發(fā)布時間：2017-08-31 18:12

  本文關(guān)鍵詞：基于改進量子粒子群算法的柔性作業(yè)車間調(diào)度研究

  更多相關(guān)文章： 反向?qū)W習(xí) 邊界變異 量子粒子群算法 蝙蝠算法 柔性作業(yè)車間調(diào)度

【摘要】：柔性作業(yè)車間調(diào)度(Flexible Job-shop Scheduling Problem,FJSP)是一種復(fù)雜的調(diào)度問題,其相對于作業(yè)車間調(diào)度(Job Shop Scheduling Problem,JSP)更貼近于生產(chǎn)實際,具有很高的計算難度,很多算法對該類調(diào)度問題優(yōu)化時容易陷入局部最優(yōu),因此如何通過對算法的優(yōu)化改進來有效地求解這種復(fù)雜的調(diào)度問題,得到優(yōu)良的調(diào)度解受到越來越多的研究者們關(guān)注。在本文中,主要利用對量子粒子群(Quantum-behaved particle swarm optimization,QPSO)算法的優(yōu)化改進來研究柔性作業(yè)車間中單目標和多目標的調(diào)度優(yōu)化問題,并與工業(yè)生產(chǎn)中模具車間的調(diào)度緊密聯(lián)系,具體的工作與創(chuàng)新之處如下:(1)針對柔性作業(yè)車間調(diào)度問題,本文不僅僅列出了理想的FJSP模型加以說明,同時依據(jù)模具加工車間的實際生產(chǎn)狀況,列舉總結(jié)出車間配置、生產(chǎn)流程、各工序?qū)?yīng)各臺機器的生產(chǎn)加工時間表以及在工業(yè)生產(chǎn)中常常出現(xiàn)的限制約束條件,和對調(diào)度方案多方面的評價目標。(2)提出了基于反向?qū)W習(xí)(Opposition-based learning,OBL)和邊界變異(bounded mutation)的QPSO來求解單目標的FJSP問題。針對常常陷入早熟的問題,在QPSO的基礎(chǔ)上首先加入反向?qū)W習(xí)策略,對當(dāng)前解和反向解進行搜索,增加算法種群的多樣性;再通過邊界變異策略避免算法陷入邊界的最優(yōu)解。利用該改進算法對連續(xù)型標準函數(shù)進行測試,同時對單目標FJSP的常見算例以及某車間的柔性調(diào)度問題進行仿真求解。(3)提出了混合蝙蝠算法(Bat Algorithm,BA)的QPSO來求解多目標的FJSP問題�？紤]將蝙蝠算法中發(fā)聲速度的變化方式用來改變QPSO算法中的收縮擴張因子,同時利用蝙蝠算法中的隨機游走策略來避免算法早熟,有效地跳出局部最優(yōu),得到全局最優(yōu)解。利用該混合算法對連續(xù)型標準函數(shù)進行求解,并針對模具車間FJSP的最大完工時間,機器總負載和最大機器負載三個目標進行仿真求解。(4)研究了模具車間能耗優(yōu)化調(diào)度問題。隨著企業(yè)對車間能耗問題的重視,對能耗問題的優(yōu)化不僅僅提高了企業(yè)的經(jīng)濟利益,還對環(huán)境保護有著巨大的意義。本文以模具加工車間各臺機器的加工能耗為依據(jù),利用混合量子粒子群算法以最大完工時間和能源消耗為評價目標求解該模具車間調(diào)度優(yōu)化問題。通過多個仿真實驗,對比驗證了改進的QPSO算法在求解連續(xù)型測試函數(shù)和柔性作業(yè)車間調(diào)度問題上的有效性和優(yōu)越性。
【關(guān)鍵詞】：反向?qū)W習(xí) 邊界變異 量子粒子群算法 蝙蝠算法 柔性作業(yè)車間調(diào)度
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TB497
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第一章 緒論7-16
• 1.1 研究背景及意義7-8
• 1.2 柔性作業(yè)車間調(diào)度問題研究概況8-13
• 1.2.1 車間調(diào)度問題的分類與特點8-9
• 1.2.2 車間調(diào)度問題的研究方法9-11
• 1.2.3 柔性作業(yè)車間調(diào)度問題研究現(xiàn)狀11-12
• 1.2.4 研究中存在的問題12-13
• 1.3 量子粒子群算法研究概況13-14
• 1.3.1 量子粒子群算法的研究現(xiàn)狀13-14
• 1.3.2 量子粒子群算法求解調(diào)度問題概況14
• 1.4 本文主要內(nèi)容及結(jié)構(gòu)14-16
• 第二章 柔性作業(yè)車間調(diào)度問題建模16-24
• 2.1 引言16-17
• 2.2 柔性作業(yè)車間調(diào)度問題數(shù)學(xué)建模17-21
• 2.2.1 問題描述17
• 2.2.2 數(shù)學(xué)模型17-18
• 2.2.3 約束條件18-19
• 2.2.4 評價指標19-20
• 2.2.5 常見柔性作業(yè)車間調(diào)度模型20-21
• 2.3 實際模具車間柔性調(diào)度問題21-23
• 2.3.1 模具車間生產(chǎn)流程簡介21-22
• 2.3.2 模具車間實際約束條件22-23
• 2.3.3 實際生產(chǎn)性能指標23
• 2.4 本章小結(jié)23-24
• 第三章 改進量子粒子群算法求解單目標FJSP24-39
• 3.1 量子粒子群優(yōu)化算法24-27
• 3.1.1 基本粒子群優(yōu)化算法24-26
• 3.1.2 量子粒子群優(yōu)化算法26-27
• 3.2 改進量子粒子群優(yōu)化算法27-30
• 3.2.1 反向?qū)W習(xí)策略27-28
• 3.2.2 邊界變異策略28
• 3.2.3 OBL-QPSOB算法28-30
• 3.3 OBL-QPSOB算法求解單目標FJSP問題30-32
• 3.3.1 基于工序和機器的雙層粒子編碼方式30
• 3.3.2 位置更新及整數(shù)修正30-31
• 3.3.3 OBL-QPSOB算法求解單目標FJSP流程31-32
• 3.4 仿真結(jié)果與分析32-38
• 3.4.1 標準函數(shù)仿真測試32-34
• 3.4.2 單目標柔性作業(yè)車間調(diào)度算例仿真測試34-35
• 3.4.3 某加工車間單目標調(diào)度問題仿真分析35-38
• 3.5 本章小結(jié)38-39
• 第四章 混合量子粒子群算法求解模具車間多目標FJSP39-53
• 4.1 蝙蝠算法39-41
• 4.1.1 基本原理39-40
• 4.1.2 全局搜索40
• 4.1.3 局部更新40-41
• 4.2 混合量子粒子群優(yōu)化算法41-42
• 4.2.1 混合隨機游走策略41
• 4.2.2 收縮擴張系數(shù)變化策略41
• 4.2.3 BAT-QPSO算法41-42
• 4.3 BAT-QPSO算法求解多目標FJSP問題42-44
• 4.3.1 多目標問題優(yōu)化方法42-43
• 4.3.2 BAT-QPSO算法求解多目標FJSP流程43-44
• 4.4 仿真結(jié)果與分析44-49
• 4.4.1 標準函數(shù)仿真測試44-46
• 4.4.2 模具車間多目標柔性調(diào)度問題仿真分析46-49
• 4.5 模具車間能耗問題分析49-52
• 4.5.1 車間能耗問題介紹49-51
• 4.5.2 能耗問題仿真實驗51-52
• 4.6 本章小結(jié)52-53
• 第五章 總結(jié)與展望53-55
• 5.1 總結(jié)53
• 5.2 展望53-55
• 致謝55-56
• 參考文獻56-60
• 附錄：作者在�？蒲谐晒�60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張超勇;董星;王曉娟;李新宇;劉瓊;;基于改進非支配排序遺傳算法的多目標柔性作業(yè)車間調(diào)度[J];機械工程學(xué)報;2010年11期

2 閆樹;劉志雄;;柔性作業(yè)車間調(diào)度的演化策略優(yōu)化[J];機械制造;2010年09期

3 吳秀麗;孫樹棟;余建軍;蔡志強;;多目標柔性作業(yè)車間調(diào)度決策精選機制研究[J];中國機械工程;2007年02期

4 陳琪琪;葉文華;;基于交貨期和設(shè)備能力約束的作業(yè)車間調(diào)度方法研究[J];制造業(yè)自動化;2009年03期

5 薛宏全;魏生民;張鵬;楊琳;;基于多種群蟻群算法的柔性作業(yè)車間調(diào)度研究[J];計算機工程與應(yīng)用;2013年24期

6 閻志華,丁秋林;用蜂群算法實現(xiàn)動態(tài)作業(yè)車間調(diào)度[J];組合機床與自動化加工技術(shù);2004年02期

7 閻志華,丁秋林;基于蜂群算法的作業(yè)車間調(diào)度研究[J];機械科學(xué)與技術(shù);2004年10期

8 劉曉霞;謝里陽;陶澤;郝長中;;基于生產(chǎn)費用的柔性作業(yè)車間調(diào)度優(yōu)化[J];東北大學(xué)學(xué)報(自然科學(xué)版);2008年04期

9 黃英杰;姚錫凡;顏亮;余銘奇;;基于目標級聯(lián)法的作業(yè)車間調(diào)度[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2010年06期

10 雷德明;吳智銘;;基于粒子群優(yōu)化的多目標作業(yè)車間調(diào)度[J];上海交通大學(xué)學(xué)報;2007年11期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 尹作海;邱洪澤;周萬里;;基于改進變異算子的遺傳算法求解柔性作業(yè)車間調(diào)度[A];第三屆中國智能計算大會論文集[C];2009年

2 沈冠町;徐本柱;劉曉平;;改進的免疫算法在作業(yè)車間調(diào)度中的應(yīng)用[A];全國第21屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 王曉娟;多目標柔性作業(yè)車間調(diào)度方法研究[D];華中科技大學(xué);2011年

2 吳秀麗;多目標柔性作業(yè)車間調(diào)度技術(shù)研究[D];西北工業(yè)大學(xué);2006年

3 谷峰;柔性作業(yè)車間調(diào)度中的優(yōu)化算法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

4 劉鵬飛;混合生產(chǎn)形態(tài)下的作業(yè)車間調(diào)度關(guān)鍵技術(shù)研究[D];大連交通大學(xué);2012年

5 李平;不確定條件下混裝和作業(yè)車間調(diào)度問題研究[D];武漢科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 孫璐;隨機柔性制造系統(tǒng)建模與優(yōu)化研究[D];大連理工大學(xué);2015年

2 朱珈楠;基于ACA的及時工藝規(guī)劃與作業(yè)車間調(diào)度集成建模與優(yōu)化[D];浙江工業(yè)大學(xué);2012年

3 鄭江;基于生物地理學(xué)優(yōu)化算法的柔性作業(yè)車間調(diào)度研究[D];合肥工業(yè)大學(xué);2015年

4 周愷;基于改進量子粒子群算法的柔性作業(yè)車間調(diào)度研究[D];江南大學(xué);2016年

5 王芳;基于多色粒子群的擴展作業(yè)車間調(diào)度研究[D];西安工業(yè)大學(xué);2013年

6 李傳鵬;基于改進遺傳算法的柔性作業(yè)車間調(diào)度優(yōu)化與仿真[D];濟南大學(xué);2013年

7 陸椺;作業(yè)車間調(diào)度的建模及優(yōu)化方法研究[D];上海交通大學(xué);2007年

8 陳亞瓊;基于一種新編碼的作業(yè)車間調(diào)度[D];西安電子科技大學(xué);2007年

9 馬帥;雙系統(tǒng)優(yōu)化及約束作業(yè)車間調(diào)度應(yīng)用研究[D];大連理工大學(xué);2013年

10 李成龍;多目標柔性作業(yè)車間調(diào)度優(yōu)化問題研究[D];東北大學(xué);2009年

，

本文編號：767119