對(duì)于采用多品種小批量柔性生產(chǎn)方式的離散制造企業(yè),合理的車(chē)間調(diào)度方案能夠提高企業(yè)生產(chǎn)效率并節(jié)約生產(chǎn)成本。同時(shí),柔性作業(yè)車(chē)間調(diào)度問(wèn)題也是典型的NP難組合優(yōu)化問(wèn)題,因而該問(wèn)題已成為工業(yè)界和學(xué)術(shù)界共同研究的熱點(diǎn)。該問(wèn)題的研究難點(diǎn)體現(xiàn)在:（1）不同優(yōu)化目標(biāo)之間可能彼此相互沖突;（2）加工時(shí)間和交貨期等重要參數(shù)帶有不確定性;（3）在加工生產(chǎn)過(guò)程中,存在著很多動(dòng)態(tài)干擾因素,比如機(jī)器故障（修復(fù)）和緊急插單等突發(fā)事件。此外,考慮到計(jì)算復(fù)雜性,該類(lèi)問(wèn)題不能夠被數(shù)學(xué)方法在多項(xiàng)式時(shí)間內(nèi)精確求解。近年來(lái),由模擬生物進(jìn)化過(guò)程發(fā)展而來(lái)的進(jìn)化算法被國(guó)內(nèi)外學(xué)者廣泛研究,為求解該類(lèi)問(wèn)題提供了有效的方法和手段。盡管針對(duì)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的多目標(biāo)性、不確定性和動(dòng)態(tài)性開(kāi)展了很多研究工作,并取得了豐富的研究成果,但是過(guò)往的研究大多針對(duì)這三個(gè)特性中的某一特性單獨(dú)展開(kāi),很少同時(shí)考慮多個(gè)特性。對(duì)于多目標(biāo)性的研究主要集中在以完工時(shí)間和機(jī)器負(fù)荷為常用優(yōu)化目標(biāo)的低維多目標(biāo)調(diào)度問(wèn)題上,對(duì)于同時(shí)考慮多于三個(gè)優(yōu)化目標(biāo)的高維多目標(biāo)調(diào)度問(wèn)題不為關(guān)注。另外,對(duì)于同時(shí)考慮多個(gè)動(dòng)態(tài)事件的調(diào)度問(wèn)題也研究較少。這些問(wèn)題由于包含的約束更多且目標(biāo)值求解更加困難,... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：135 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 柔性作業(yè)車(chē)間調(diào)度問(wèn)題描述及數(shù)學(xué)模型
        1.2.1 柔性作業(yè)車(chē)間調(diào)度問(wèn)題描述與分類(lèi)
        1.2.2 柔性作業(yè)車(chē)間調(diào)度問(wèn)題數(shù)學(xué)模型
        1.2.3 柔性作業(yè)車(chē)間調(diào)度問(wèn)題常用評(píng)價(jià)指標(biāo)
    1.3 柔性作業(yè)車(chē)間調(diào)度國(guó)內(nèi)外研究現(xiàn)狀
    1.4 多目標(biāo)優(yōu)化
        1.4.1 多目標(biāo)優(yōu)化問(wèn)題的基本理論
        1.4.2 幾種經(jīng)典的多目標(biāo)進(jìn)化算法
        1.4.3 多目標(biāo)進(jìn)化算法性能評(píng)價(jià)指標(biāo)
    1.5 論文主要研究工作
第二章 低維靜態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度的進(jìn)化求解
    2.1 引言
    2.2 低維靜態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的優(yōu)化模型
    2.3 柔性作業(yè)車(chē)間調(diào)度的析取圖模型
    2.4 基于MOMAD求解低維靜態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題
        2.4.1 算法框架
        2.4.2 基于MOEA/D的全局搜索策略
        2.4.3 基于移動(dòng)關(guān)鍵工序的局部搜索策略
    2.5 實(shí)驗(yàn)設(shè)計(jì)與分析
        2.5.1 實(shí)驗(yàn)設(shè)置
        2.5.2 幾種算法變體的比較
        2.5.3 與先驗(yàn)法和后驗(yàn)法的比較
    2.6 本章小結(jié)
第三章 多目標(biāo)模糊柔性作業(yè)車(chē)間調(diào)度的進(jìn)化求解
    3.1 引言
    3.2 三角模糊數(shù)和梯形模糊數(shù)的基本理論和操作
    3.3 多目標(biāo)模糊柔性作業(yè)車(chē)間調(diào)度問(wèn)題的優(yōu)化模型
    3.4 基于MA求解多目標(biāo)模糊柔性作業(yè)車(chē)間調(diào)度問(wèn)題
        3.4.1 算法框架
        3.4.2 基于NSGA-II的全局搜索策略
        3.4.3 基于模糊可能度的個(gè)體支配關(guān)系
        3.4.4 改進(jìn)的基于決策空間擁擠距離算子
        3.4.5 基于變鄰域的局部搜索策略
    3.5 實(shí)驗(yàn)設(shè)計(jì)與分析
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 局部搜索性能分析
        3.5.3 與先進(jìn)算法的比較
    3.6 本章小結(jié)
第四章 多目標(biāo)區(qū)間柔性作業(yè)車(chē)間調(diào)度的進(jìn)化求解
    4.1 引言
    4.2 多目標(biāo)區(qū)間柔性作業(yè)車(chē)間調(diào)度問(wèn)題的優(yōu)化模型
    4.3 區(qū)間數(shù)的基本操作
    4.4 基于MOEA求解多目標(biāo)區(qū)間柔性作業(yè)車(chē)間調(diào)度問(wèn)題
        4.4.1 算法框架
        4.4.2 染色體編碼和解碼
        4.4.3 種群初始化
        4.4.4 進(jìn)化算子
        4.4.5 基于區(qū)間可能度的個(gè)體支配關(guān)系
        4.4.6 改進(jìn)的基于區(qū)間的擁擠測(cè)度
    4.5 實(shí)驗(yàn)設(shè)計(jì)與分析
        4.5.1 實(shí)驗(yàn)設(shè)置
        4.5.2 種群初始化性能分析
        4.5.3 與先進(jìn)算法的比較
    4.6 本章小結(jié)
第五章 高維靜態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度的進(jìn)化求解
    5.1 引言
    5.2 高維靜態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的優(yōu)化模型
    5.3 基于NSGA-III求解高維靜態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題
        5.3.1 算法框架
        5.3.2 參考點(diǎn)生成
        5.3.3 染色體編碼和解碼
        5.3.4 進(jìn)化算子
        5.3.5 自適應(yīng)目標(biāo)歸一化
        5.3.6 小生境保持算子
    5.4 集成多屬性決策過(guò)程
    5.5 實(shí)驗(yàn)設(shè)計(jì)與分析
        5.5.1 實(shí)驗(yàn)設(shè)置
        5.5.2 幾種算法變體的比較
        5.5.3 與先進(jìn)算法的比較
        5.5.4 高維目標(biāo)的影響
    5.6 本章小結(jié)
第六章 高維動(dòng)態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度的進(jìn)化求解
    6.1 引言
    6.2 高維動(dòng)態(tài)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的優(yōu)化模型
    6.3 預(yù)反應(yīng)動(dòng)態(tài)調(diào)度方法
        6.3.1 基于周期結(jié)合事件驅(qū)動(dòng)的重調(diào)度策略
        6.3.2 靜態(tài)調(diào)度窗口的構(gòu)建
        6.3.3 預(yù)反應(yīng)調(diào)度的流程
    6.4 基于NSGA-III求解靜態(tài)調(diào)度窗口
        6.4.1 算法框架
        6.4.2 染色體編碼和解碼
        6.4.3 種群初始化
        6.4.4 進(jìn)化算子
        6.4.5 層次分析法決策
    6.5 實(shí)驗(yàn)設(shè)計(jì)與分析
        6.5.1 實(shí)驗(yàn)設(shè)置
        6.5.2 初始化調(diào)度比較
        6.5.3 動(dòng)態(tài)調(diào)度過(guò)程比較
        6.5.4 與基于規(guī)則的完全反應(yīng)調(diào)度方法比較
        6.5.5 不同調(diào)度周期的影響
    6.6 本章小結(jié)
第七章 多模式排產(chǎn)優(yōu)化調(diào)度系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    7.1 引言
    7.2 應(yīng)用背景分析
    7.3 基于MOEA的多模式排產(chǎn)優(yōu)化調(diào)度
    7.4 多模式排產(chǎn)優(yōu)化調(diào)度系統(tǒng)
        7.4.1 系統(tǒng)環(huán)境要求
        7.4.2 系統(tǒng)整體架構(gòu)
        7.4.3 系統(tǒng)主要功能模塊
        7.4.4 系統(tǒng)運(yùn)行結(jié)果查看
    7.5 本章小結(jié)
第八章 主要結(jié)論與展望
    8.1 主要結(jié)論
    8.2 未來(lái)工作展望
致謝
參考文獻(xiàn)
附錄:作者在攻讀博士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于極限調(diào)度完工時(shí)間最小化的機(jī)器選擇及FJSP求解[J]. 趙詩(shī)奎,方水良,顧新建.  計(jì)算機(jī)集成制造系統(tǒng). 2014(04)
[2]基于梯形模糊語(yǔ)言變量的多屬性決策方法(英文)[J]. 梁雪春,陳森發(fā).  Journal of Southeast University（English Edition）. 2008(04)
[3]不確定多屬性決策的單目標(biāo)最優(yōu)化模型[J]. 達(dá)慶利,徐澤水.  系統(tǒng)工程學(xué)報(bào). 2002(01)

博士論文
[1]離散制造企業(yè)批量生產(chǎn)車(chē)間調(diào)度智能優(yōu)化研究[D]. 曾強(qiáng).重慶大學(xué) 2010



本文編號(hào)：3118580