在全球經(jīng)濟(jì)高度一體化今天,企業(yè)之間的競(jìng)爭(zhēng)從國(guó)內(nèi)轉(zhuǎn)向國(guó)際,從產(chǎn)品質(zhì)量、生產(chǎn)效率到綜合能力及產(chǎn)品個(gè)性化服務(wù)的競(jìng)爭(zhēng)。為順應(yīng)市場(chǎng)變化,企業(yè)除了不斷開(kāi)發(fā)新產(chǎn)品來(lái)滿足市場(chǎng)需要外,要適時(shí)根據(jù)市場(chǎng)變化來(lái)調(diào)節(jié)生產(chǎn)規(guī)模、產(chǎn)品品種,即小批量、多品類、多批次切換生產(chǎn)將成為制造業(yè)的主流生產(chǎn)模式。如何挖掘內(nèi)部潛能,提高生產(chǎn)調(diào)度的工作效率是一項(xiàng)非常重要的任務(wù)。在實(shí)際生產(chǎn)實(shí)踐中,車(chē)間中的動(dòng)態(tài)因素較多,這就使得車(chē)間調(diào)度問(wèn)題較為復(fù)雜,至今還未找到一種具有普適性的調(diào)度策略。目前學(xué)界已經(jīng)有了不少針對(duì)生產(chǎn)調(diào)度技術(shù)的理論研究,不少是相當(dāng)有價(jià)值的研究,但總體上存在深入不夠、適用性不強(qiáng)等不足。為此,本文對(duì)NSGA-Ⅱ（Non-dominated Sorting Genetic AlgorithmⅡ,非支配排序遺傳算法Ⅱ）算法做了改進(jìn),并將其應(yīng)用于流水車(chē)間調(diào)度問(wèn)題、混合流水車(chē)間調(diào)度問(wèn)題、作業(yè)車(chē)間調(diào)度問(wèn)題優(yōu)化研究。首先本文對(duì)國(guó)內(nèi)外車(chē)間調(diào)度問(wèn)題的研究現(xiàn)狀進(jìn)行了簡(jiǎn)單的介紹,并闡述了NSGA-Ⅱ算法的基本原理和多目標(biāo)優(yōu)化中的常見(jiàn)概念。經(jīng)過(guò)分析發(fā)現(xiàn)一般的NSGA-Ⅱ算法在解決車(chē)間調(diào)度問(wèn)題時(shí)存在著易早熟和難收斂的特性。針對(duì)這類問(wèn)題提出了一種帶有自... 

【文章來(lái)源】：福州大學(xué)福建省 211工程院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－３改進(jìn)后的帶有自適應(yīng)參數(shù)的ＮＳＧＡ－ＩＩ算法得出解的甘特圖??

??應(yīng)的目標(biāo)值為７０５７，得到的甘特圖如圖３－２所示。圖３－２中表達(dá)的意思是，先加工第８?jìng)�(gè)??工件，然后是第４個(gè)，以此類推，直到最后一個(gè)工件全部完成。??戶?／????ＨＩ?４?１?１?］?５?Ｉ?６?１?１１?［９ｊ?７?ｊ?１０?１?ｇ??Ｍ￡?司?Ｉ?３?＼Ｓ＼?１?１１?１?＾?１７１?１?ｌ〇?１??Ｍ３?［ｊ］?ｐ?｜ｉ｜?５?｜３｜?６?｜?１１?｜?９?｜?７?｜?同?｜?ｇ??Ｍ４?ｆｆＴｌ?｜５ｊ?３?［?［￣ｇ￣｜?［?ｉｌ?｜９ｊ?１?７?）ｌ〇ｌ?ｆｌＴｊ??Ｍ５?｜８￣｜?４?ｉ?１?｜?５?Ｉ￣３￣￣｜６ｊ?ｌｉ?ｊ?９?｜?７?｜ｉ０｜?ｆＴ??＿＿＿?，＿＿?＿＿?＼??７０５７??圖３－２ＮＳＧＡ－ＩＩ算法得出解的甘特圖??經(jīng)過(guò)運(yùn)算得出，改進(jìn)后的帶有自適應(yīng)參數(shù)的ＮＳＧＡ－ＩＩ算法得到的是理論最優(yōu)解７０３８，??其中對(duì)應(yīng)最優(yōu)值的解并不唯一，其他的解如表３－３所示。依據(jù)得到的染色體，得到的調(diào)度??表現(xiàn)為甘特圖，體現(xiàn)在圖３－３中，最大完成時(shí)間為７０３８。圖中數(shù)字的含義與上述甘特圖３－２??相同。???表３－３最佳染色體???染色體?最優(yōu)解為７０３８的染色體??１?８１５３?１１?９７２?１０?６４???２８３５９４?１１?２?１０?１７６???３８５１３?１１?７４９６２?１０??Ｌ＿＿￣ｒ—ｎ?????ＭＩ?１?５?１１?Ｉ?９?７?２?｜?１０?６?４??，１?

代得到在不同加工階段上的排產(chǎn)序列，進(jìn)而將得到的排序放在并行機(jī)上分配運(yùn)行。例如，??如果兩個(gè)父代個(gè)體為［３?４?１／５?２?６／／４?２／１?３／６?５］和［４?３／２?１?６?５／／２?１／３?５／４?６］，交叉工序?yàn)椋�，具體??交叉過(guò)程如圖３－５所示，對(duì)其操作流程介紹如下：??步驟１：在進(jìn)行交叉操作的基因上隨機(jī)的選取要進(jìn)行交叉操作的階段，在本例中，選??取交叉階段為２，并選取交叉片段的位置３和５。那么此時(shí)選出父染色體１的子段為子段??１?［４?２／１?３／６?５］和子段?２［２?１／３?５／４?６］。??步驟２：對(duì)子段１個(gè)體做交叉操作。先將子段１中與［３?５?４］相同的數(shù)字變?yōu)椋�，并將�??余數(shù)字推向兩邊。然后把［３?５?４］填補(bǔ)上變?yōu)椋暗奈恢�；�?duì)子段２也做相同的操作。??步驟３：用交叉好的階段２染色體子段替換原父代染色體的階段２的子段，那么此時(shí)??得到了子染色體１和子染色體２

【參考文獻(xiàn)】：
期刊論文
[1]基于NSGA-II的多目標(biāo)流水車(chē)間調(diào)度問(wèn)題研究[J]. 張偉,曾思通.  機(jī)電技術(shù). 2017(06)
[2]基于灰狼優(yōu)化算法的低碳車(chē)間調(diào)度問(wèn)題[J]. 姜天華.  計(jì)算機(jī)集成制造系統(tǒng). 2018(10)
[3]基于改進(jìn)遺傳算法的多目標(biāo)柔性作業(yè)車(chē)間節(jié)能調(diào)度問(wèn)題[J]. 王雷,蔡勁草,石鑫.  南京理工大學(xué)學(xué)報(bào). 2017(04)
[4]基于NSGA-II的煉鋼-連鑄調(diào)度多目標(biāo)優(yōu)化[J]. 朱朝月.  數(shù)字技術(shù)與應(yīng)用. 2016(08)
[5]基于混合蟻群算法的車(chē)間作業(yè)優(yōu)化調(diào)度[J]. 鞠濤,朱曉春,周杰.  南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2016(02)
[6]基于并行NSGA-II算法的精鑄生產(chǎn)線產(chǎn)能研究[J]. 羅巍,王穎慧.  機(jī)械科學(xué)與技術(shù). 2015(05)
[7]進(jìn)港飛機(jī)調(diào)度多目標(biāo)優(yōu)化問(wèn)題的改進(jìn)NSGA-II算法[J]. 馮翔,楊紅雨.  電子科技大學(xué)學(xué)報(bào). 2014(01)
[8]基于NSGA-II算法的高強(qiáng)模具鋼切削參數(shù)優(yōu)化方法[J]. 付濤,劉偉軍,趙吉賓.  機(jī)械工程材料. 2013(12)
[9]基于混合蛙跳算法的作業(yè)車(chē)間調(diào)度優(yōu)化[J]. 蔡良偉,李霞.  深圳大學(xué)學(xué)報(bào)(理工版). 2010(04)
[10]蜂群算法在作業(yè)車(chē)間調(diào)度問(wèn)題中的應(yīng)用[J]. 姚寶珍,楊成永,于艷玲,張磊.  物流技術(shù). 2010(12)

碩士論文
[1]基于改進(jìn)遺傳算法的車(chē)間調(diào)度問(wèn)題研究與應(yīng)用[D]. 陳振同.大連理工大學(xué) 2007
[2]基于遺傳算法的車(chē)間調(diào)度優(yōu)化及其仿真[D]. 何燕.武漢理工大學(xué) 2006
[3]基于遺傳算法的車(chē)間調(diào)度方法及其應(yīng)用[D]. 吳云高.浙江工業(yè)大學(xué) 2002



本文編號(hào)：3499142