調(diào)度問題主要研究資源的分配問題,針對(duì)不同的任務(wù),制定相應(yīng)的優(yōu)化目標(biāo),最后找到最優(yōu)或者近似最優(yōu)的解決方案。調(diào)度問題廣泛的存在于社會(huì)生產(chǎn)生活中,尤其是各類制造企業(yè)中。精心設(shè)計(jì)的生產(chǎn)調(diào)度方案有助于提高生產(chǎn)效率,幫助企業(yè)在激烈的市場(chǎng)競(jìng)爭(zhēng)中占據(jù)主動(dòng)位置。從調(diào)度問題的解決方法來看,傳統(tǒng)的運(yùn)籌學(xué)算法和啟發(fā)式規(guī)則在求解大規(guī)模調(diào)度問題時(shí)都面臨很大的困難,它們對(duì)問題的約束條件要求很高,而且有時(shí)也很難獲得令人滿意的解決方案。群智能優(yōu)化算法是近年來受到廣泛關(guān)注的一種元啟發(fā)式算法,應(yīng)用其求解調(diào)度問題時(shí),一般不需要很強(qiáng)的約束條件就可以建立一個(gè)較好的模型,從而獲得令人滿意的調(diào)度解。群智能優(yōu)化算法為解決調(diào)度問題提供了一種新的有效的方法。本論文以流水車間調(diào)度問題與群智能優(yōu)化算法為研究對(duì)象,在對(duì)調(diào)度問題進(jìn)行深入研究分析的基礎(chǔ)上,提出了幾種改進(jìn)的群智能優(yōu)化算法來進(jìn)行求解。論文的主要研究?jī)?nèi)容如下:針對(duì)置換流水車間調(diào)度問題（PFSP）,提出了一種混合蟻群算法（HACO）來進(jìn)行求解。HACO算法對(duì)蟻群算法進(jìn)行了多種有效的改進(jìn),在初始化階段使用Rajendran算法進(jìn)行種群初始化,保證了初始種群的質(zhì)量;在狀態(tài)轉(zhuǎn)換階段,使用了基于短作...

【文章頁(yè)數(shù)】：157 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 生產(chǎn)調(diào)度問題
        1.2.1 生產(chǎn)調(diào)度問題描述
        1.2.2 生產(chǎn)調(diào)度問題分類
        1.2.3 流水車間調(diào)度問題
    1.3 生產(chǎn)調(diào)度問題研究方法
        1.3.1 傳統(tǒng)的運(yùn)籌學(xué)方法
        1.3.2 啟發(fā)式規(guī)則方法
        1.3.3 群智能優(yōu)化算法求解方法
    1.4 本文主要工作與創(chuàng)新點(diǎn)
    1.5 論文組織結(jié)構(gòu)
第2章 相關(guān)算法綜述
    2.1 引言
    2.2 蟻群優(yōu)化算法
        2.2.1 螞蟻覓食行為
        2.2.2 蟻群優(yōu)化算法模型
        2.2.3 蟻群算法的特點(diǎn)
        2.2.4 蟻群算法的改進(jìn)
        2.2.5 蟻群算法的理論性研究
        2.2.6 蟻群算法的應(yīng)用
    2.3 生物地理學(xué)優(yōu)化算法
        2.3.1 生物地理學(xué)模型
        2.3.2 生物地理學(xué)算法基本原理
        2.3.3 生物地理學(xué)優(yōu)化算法與其他元啟發(fā)算法比較
        2.3.4 生物地理學(xué)算法的遷徙模型的改進(jìn)
        2.3.5 生物地理學(xué)算法變異模型的分析
        2.3.6 算法變種
        2.3.7 生物地理學(xué)算法的應(yīng)用
    2.4 本章小結(jié)
第3章 混合蟻群算法求解置換流水車間調(diào)度問題
    3.1 引言
    3.2 最小化最大完工時(shí)間的置換流水車間調(diào)度問題
    3.3 混合蟻群算法(HACO)求解置換流水車間調(diào)度問題
        3.3.1 種群初始化
        3.3.2 狀態(tài)轉(zhuǎn)換策略
        3.3.3 信息素更新
        3.3.4 局部搜索算法
        3.3.5 模擬退火算法
        3.3.6 種群重新初始化
    3.4 HACO算法步驟
    3.5 仿真實(shí)驗(yàn)與分析
        3.5.1 仿真實(shí)驗(yàn)環(huán)境
        3.5.2 算法參數(shù)設(shè)置
        3.5.3 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第4章 動(dòng)態(tài)多種群蟻群算法求解阻塞流水車間調(diào)度問題
    4.1 引言
    4.2 阻塞流水車間調(diào)度問題描述
    4.3 基于種間競(jìng)爭(zhēng)的協(xié)同進(jìn)化算法
        4.3.1 種群增長(zhǎng)與競(jìng)爭(zhēng)數(shù)學(xué)模型
    4.4 動(dòng)態(tài)多種群蟻群算法(DMACO)
        4.4.1 DMACO算法工作原理
        4.4.2 精英種群
        4.4.3 搜索種群
        4.4.4 變異種群
    4.5 DMACO算法求解阻塞流水車間調(diào)度問題的基本步驟如下所示：
    4.6 仿真實(shí)驗(yàn)與分析
        4.6.1 仿真實(shí)驗(yàn)環(huán)境
        4.6.2 實(shí)驗(yàn)結(jié)果分析
    4.7 本章小結(jié)
第5章 改進(jìn)的生物地理學(xué)優(yōu)化算法求解阻塞流水車間調(diào)度問題
    5.1 引言
    5.2 改進(jìn)的生物地理學(xué)算法求解阻塞流水車間調(diào)度問題
        5.2.1 問題編碼與初始化
        5.2.2 對(duì)棲息地按照HSI值排序
        5.2.3 精英策略
        5.2.4 遷徙操作
        5.2.5 變異操作
        5.2.6 基于插入鄰域的局部搜索算法
        5.2.7 IBBO算法流程
    5.3 仿真實(shí)驗(yàn)與分析
        5.3.1 仿真實(shí)驗(yàn)環(huán)境
        5.3.2 算法參數(shù)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第6章 離散化生物地理學(xué)算法求解中間存儲(chǔ)有限流水車間調(diào)度問題
    6.1 引言
    6.2 最小化總流水時(shí)間的中間存儲(chǔ)有限流水車間調(diào)度問題
    6.3 求解中間存儲(chǔ)有限流水車間調(diào)度問題一種離散化生物地理學(xué)優(yōu)化算法
        6.3.1 問題編碼
        6.3.2 問題初始化
        6.3.3 遷徙操作
        6.3.4 變異操作
        6.3.5 基于插入(insert)與交換(swap)交替進(jìn)行的新型局部搜索算法
        6.3.6 DBBO算法流程
    6.4 仿真實(shí)驗(yàn)與分析
        6.4.1 仿真實(shí)驗(yàn)環(huán)境
        6.4.2 算法參數(shù)設(shè)置
        6.4.3 實(shí)驗(yàn)結(jié)果與分析
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 本文工作總結(jié)
    7.2 工作展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝



本文編號(hào)：4043865