本文關(guān)鍵詞：基于改進(jìn)蟻群算法的柔性車間調(diào)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：柔性作業(yè)車間調(diào)度問題(Flexible Job Shop Scheduling Problem, FJSP)是傳統(tǒng)作業(yè)車間調(diào)度問題(Job Shop Scheduling Problem, JSP)的擴展,它假定一個工序可以在多臺機器上加工,它不僅需要確定工序的加工順序,還要給每個工序分配機器,但其更加符合實際的生產(chǎn)環(huán)境。盡管FJSP減少了機器約束,但是其增加了機器的不確定性,擴大了可行解的搜索范圍,是一類更為復(fù)雜的NP-hard問題,所以對它的研究具有重要的理論價值和應(yīng)用意義。本文的研究就是圍繞柔性作業(yè)車間調(diào)度問題展開的,主要工作如下：首先,對柔性作業(yè)車間調(diào)度問題國內(nèi)外研究現(xiàn)狀進(jìn)行了綜述,分析了基本蟻群算法求解柔性作業(yè)車間調(diào)度問題存在的不足,進(jìn)一步提出了本文的研究思路。其次,充分考慮生產(chǎn)成本,交貨期,完工時間等目標(biāo),構(gòu)建了FJSP的多目標(biāo)調(diào)度模型。再次,提出一種改進(jìn)的蟻群算法求解FJSP。首先將改進(jìn)的蟻群算法應(yīng)用于靜態(tài)柔性作業(yè)車間調(diào)度問題,進(jìn)一步對動態(tài)環(huán)境下的柔性作業(yè)車間調(diào)度問題進(jìn)行研究。針對FJSP的特點,本文提出了一種新的機器選擇策略,從而擴大了機器選擇空間。本文提出的一種改進(jìn)蟻群算法,改進(jìn)之處主要體現(xiàn)在以下幾個方面：(1)采用了一種均勻分布螞蟻初始位置的初始化機制,并且螞蟻在開始搜索階段不按照信息素引導(dǎo)機制選擇路徑,只有當(dāng)信息素超過某個值的時候,才允許按照信息素引導(dǎo)方式尋找最優(yōu)路徑；(2)采用一種新的先驗知識選擇路徑、概率搜索和隨機搜索三種方式相結(jié)合的節(jié)點選擇方法,并排除轉(zhuǎn)移概率不合理的路徑；(3)對信息素的更新方式進(jìn)行了改進(jìn)。當(dāng)蟻群算法陷入局部最優(yōu)的時候,采取強制破壞路徑上的信息素的方式來打破蟻群算法陷入局部最優(yōu)的狀態(tài)。與此同時,若一條路徑上面的信息素超過所有路徑上面信息素總量的90%時,對信息素進(jìn)行初始化的操作；(4)在構(gòu)建解的過程中,當(dāng)螞蟻目前已經(jīng)搜索到的解大于目前發(fā)現(xiàn)的全局最優(yōu)解,則提前退出該螞蟻的遍歷。改進(jìn)的蟻群算法能夠進(jìn)一步加快蟻群算法的收斂速度和提高全局搜索的能力。通過多個仿真實驗案例,并將計算結(jié)果與文獻(xiàn)中其他算法進(jìn)行比較,驗證所提出改進(jìn)算法的可行性和有效性。最后,根據(jù)企業(yè)的生產(chǎn)需求,開發(fā)了柔性作業(yè)車間調(diào)度系統(tǒng)平臺。
【關(guān)鍵詞】：改進(jìn)的蟻群算法 柔性作業(yè)車間調(diào)度問題 靜態(tài)調(diào)度 動態(tài)調(diào)度 多目標(biāo)調(diào)度 系統(tǒng)開發(fā)
【學(xué)位授予單位】：安徽工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TB497;TP18
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第1章 緒論13-20
• 1.1 課題來源13
• 1.2 課題的研究背景和意義13-15
• 1.2.1 研究背景13-14
• 1.2.2 研究意義14-15
• 1.3 柔性作業(yè)車間調(diào)度問題國內(nèi)外研究現(xiàn)狀15-17
• 1.4 現(xiàn)狀總結(jié)及問題分析17-18
• 1.5 論文研究內(nèi)容及章節(jié)安排18-20
• 第2章 柔性作業(yè)車間調(diào)度問題研究20-26
• 2.1 柔性作業(yè)車間調(diào)度問題(FJSP)描述與分類20-22
• 2.1.1 FJSP描述20-21
• 2.1.2 FJSP分類21-22
• 2.2 柔性作業(yè)車間調(diào)度問題的數(shù)學(xué)模型22-25
• 2.2.1 定義FJSP的數(shù)學(xué)符號22-23
• 2.2.2 FJSP的約束條件23-24
• 2.2.3 FJSP常用的性能評價指標(biāo)24-25
• 2.3 本章小結(jié)25-26
• 第3章 蟻群算法基本理論及改進(jìn)的蟻群算法研究26-45
• 3.1 蟻群算法基本理論26-34
• 3.1.1 基本蟻群算法的原理26-27
• 3.1.2 基本蟻群算法求解TSP的描述及核心問題分析27-30
• 3.1.3 基本蟻群算法的流程及關(guān)鍵點30-32
• 3.1.4 蟻群算法的優(yōu)缺點分析及常見的幾種改進(jìn)策略總結(jié)32-34
• 3.2 蟻群算法改進(jìn)方法34-44
• 3.2.1 蟻群覓食和車間調(diào)度問題兩種模型的關(guān)系34-35
• 3.2.2 蟻群算法求解FJSP改進(jìn)思路35-39
• 3.2.3 基于改進(jìn)的蟻群算法求解FJSP實現(xiàn)步驟及流程39-43
• 3.2.4 基于改進(jìn)的蟻群算法求解FJSP的總體技術(shù)框架43-44
• 3.3 本章小結(jié)44-45
• 第4章 基于改進(jìn)蟻群算法的靜態(tài)柔性作業(yè)車間調(diào)度研究45-76
• 4.1 單目標(biāo)靜態(tài)FJSP研究45-70
• 4.1.1 單目標(biāo)靜態(tài)FJSP問題描述及模型的構(gòu)建45-46
• 4.1.2 基于改進(jìn)蟻群算法求解單目標(biāo)靜態(tài)FJSP實驗及結(jié)果分析46-59
• 4.1.3 企業(yè)案例及其實驗59-70
• 4.2 多目標(biāo)靜態(tài)FJSP研究70-75
• 4.2.1 多目標(biāo)靜態(tài)FJSP問題描述70-71
• 4.2.2 多目標(biāo)靜態(tài)FJSP的研究方法及模型的構(gòu)建71-72
• 4.2.3 多目標(biāo)靜態(tài)FJSP實驗及結(jié)果分析72-75
• 4.3 本章小結(jié)75-76
• 第5章 基于改進(jìn)蟻群算法的動態(tài)柔性作業(yè)車間調(diào)度研究76-89
• 5.1 動態(tài)柔性作業(yè)車間調(diào)度問題描述76
• 5.2 常見的動態(tài)事件總結(jié)76-77
• 5.3 動態(tài)調(diào)度問題需要解決的核心問題及研究方法77-79
• 5.3.1 動態(tài)調(diào)度問題需要解決的核心問題77
• 5.3.2 動態(tài)調(diào)度問題的研究方法77-79
• 5.4 基于改進(jìn)蟻群算法的動態(tài)FJSP求解策略及仿真平臺開發(fā)79-83
• 5.4.1 基于改進(jìn)蟻群算法的動態(tài)FJSP求解策略79-81
• 5.4.2 動態(tài)FJSP仿真平臺開發(fā)81-83
• 5.5 基于改進(jìn)蟻群算法的動態(tài)FJSP實驗及結(jié)果分析83-88
• 5.5.1 實驗數(shù)據(jù)及原始調(diào)度方案83-85
• 5.5.2 實驗一：緊急工件加入85-86
• 5.5.3 實驗二：機器發(fā)生故障86-87
• 5.5.4 實驗三：工件發(fā)生報廢87-88
• 5.5.5 實驗結(jié)果分析88
• 5.6 本章小結(jié)88-89
• 第6章 柔性作業(yè)車間調(diào)度系統(tǒng)的開發(fā)89-106
• 6.1 企業(yè)生產(chǎn)的特點與總體技術(shù)方案89-91
• 6.1.1 企業(yè)生產(chǎn)流程89
• 6.1.2 企業(yè)生產(chǎn)的性能指標(biāo)89-90
• 6.1.3 企業(yè)生產(chǎn)的總體技術(shù)方案90-91
• 6.2 柔性作業(yè)車間調(diào)度系統(tǒng)總體方案設(shè)計91-92
• 6.2.1 柔性作業(yè)車間調(diào)度系統(tǒng)的功能需求分析91-92
• 6.2.2 柔性作業(yè)車間調(diào)度系統(tǒng)開發(fā)環(huán)境及工具92
• 6.3 柔性作業(yè)車間調(diào)度系統(tǒng)詳細(xì)設(shè)計與實現(xiàn)92-105
• 6.3.1 系統(tǒng)登錄模塊92-93
• 6.3.2 基礎(chǔ)信息管理模塊93-95
• 6.3.3 生產(chǎn)信息管理模塊95-98
• 6.3.4 庫存信息管理模塊98-100
• 6.3.5 現(xiàn)場信息采集模塊100-102
• 6.3.6 靜態(tài)柔性作業(yè)車間調(diào)度模塊102-104
• 6.3.7 動態(tài)柔性作業(yè)車間調(diào)度模塊104-105
• 6.3.8 系統(tǒng)使用幫助模塊和退出系統(tǒng)105
• 6.4 本章小結(jié)105-106
• 第7章 總結(jié)與展望106-109
• 7.1 全文總結(jié)106-107
• 7.2 工作展望107-109
• 參考文獻(xiàn)109-114
• 致謝114-115
• 碩士學(xué)習(xí)期間獲得的科研成果115

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張麗芳;;3種聚類算法性能比較分析[J];長江大學(xué)學(xué)報(自然科學(xué)版)理工卷;2009年02期

2 張宏哲;;FFT算法的一種改進(jìn)[J];長安大學(xué)學(xué)報(自然科學(xué)版);1988年01期

3 江少鋒,楊素華;一種簡單高效的圖象縮小算法[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2003年04期

4 蔡濤,王潤生;分開合并算法的若干討論和改進(jìn)[J];國防科技大學(xué)學(xué)報;2000年04期

5 樊祥;方義強;程正東;朱斌;施展;;基于AHP的跟蹤算法性能評價研究[J];彈箭與制導(dǎo)學(xué)報;2013年02期

6 秦緒紅;趙杰;程俊廷;;手持式三維激光掃描儀定位算法的研究[J];科學(xué)技術(shù)與工程;2013年23期

7 武志昊;林友芳;田盛豐;唐銳;;高度重疊社區(qū)的社區(qū)合并優(yōu)化算法[J];北京交通大學(xué)學(xué)報;2011年03期

8 唐偉;;基于軟件實現(xiàn)的誤差算法自動分析處理[J];硅谷;2012年16期

9 范曉平;;最小生成樹(MST)的“分級選樹”算法[J];西南交通大學(xué)學(xué)報;1983年01期

10 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術(shù);1998年09期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進(jìn)[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識別方法和智能建模研究[D];江南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進(jìn);面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 葉一舟;紅外弱小目標(biāo)檢測算法研究[D];上海交通大學(xué);2015年

4 王繼重;基于Hadoop和Mahout的K-Means算法設(shè)計與實現(xiàn)[D];大連海事大學(xué);2016年

5 何靜;遙感圖像的快速壓縮算法研究[D];北京交通大學(xué);2016年

6 章華燕;鋼軌擦傷檢測算法研究[D];北京交通大學(xué);2016年

7 王一博;MODIS地震熱異常的數(shù)據(jù)處理與算法研究[D];中國石油大學(xué)(華東);2014年

8 成鑫;基于組合優(yōu)化問題的多目標(biāo)模因算法的研究[D];南京航空航天大學(xué);2015年

9 傅致暉;基于協(xié)同分割的視頻目標(biāo)分割算法研究[D];上海交通大學(xué);2015年

10 張媛;運動車輛檢測與跟蹤算法的研究與實現(xiàn)[D];大連海事大學(xué);2016年

  本文關(guān)鍵詞：基于改進(jìn)蟻群算法的柔性車間調(diào)度研究，，由筆耕文化傳播整理發(fā)布。

本文編號：445653