本文關鍵詞：基于多目標混合進化算法的流水車間調(diào)度問題的研究

  更多相關文章： 流水車間調(diào)度 混合進化算法 采樣策略 矢量評價遺傳算法 多目標優(yōu)化

【摘要】：車間調(diào)度問題是生產(chǎn)管理的主要環(huán)節(jié),處于制造系統(tǒng)中的核心地位,一直以來都是調(diào)度領域中研究的熱點。合理的調(diào)度方案可以迅速的提升生產(chǎn)系統(tǒng)的生產(chǎn)效率,節(jié)約生產(chǎn)成本,促進生產(chǎn)資源的有效利用。流水車間調(diào)度是車間調(diào)度中最為常見的一類,已被應用于很多生產(chǎn)領域。現(xiàn)實生產(chǎn)優(yōu)化過程中通常需要同時考慮到多個性能指標,因此,研究多目標的流水車間調(diào)度問題才具有更重要的現(xiàn)實意義。本文提出了一種多目標混合進化算法。混合算法吸收了矢量評價遺傳算法(VEGA)的優(yōu)點,彌補了VEGA的缺陷。VEGA獨特的采樣策略使VEGA擁有快速收斂的能力和較低的時間復雜度,然而VEGA對于Pareto前沿邊緣區(qū)域的偏好造成了分布性能上的缺失。本文采用了一種基于新的Pareto支配與被支配關系的適應度函數(shù)的采樣策略彌補了VEGA的這一缺陷�；旌纤惴ㄈ诤狭诉@兩種采樣機制,使得算法能夠快速平穩(wěn)的向Pareto前沿區(qū)域收斂。本文首先將多目標混合進化算法在著名的基準測試問題上進行了測試;接著針對于最大完工時間和總流程時間的雙目標流水車間調(diào)度問題進行數(shù)學建模,在關于流水車間調(diào)度問題的Taillard測試集上進行了仿真實驗;最后,針對最大完工時間和最大拖期的流水車間調(diào)度問題,將多目標混合進化算法進行了改進,在算法中加入了一種多目標局部搜索策略,提升了混合算法的收斂性以及分布性能。對于基準問題的測試結(jié)果顯示,相比較于NSGA-II和SPEA2,本文所提出的多目標混合進化算法不但在收斂性和分布性方面有很大的提升,同時在算法效率方面也占有明顯的優(yōu)勢。從Taillard測試集的仿真實驗結(jié)果可知,多目標混合進化算法比NSGA-II和SPEA2更適合求解多目標的流水車間調(diào)度問題。改進算法和原混合算法的數(shù)值比對結(jié)果顯示,在處理以最大完工時間和最大拖期為目標的流水車間調(diào)度問題時,多目標局部搜索進一步提高了混合進化算法的性能。多目標混合進化算法無論是求解基準測試問題還是求解多目標流水車間調(diào)度問題,在算法性能上的表現(xiàn)都要優(yōu)于NSGA-II和SPEA2,在算法改進的嘗試上也取得了很好的效果。
【關鍵詞】：流水車間調(diào)度 混合進化算法 采樣策略 矢量評價遺傳算法 多目標優(yōu)化
【學位授予單位】：河南工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TB497
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-16
• 1.1 課題研究背景與研究意義8
• 1.2 車間調(diào)度問題概述8-11
• 1.3 流水車間調(diào)度11-13
• 1.4 國內(nèi)外研究現(xiàn)狀13-14
• 1.5 本文主要研究內(nèi)容14-15
• 1.6 本章小結(jié)15-16
• 2 多目標優(yōu)化與多目標進化算法16-29
• 2.1 引言16
• 2.2 多目標優(yōu)化問題16-19
• 2.3 多目標進化算法19-28
• 2.4 本章小結(jié)28-29
• 3 多目標混合進化算法29-49
• 3.1 引言29-30
• 3.2 基準問題概述30-31
• 3.3 多目標混合進化算法31-36
• 3.4 實驗結(jié)果與分析36-48
• 3.5 本章小結(jié)48-49
• 4 多目標混合進化算法解決流水車間調(diào)度問題49-60
• 4.1 引言49
• 4.2 問題描述49-51
• 4.3 算法設置51-53
• 4.4 實驗結(jié)果與分析53-59
• 4.5 本章小結(jié)59-60
• 5 改進的多目標混合進化算法解決流水車間調(diào)度問題60-66
• 5.1 引言60
• 5.2 關鍵工件與活動塊60-61
• 5.3 多目標局部搜索61-63
• 5.4 Mo-LS與MOHEA的融合63
• 5.5 實驗結(jié)果與分析63-65
• 5.6 本章小結(jié)65-66
• 6 總結(jié)與展望66-67
• 參考文獻67-73
• 致謝73-74
• 個人簡歷74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃明;郝倩;張春蕾;張志鵬;;改進的免疫模擬退火算法求解混合流水車間調(diào)度問題[J];大連交通大學學報;2015年02期

2 彭春華;黃戡;袁義生;潘蕾;;基于α約束支配排序混合進化算法的微電網(wǎng)多目標優(yōu)化運行[J];電力自動化設備;2015年04期

3 劉祚時;馬力;羅金平;;混合流水車間多目標調(diào)度的小生境粒子群算法[J];機械設計與制造;2015年04期

4 黃志清;唐敦兵;戴敏;;基于改進算法的工藝規(guī)劃與車間調(diào)度的雙目標優(yōu)化模型[J];南京航空航天大學學報;2015年01期

5 陳可嘉;周曉敏;;多目標置換流水車間調(diào)度的改進食物鏈算法[J];中國機械工程;2015年03期

6 王新;賈志強;尚宏美;;基于遺傳算法和貪婪算法的作業(yè)車間調(diào)度[J];機械工程師;2015年01期

7 李田來;劉方愛;王新華;;基于分治策略的改進人工蜂群算法[J];控制與決策;2015年02期

8 謝展鵬;賈艷;張超勇;邵新宇;李大雙;;基于候鳥優(yōu)化算法的阻塞流水車間調(diào)度問題[J];計算機集成制造系統(tǒng);2015年08期

9 鄭永前;謝松杭;錢偉俊;;帶緩沖流水車間成組調(diào)度問題的混合微分算法[J];計算機集成制造系統(tǒng);2014年08期

10 張龍;徐本柱;劉曉平;;求解作業(yè)車間調(diào)度問題的混合粒子群算法[J];內(nèi)蒙古大學學報(自然科學版);2014年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 楊開兵;基于進化計算的多目標流水車間批組調(diào)度問題研究[D];大連理工大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 張志鵬;基于多目標遺傳粒子群混合算法求解混合流水車間調(diào)度問題研究[D];大連交通大學;2014年

2 劉曉娟;利用混合多目標智能算法求解柔性流水車間調(diào)度問題[D];長安大學;2014年

3 趙金柱;流水車間生產(chǎn)系統(tǒng)調(diào)度及仿真[D];大連理工大學;2013年

4 周晏明;基于改進遺傳算法的多目標作業(yè)車間調(diào)度研究[D];東北林業(yè)大學;2013年

5 任明樂;單件小批量生產(chǎn)調(diào)度問題研究[D];南京理工大學;2013年

6 孫春宇;基于免疫粒子群算法的混合流水車間調(diào)度問題研究[D];哈爾濱理工大學;2012年

，

本文編號：615823