本文關(guān)鍵詞：蟻群算法及其在分布式柔性作業(yè)車間調(diào)度中的應(yīng)用

  更多相關(guān)文章： 分布式柔性生產(chǎn) 蟻群算法 聚類技術(shù) 混沌 信息素矩陣

【摘要】：隨著經(jīng)濟全球化進程的加快和市場競爭的日益加劇,我國制造業(yè)正陷入前所未有的困境。在制造業(yè)轉(zhuǎn)型過程中,越來越多的企業(yè)已認識到分布式柔性生產(chǎn)這種多車間相互協(xié)作生產(chǎn)模式的重要性。由于分散在各地車間的技術(shù)水平、物料資源以及設(shè)備性能的差異性,現(xiàn)有的生產(chǎn)調(diào)度機制很難產(chǎn)生理想的效果。因此,本文提出一種新穎的基于參數(shù)控制的改進蟻群算法,來優(yōu)化分布式柔性生產(chǎn)調(diào)度。作為一種智能優(yōu)化算法,蟻群算法的性能對參數(shù)具有很強的依賴性。傳統(tǒng)蟻群算法在參數(shù)值的選取上多采用固定值,算法易陷入局部最優(yōu),收斂速度較慢,影響了算法的性能。本文首先介紹蟻群算法的原理及模型,分析算法關(guān)鍵參數(shù)信息啟發(fā)因子α、期望啟發(fā)因子β以及信息素揮發(fā)系數(shù)ρ對算法性能的影響。在此基礎(chǔ)上,提出兩階段參數(shù)自適應(yīng)動態(tài)調(diào)整的改進蟻群算法,在運用TSP問題驗證有效性后,將其用于求解分布式柔性作業(yè)車間調(diào)度問題。本文研究成果主要有以下幾個方面：(1)將兩階段參數(shù)控制蟻群算法運用到分布式柔性作業(yè)車間調(diào)度問題中,針對問題特性,引入雙信息素矩陣設(shè)計思路。(2)在第一階段,依據(jù)前人的蟻群算法在不同狀態(tài)下對參數(shù)取值要求不同的理論成果,算法通過混合蛙跳算法與K-means相結(jié)合的聚類技術(shù)判斷蟻群所處的狀態(tài),并對各狀態(tài)下蟻群的參數(shù)進行自適應(yīng)調(diào)整。(3)在第二階段,針對蟻群算法單純依靠狀態(tài)調(diào)參使算法復(fù)雜度增加等問題,算法將混沌理論運用到參數(shù)自適應(yīng)調(diào)整過程中。通過混沌理論的遍歷性對參數(shù)進行混沌擾動,使算法跳出局部最優(yōu)。本文的研究成果,不僅較好地解決了分布式柔性作業(yè)車間調(diào)度問題,也為群智能算法的改進提供了新的思路,對群智能算法的理論研究和推廣具有重要的積極意義。
【關(guān)鍵詞】：分布式柔性生產(chǎn) 蟻群算法 聚類技術(shù) 混沌 信息素矩陣
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TB497
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-22
• 1.1 研究的背景及意義15-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-20
• 1.2.1 柔性作業(yè)車間調(diào)度問題研究現(xiàn)狀17-18
• 1.2.2 分布式車間調(diào)度問題研究現(xiàn)狀18
• 1.2.3 分布式柔性作業(yè)車間調(diào)度問題研究現(xiàn)狀18-19
• 1.2.4 蟻群算法研究現(xiàn)狀19-20
• 1.3 本文研究內(nèi)容20-21
• 1.4 組織結(jié)構(gòu)21-22
• 第二章 蟻群算法原理及分析22-27
• 2.1 蟻群算法原理22-24
• 2.2 蟻群算法模型24-25
• 2.3 蟻群算法參數(shù)分析25-26
• 2.4 本章小結(jié)26-27
• 第三章 基于混合蛙跳與K-means結(jié)合聚類的改進蟻群算法27-47
• 3.1 混合蛙跳算法27-33
• 3.1.1 混合蛙跳算法原理27-28
• 3.1.2 SFLA模型28-29
• 3.1.3 SFLA算法步驟29-33
• 3.2 K-means算法33-36
• 3.2.1 K-means算法思想33-34
• 3.2.2 K-means算法流程34-35
• 3.2.3 K-means缺點分析35-36
• 3.3 SFLA與K-means算法相結(jié)合的聚類36-39
• 3.3.1 SFLA與K-means相結(jié)合主要思想36-38
• 3.3.2 聚類準(zhǔn)確性實驗38-39
• 3.4 兩階段參數(shù)控制蟻群算法39-42
• 3.4.1 聚類技術(shù)對參數(shù)的調(diào)整40-41
• 3.4.2 混沌理論對參數(shù)的調(diào)整41-42
• 3.5 改進蟻群算法在TSP問題的應(yīng)用42-46
• 3.5.1 輪盤賭選擇43
• 3.5.2 仿真實驗43-46
• 3.6 本章小結(jié)46-47
• 第四章 改進蟻群算法在分布式柔性作業(yè)車間調(diào)度中的應(yīng)用47-61
• 4.1 引言47
• 4.2 分布式柔性作業(yè)車間調(diào)度問題47-52
• 4.2.1 DFJS問題描述47-48
• 4.2.2 DFJS問題的特征48-49
• 4.2.3 DFJS問題的難點49
• 4.2.4 DFJS問題模型49-52
• 4.3 求解DFJS問題的改進蟻群算法52-56
• 4.3.1 初始解的產(chǎn)生52-54
• 4.3.2 蟻群狀態(tài)的判斷54
• 4.3.3 參數(shù)的調(diào)整54
• 4.3.4 信息素的更新54-55
• 4.3.5 算法實現(xiàn)步驟55-56
• 4.4 仿真實驗56-60
• 4.4.1 參數(shù)調(diào)整幅度與取值范圍56-57
• 4.4.2 與其他算法的比較57-60
• 4.5 本章小結(jié)60-61
• 第五章 總結(jié)與展望61-63
• 5.1 本文主要工作61-62
• 5.2 展望62-63
• 參考文獻63-67
• 攻讀碩士學(xué)位期間發(fā)表的論文67-68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王金城;王曉琳;龐古風(fēng);;關(guān)聯(lián)規(guī)則挖掘算法及其在冷軋生產(chǎn)中的應(yīng)用[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年S2期

2 黃超君;范劍波;;Apriori算法的分析與改進[J];寧波工程學(xué)院學(xué)報;2013年02期

3 邱昕;甘超;江雄心;涂海寧;顧嘉;;基于云計算環(huán)境下Apriori算法的設(shè)備故障診斷技術(shù)研究[J];組合機床與自動化加工技術(shù);2014年04期

4 吳通,李桂琴,富麗,余隋懷,陸長德;油漆調(diào)色系統(tǒng)的改進算法[J];西北工業(yè)大學(xué)學(xué)報;2003年03期

5 王嘉;湯大權(quán);謝羿;;過程挖掘算法[J];火力與指揮控制;2011年08期

6 黃穎琦;;Active LeZi算法的改進[J];制造業(yè)自動化;2012年14期

7 鄧勇,施文康;發(fā)現(xiàn)頻繁情節(jié)的改進算法[J];上海交通大學(xué)學(xué)報;2005年03期

8 張友新;王立宏;;兩階段近鄰傳播半監(jiān)督聚類算法[J];山東大學(xué)學(xué)報(工學(xué)版);2012年02期

9 胡森森;周賢善;;一種改進蟻群算法的研究[J];長江大學(xué)學(xué)報(自科版)理工卷;2006年04期

10 段海濱;王道波;于秀芬;;蟻群算法的研究現(xiàn)狀及其展望[J];中國工程科學(xué);2007年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學(xué)會——2004年學(xué)術(shù)年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學(xué)會2004年學(xué)術(shù)年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學(xué)技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學(xué)會25周年紀念會暨2011年學(xué)術(shù)年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學(xué)會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鐘永騰;基于近場MUSIC算法的復(fù)合材料結(jié)構(gòu)健康監(jiān)測研究[D];南京航空航天大學(xué);2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用[D];西安電子科技大學(xué);2015年

3 苗義烽;突發(fā)事件下的列車運行調(diào)度模型與算法研究[D];中國鐵道科學(xué)研究院;2015年

4 楊玉婷;頭腦風(fēng)暴優(yōu)化算法與基于視頻的非接觸式運動定量分析方法研究[D];浙江大學(xué);2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學(xué);2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學(xué);2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學(xué);2016年

8 單美靜;求解非線性實代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學(xué);2008年

9 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學(xué);2014年

10 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學(xué);2015年

2 畢曉慶;油氣探礦權(quán)競爭性出讓系統(tǒng)設(shè)計與實現(xiàn)[D];中國地質(zhì)大學(xué)(北京);2015年

3 王明明;鐵路大機與線路固定設(shè)施間距檢測算法研究[D];西南交通大學(xué);2015年

4 李靜;基于視頻圖像序列的運動目標(biāo)檢測與跟蹤算法研究[D];寧夏大學(xué);2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學(xué);2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災(zāi)應(yīng)急疏散最優(yōu)路徑研究[D];西南交通大學(xué);2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進[D];長安大學(xué);2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學(xué);2015年

，

本文編號：601928