本文關(guān)鍵詞：基于反向?qū)W習(xí)的人工蜂群算法及應(yīng)用研究

  更多相關(guān)文章： 車間調(diào)度 人工蜂群算法 反向?qū)W習(xí) Markov鏈 測試函數(shù)

【摘要】：伴隨著科技的迅猛發(fā)展和生產(chǎn)力程度的突飛猛進(jìn),以及生產(chǎn)規(guī)模的逐漸擴(kuò)大、復(fù)雜性也越來越高、社會(huì)各方物資也越來越緊缺、伴隨著市場競爭越來越激烈等問題,都實(shí)實(shí)的擺在人們面前,從而對企業(yè)的管理及生產(chǎn)過程中的監(jiān)控提出了更高的要求。為了轉(zhuǎn)變這種局勢,使得企業(yè)在行業(yè)競爭中立于不敗之地,研究一種可行高效的車間調(diào)度方案并將之應(yīng)用到實(shí)際的車間調(diào)度問題當(dāng)中去,是非常有必要的。如此一來企業(yè)的資源配置能夠被合理的優(yōu)化,并能大幅地提高企業(yè)的生產(chǎn)效率,在增強(qiáng)提升企業(yè)的競爭力方面具有極其長遠(yuǎn)的意義。車間調(diào)度問題的核心是研究調(diào)度算法,即是基于對給定的目標(biāo)函數(shù)的進(jìn)行計(jì)算最優(yōu)或者近似最優(yōu)的最優(yōu)調(diào)度方案。盡管研究車間調(diào)度問題己經(jīng)經(jīng)歷了幾十年的歷史進(jìn)程,在此期間同樣提出了數(shù)以千計(jì)的方法來解決調(diào)度問題,可是仍然沒有形成一套解決調(diào)度問題的行之有效的辦法。因此,本文將提出一種有效的算法來更好的解決車間調(diào)度問題。由于人工蜂群算法是近幾年被提出的智能算法,并被證明具有很好的搜索以及尋優(yōu)能力,因此該算法具有很大的發(fā)展前景和研究價(jià)值。然而,雖然人工蜂群算法具有設(shè)置參數(shù)較少、有較好的尋優(yōu)能力等便捷之處,但單一的使用標(biāo)準(zhǔn)人工蜂群算法解決問題時(shí)仍存在許多問題,例如容易陷入局部最優(yōu)、早熟收斂等問題;而在收斂速度、收斂精度及魯棒性等方面與理想狀態(tài)仍然存在著一定的差距。因此,本文提出一種基于反向?qū)W習(xí)的人工蜂群算法來解決車間調(diào)度問題。反向?qū)W習(xí)機(jī)制的引入使算法易于‘跳出’局部最優(yōu)的限制,一定程度上加快算法的收斂速度,從而更加有利于算法找到最優(yōu)解。本文主要研究的工作內(nèi)容如下:(1)人工蜂群算法及其收斂性的分析研究。將隨機(jī)產(chǎn)生初始解的可行區(qū)間,按人工蜂群算法的三個(gè)階段給出相應(yīng)的公式,給出算法的基本流程并利用隨機(jī)過程中的Markov鏈理論進(jìn)行人工蜂群算法的收斂性分析研究。(2)基于反向?qū)W習(xí)的人工蜂群算法的研究及其收斂性分析。給出算法的基本實(shí)現(xiàn)步驟,算法的流程及其流程圖,并對基于反向?qū)W習(xí)的人工蜂群算法進(jìn)行收斂性的證明,然后利用4個(gè)測試函數(shù)進(jìn)行仿真實(shí)驗(yàn),進(jìn)而比較算法的性能。(3)基于反向?qū)W習(xí)的人工蜂群算法及其在車間調(diào)度問題中的研究。將其他改進(jìn)的人工蜂群算法在車間調(diào)度問題中的應(yīng)用和基于反向?qū)W習(xí)的人工蜂群算法在車間調(diào)度問題中的應(yīng)用進(jìn)行比較。通過仿真實(shí)驗(yàn)表明基于反向?qū)W習(xí)的人工蜂群算法在解決車間調(diào)度問題中具有更好的尋優(yōu)求解能力。
【關(guān)鍵詞】：車間調(diào)度 人工蜂群算法 反向?qū)W習(xí) Markov鏈 測試函數(shù)
【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-15
• 1.1 課題研究的目的和意義11-12
• 1.2 本文研究的內(nèi)容及主要成果12-13
• 1.3 本文的研究思路13
• 1.4 本文的組織結(jié)構(gòu)13-15
• 第二章 人工蜂群算法的研究及收斂性分析15-25
• 2.1 引言15
• 2.2 人工蜂群算法的生物學(xué)背景15-16
• 2.3 人工蜂群算法的研究現(xiàn)狀16-18
• 2.4 人工蜂群算法的數(shù)學(xué)模型18
• 2.4.1 種群初始化18
• 2.4.2 引領(lǐng)蜂時(shí)期18
• 2.4.3 跟隨蜂時(shí)期18
• 2.4.4 偵查蜂時(shí)期18
• 2.5 人工蜂群算法的收斂性分析18-23
• 2.5.1 人工蜂群算法的Markov模型18-20
• 2.5.2 人工蜂群算法的收斂性分析20-23
• 2.6 本章小結(jié)23-25
• 第三章 基于反向?qū)W習(xí)的人工蜂群算法的研究及收斂性分析25-39
• 3.1 引言25
• 3.2 反向?qū)W習(xí)機(jī)制概述25-26
• 3.2.1 反向?qū)W習(xí)機(jī)制的概念25
• 3.2.2 反向?qū)W習(xí)機(jī)制的研究現(xiàn)狀25-26
• 3.3 基于反向?qū)W習(xí)的人工蜂群算法的數(shù)學(xué)模型26-30
• 3.3.1 反向?qū)W習(xí)的相關(guān)數(shù)學(xué)概念26
• 3.3.2 基于反向?qū)W習(xí)的人工蜂群算法的基本實(shí)現(xiàn)步驟26-28
• 3.3.3 基于反向?qū)W習(xí)的人工蜂群算法的流程28-29
• 3.3.4 基于反向?qū)W習(xí)的人工蜂群算法的流程圖29-30
• 3.4 基于反向?qū)W習(xí)的人工蜂群算法的收斂性分析30-34
• 3.4.1 預(yù)備知識與相關(guān)理論30-31
• 3.4.2 基于反向?qū)W習(xí)的人工蜂群算法的數(shù)學(xué)概念31
• 3.4.3 基于反向?qū)W習(xí)的人工蜂群算法的Markov模型31-32
• 3.4.4 基于反向?qū)W習(xí)的人工蜂群算法的收斂性分析32-34
• 3.5 仿真實(shí)驗(yàn)及分析34-37
• 3.5.1 仿真實(shí)驗(yàn)34-37
• 3.5.2 數(shù)據(jù)分析37
• 3.6 本章小結(jié)37-39
• 第四章 基于反向?qū)W習(xí)的人工蜂群算法在車間調(diào)度中的應(yīng)用39-51
• 4.1 引言39-40
• 4.2 車間調(diào)度問題概述40-42
• 4.2.1 車間調(diào)度問題基本模型40-41
• 4.2.2 車間調(diào)度問題研究現(xiàn)狀41-42
• 4.3 車間調(diào)度問題研究方法42-44
• 4.3.1 傳統(tǒng)的運(yùn)籌學(xué)方法42-43
• 4.3.2 啟發(fā)式規(guī)則43
• 4.3.3 智能優(yōu)化算法43-44
• 4.4 基于反向?qū)W習(xí)的人工蜂群算法在車間調(diào)度中的應(yīng)用44-45
• 4.4.1 車間調(diào)度問題的數(shù)學(xué)模型44
• 4.4.2 車間調(diào)度問題算法的基本流程44-45
• 4.5 仿真實(shí)驗(yàn)及分析45-49
• 4.5.1 仿真實(shí)驗(yàn)45-48
• 4.5.2 數(shù)據(jù)分析48-49
• 4.6 本章小結(jié)49-51
• 第五章 結(jié)論51-53
• 5.1 本文的工作總結(jié)51-52
• 5.2 展望52-53
• 參考文獻(xiàn)53-57
• 作者簡介57
• 作者在攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文57-59
• 致謝59-60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘全科;趙保華;屈玉貴;畢于慧;;一類解決無等待流水車間調(diào)度問題的蟻群算法[J];計(jì)算機(jī)集成制造系統(tǒng);2007年09期

2 張曉玲;何彩香;陳建華;;蟻群算法在車間調(diào)度問題中的應(yīng)用[J];大理學(xué)院學(xué)報(bào);2010年10期

3 陳可嘉;王瀟;;兩機(jī)無等待流水車間調(diào)度問題的性質(zhì)[J];控制與決策;2013年10期

4 何利;劉永賢;劉笑天;;粒子群優(yōu)化算法求解車間調(diào)度問題[J];機(jī)械與電子;2007年08期

5 王秋芬;楊澤平;梁道雷;;一種改進(jìn)的車間調(diào)度問題算法[J];科學(xué)技術(shù)與工程;2013年11期

6 蘇子林;;車間調(diào)度問題及其進(jìn)化算法分析[J];機(jī)械工程學(xué)報(bào);2008年08期

7 張其亮;陳永生;;解決具有混合約束柔性流水車間調(diào)度問題的粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2013年11期

8 徐建有;董乃群;顧樹生;;帶有順序相關(guān)調(diào)整時(shí)間的多目標(biāo)流水車間調(diào)度問題[J];計(jì)算機(jī)集成制造系統(tǒng);2013年12期

9 曹承煜,李人厚,樊健;車間調(diào)度算法的研究和開發(fā)[J];控制理論與應(yīng)用;2000年01期

10 龐哈利,萬珊珊;并行流程車間調(diào)度問題及其概率學(xué)習(xí)進(jìn)化算法[J];控制理論與應(yīng)用;2005年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 鄒逢興;曾令李;高政;劉烽;;一種求解混合流水車間調(diào)度問題的分布式方法[A];2009中國控制與決策會(huì)議論文集（2）[C];2009年

2 朱婧;;求解車間調(diào)度問題的改進(jìn)模擬退火算法[A];第五屆（2010）中國管理學(xué)年會(huì)——商務(wù)智能分會(huì)場論文集[C];2010年

3 洪宗友;龐哈利;;No-wait流水車間調(diào)度問題的一種啟發(fā)式算法[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 陶翼飛;面向分組加工的混合流水車間優(yōu)化調(diào)度問題研究[D];昆明理工大學(xué);2013年

2 何利;即時(shí)定制生產(chǎn)模式及其車間調(diào)度問題的研究[D];東北大學(xué);2008年

3 黃英杰;基于目標(biāo)級聯(lián)法和智能優(yōu)化算法的車間調(diào)度問題研究[D];華南理工大學(xué);2012年

4 劉延風(fēng);置換流水車間調(diào)度問題的幾種智能算法[D];西安電子科技大學(xué);2012年

5 常桂娟;基于微粒群算法的車間調(diào)度問題研究[D];青島大學(xué);2008年

6 崔U，

本文編號：764008