發(fā)布時間：2024-01-28 15:38

　　高效的優(yōu)化方法對于工業(yè)生產(chǎn)調(diào)度有著重要的實際意義,但依據(jù)計算復(fù)雜性理論,大多數(shù)生產(chǎn)調(diào)度問題都屬于強NP難問題,因而全局優(yōu)化算法難以應(yīng)用于復(fù)雜的實際生產(chǎn)調(diào)度問題。Lagrange松弛方法通過利用調(diào)度問題的可分離結(jié)構(gòu),采用分解與協(xié)調(diào)策略,能在可接受的時間范圍內(nèi)得到高質(zhì)量的解,同時給出問題的下界(相對于最小化問題)以評價解的質(zhì)量,因而被公認為是解決復(fù)雜調(diào)度問題的一個有效途徑。Lagrange松弛方法利用Lagrange乘子松弛優(yōu)化問題的特定耦合約束,將其引入到目標(biāo)函數(shù)之中,從而得到一個與乘子對應(yīng)的Lagrange松弛問題,一般通過次梯度算法求解Lagrange對偶問題得到最優(yōu)乘子,從而得到原問題的下界。在次梯度算法的每次迭代中,需精確求解松弛問題得到次梯度來更新乘子,然后基于松弛問題的解,依據(jù)啟發(fā)式方法構(gòu)造一個可行解,同時保留最好的可行解作為原問題的解。然而,Lagrange松弛方法存在如下問題：(1)傳統(tǒng)次梯度算法的收斂條件因過于嚴格而在實際應(yīng)用中難以實現(xiàn),導(dǎo)致人為設(shè)置終止條件,使得算法無法收斂到對偶問題最優(yōu)值(即原問題下界)；(2)次梯度算法的震蕩現(xiàn)象導(dǎo)致收斂速度慢；(3)次梯度算法因每...

【文章頁數(shù)】：187 頁

【學(xué)位級別】：博士

圖１．２本文內(nèi)容研究安排??Ｆｉｇ?１．２?艮ｅｓｅａｒｃｈ?ｃｏｎｔｅｎｔ?ｏｆ?ｔｈｉｓ?ｔｈｅｓｉｓ??

圖２．３?ＰＳ、ＰＳ＿Ｎ和Ｐｏｌｙａｋ的計算結(jié)果比較圖??

圖２．４鋼鐵主要生產(chǎn)過程??上述煉鋼－連鑄生產(chǎn)過程有如下特點：?．??

圖２．５基于大Ｍ建模方法的求解方法??Ｆｉｇ．?２．５?Ｔｈｅ?ｓｏｌｕｔｉｏ打?ｍｅｔｈｏｄ?ｂａｓｅｄ?ｏｎ?化６?ｂｉｇ－Ｍ?ｍｏｄｅｌｌｉｎｇ?ｍｅｔｈｏｄ．??－４８－??

本文編號：3887697