本文關(guān)鍵詞：生產(chǎn)調(diào)度問題的BMO混合算法研究

  更多相關(guān)文章： BMO 流水車間調(diào)度 遺傳進化 SOA 柔性分層次車間調(diào)度

【摘要】：由于其簡單性和靈活性,進化算法在解決復(fù)雜問題方面得到了很大的應(yīng)用.如解決科學和工程問題,并在人工計算系統(tǒng)解決復(fù)雜計算問題方面取得了巨大的成功.一種進化算法就是一個基于種群的元啟發(fā)式優(yōu)化方法,這種方法試圖模擬一些生物進化的機制.雖然進化算法會有不同之處,但所有這些進化算法解決問題的技術(shù)的基本思想是相同的.本文提出一種新型的進化算法,BMO(Bird Mating Optimizer).BMO是一種受到鳥在交配季節(jié)的交配策略的啟發(fā)的優(yōu)化算法,即BMO模擬鳥類繁殖帶有優(yōu)良基因的子代的行為,從而設(shè)計出最佳搜索技術(shù).因BMO是近年來提出的一種新的算法,尚不成熟.所以本文在對BMO算法的可調(diào)參數(shù)設(shè)置方面進行研究,并用23組基準測試函數(shù)對其進行測試.通過與其他算法比較,驗證了BMO算法具有良好的性能,且設(shè)置的參數(shù)是科學的,有效的.針對流水車間多目標調(diào)度優(yōu)化問題,結(jié)合遺傳進化理論及突變因素分析方法提出一種BMO混合算法.利用遺傳進化和突變因素計算適應(yīng)度值,提高了算法的搜索性能.該方法是把多個調(diào)度工序的集合作為鳥群,通過模擬鳥群交配繁殖帶有優(yōu)良基因的子代的優(yōu)化過程來解決三目標流水車間調(diào)度問題.最后采用車間調(diào)度測試案例在MATLAB平臺上進行實驗,可以得到分布均勻的Pareto解,驗證了所提出算法得到的解好于其他算法的解.針對柔性分層次車間調(diào)度,提出一種融合SOA(Surrogate Optimization Algorithm)的BMO混合算法的柔性分層次車間調(diào)度優(yōu)化問題.通過結(jié)合SOA中解決離散型優(yōu)化問題的原則和BMO中由四種策略產(chǎn)生子代的交配原則,保證了該方法的多樣性并避免了過早收斂.通過以3個柔性多車間的調(diào)度優(yōu)化問題為例給出甘特圖,驗證了該方法的有效性和可行性.實驗結(jié)果表明:該方法能夠很好的分配工件的加工車間,并能合理的規(guī)劃工件的加工路徑.
【關(guān)鍵詞】：BMO 流水車間調(diào)度 遺傳進化 SOA 柔性分層次車間調(diào)度
【學位授予單位】：北方民族大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TB497
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-17
• 1.1 課題的研究背景和意義8-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-16
• 1.3 本文的研究內(nèi)容和創(chuàng)新之處16-17
• 第二章 BMO算法的參數(shù)設(shè)置17-29
• 2.1 引言17
• 2.2 BMO算法的描述17-19
• 2.3 BMO算法的步驟與流程19-20
• 2.4 BMO算法的參數(shù)設(shè)置20-22
• 2.5 實例分析22-28
• 2.6 本章小結(jié)28-29
• 第三章 融合GA的BMO混合算法的流水車間調(diào)度研究29-35
• 3.1 引言29
• 3.2 融合GA的BMO混合算法29-30
• 3.3 車間調(diào)度模型30-31
• 3.4 融合GA的BMO混合算法的多目標車間調(diào)度31
• 3.5 仿真測試31-34
• 3.6 本章小結(jié)34-35
• 第四章 融合SOA的BMO混合算法的柔性多車間調(diào)度研究35-45
• 4.1 引言35-36
• 4.2 SOA36-38
• 4.3 融合SOA的BMO混合算法的多車間調(diào)度模型38
• 4.4 融合SOA的BMO混合算法的柔性多車間調(diào)度38-41
• 4.5 算例分析41-43
• 4.6 本章小結(jié)43-45
• 第五章 研究工作總結(jié)與展望45-46
• 5.1 研究工作的總結(jié)45
• 5.2 未來的工作展望45-46
• 參考文獻46-50
• 附錄50-51
• 致謝51-52
• 攻讀碩士期間撰寫的論文、參與的項目及作者簡介52
• 一、碩士期間撰寫的論文52
• 二、在校期間參與的科研項目52
• 三、作者簡介52

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 朱光宇;陳旭斌;劉艷立;;基于灰熵關(guān)聯(lián)分析的流水車間多目標調(diào)度優(yōu)化及算法實現(xiàn)[J];控制與決策;2014年01期

2 王柏琳;李鐵克;孫彬;;基于TSP方法求解等待時間受限的置換流水車間調(diào)度[J];控制與決策;2012年05期

3 黃英杰;姚錫凡;;基于目標級聯(lián)法和粒子群算法的柔性分布式車間調(diào)度[J];中南大學學報(自然科學版);2012年01期

4 金鋒;吳澄;;大規(guī)模生產(chǎn)調(diào)度問題的研究現(xiàn)狀與展望[J];計算機集成制造系統(tǒng);2006年02期

5 徐俊剛,戴國忠,王宏安;生產(chǎn)調(diào)度理論和方法研究綜述[J];計算機研究與發(fā)展;2004年02期

，

本文編號：571984