空間映射到解空間??調(diào)度解的編碼是算法首要的關(guān)鍵步驟，直接關(guān)系到編碼和解碼的復(fù)雜性、算??子的設(shè)計(jì)、算法的運(yùn)行效率。因此，在設(shè)計(jì)調(diào)度編碼時(shí)，需要考慮解碼的復(fù)雜性、??編碼空間到解空間的映射特性、染色體的可行性和有效性。??ＦＪＳＰ需要解決兩個(gè)子問(wèn)題：工序排序和機(jī)器分配。研宄表明，求解ＦＪＳＰ的??編碼方式有集成和分段兩種不同的方式。集成編碼同時(shí)考慮工序排序和機(jī)器分配??問(wèn)題

【參考文獻(xiàn)】：
期刊論文
[1]分層混合遺傳算法求解柔性作業(yè)車(chē)間調(diào)度問(wèn)題[J]. 田旻,劉人境.  工業(yè)工程與管理. 2017(05)
[2]改進(jìn)的混合蛙跳算法求解柔性作業(yè)車(chē)間調(diào)度[J]. 張曉星,王艷,嚴(yán)大虎,紀(jì)志成.  系統(tǒng)仿真學(xué)報(bào). 2017(09)
[3]面向能耗的多工藝路線柔性作業(yè)車(chē)間分批優(yōu)化調(diào)度模型[J]. 李聰波,沈歡,李玲玲,易茜.  機(jī)械工程學(xué)報(bào). 2017(05)
[4]考慮運(yùn)輸時(shí)間的柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[J]. 楊立熙,余慧慧.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2017(01)
[5]面向能耗機(jī)制的多目標(biāo)柔性作業(yè)車(chē)間調(diào)度[J]. 包哲人,徐華.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[6]遺傳算法求解低碳柔性車(chē)間生產(chǎn)調(diào)度問(wèn)題[J]. 張國(guó)輝,黨世杰.  組合機(jī)床與自動(dòng)化加工技術(shù). 2016(11)
[7]基于改進(jìn)遺傳算法的多目標(biāo)FJSP問(wèn)題研究[J]. 劉勝,于海強(qiáng).  控制工程. 2016(06)
[8]基于維修時(shí)間窗的柔性作業(yè)車(chē)間調(diào)度優(yōu)化研究[J]. 朱傳軍,宋文家,張超勇,曹靜,朱孟周.  中國(guó)機(jī)械工程. 2016(10)
[9]求解低碳調(diào)度問(wèn)題的改進(jìn)型候鳥(niǎo)優(yōu)化算法[J]. 唐立力.  計(jì)算機(jī)工程與應(yīng)用. 2016(17)
[10]混合多目標(biāo)算法用于柔性作業(yè)車(chē)間調(diào)度問(wèn)題[J]. 左益,公茂果,曾久琳,焦李成.  計(jì)算機(jī)科學(xué). 2015(09)

博士論文
[1]柔性作業(yè)車(chē)間調(diào)度方法研究[D]. 張國(guó)輝.華中科技大學(xué) 2009
[2]面向綠色制造的機(jī)械加工系統(tǒng)任務(wù)優(yōu)化調(diào)度方法研究[D]. 何彥.重慶大學(xué) 2007
[3]面向綠色制造的工藝規(guī)劃技術(shù)研究[D]. 曹華軍.重慶大學(xué) 2004

碩士論文
[1]基于人工魚(yú)群算法的柔性作業(yè)車(chē)間調(diào)度研究[D]. 陳新.大連理工大學(xué) 2015
[2]基于數(shù)據(jù)挖掘技術(shù)的生產(chǎn)調(diào)度問(wèn)題研究[D]. 王成龍.浙江大學(xué) 2015
[3]基于混合遺傳禁忌搜索算法的多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D]. 王超.重慶大學(xué) 2012
[4]基于人工蜂群算法的柔性調(diào)度問(wèn)題研究[D]. 周剛.清華大學(xué) 2012
[5]基于混合粒子群算法多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D]. 白起琛.哈爾濱工業(yè)大學(xué) 2010
[6]元胞粒子群優(yōu)化算法及其在柔性作業(yè)車(chē)間調(diào)度中的應(yīng)用[D]. 石楊.華中科技大學(xué) 2010



本文編號(hào)：3001118