柔性調(diào)度是實(shí)現(xiàn)智能制造的核心技術(shù)之一。在滿足制造系統(tǒng)約束的條件下,柔性調(diào)度突破傳統(tǒng)調(diào)度中資源唯一性的限制,通過分配不同的資源來完成已排序的生產(chǎn)操作,獲得生產(chǎn)效率的最大化。然而,日益激烈的市場(chǎng)競(jìng)爭(zhēng)及逐漸增加的客戶需求導(dǎo)致柔性調(diào)度的規(guī)模隨之增加,同時(shí)實(shí)際系統(tǒng)中存在不可避免的不確定性因素,如設(shè)備周期性老化等帶來的具有先驗(yàn)知識(shí)的不確定性及加工資源突然故障等引發(fā)的突發(fā)不確定性,給柔性調(diào)度的求解帶來了極大挑戰(zhàn)。因此,如何在大規(guī)模及不確定環(huán)境下,高效靈活地分配資源以實(shí)現(xiàn)效率最大化,是影響柔性調(diào)度推廣和應(yīng)用的關(guān)鍵。協(xié)同演化算法通過構(gòu)造多個(gè)種群,使多個(gè)種群相互合作來提高性能,多適用于復(fù)雜系統(tǒng)的大規(guī)模及動(dòng)態(tài)演化環(huán)境。然而,柔性調(diào)度的操作排序和資源選擇之間的相互依賴導(dǎo)致現(xiàn)有協(xié)同演化算法無法直接應(yīng)用于復(fù)雜柔性調(diào)度。本文針對(duì)大規(guī)模柔性調(diào)度、具有先驗(yàn)知識(shí)的不確定柔性調(diào)度及突發(fā)不確定柔性調(diào)度,分別提出相應(yīng)的協(xié)同演化算法,最優(yōu)化所有操作的最大完成時(shí)間（Makespan）。主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)如下:1.分布式協(xié)同演化算法。針對(duì)大規(guī)模柔性調(diào)度中問題規(guī)模增加導(dǎo)致關(guān)聯(lián)操作放置同組概率降低及算法搜索性能下降的問題,提出一種分布... 

【文章頁(yè)數(shù)】：141 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
主要符號(hào)表
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 調(diào)度優(yōu)化方法
        1.2.2 大規(guī)模柔性調(diào)度
        1.2.3 具有先驗(yàn)知識(shí)的不確定柔性調(diào)度
        1.2.4 突發(fā)不確定柔性調(diào)度
        1.2.5 協(xié)同演化算法
    1.3 主要工作及創(chuàng)新點(diǎn)
        1.3.1 當(dāng)前研究存在問題
        1.3.2 研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.3.3 章節(jié)聯(lián)系
2 理論基礎(chǔ)
    2.1 調(diào)度問題模型
        2.1.1 分類
        2.1.2 圖表示
        2.1.3 優(yōu)化
        2.1.4 柔性調(diào)度
    2.2 演化算法
        2.2.1 基本演化算法
        2.2.2 遺傳算法
        2.2.3 粒子群優(yōu)化算法
        2.2.4 差分進(jìn)化算法
        2.2.5 協(xié)同演化算法
    2.3 概率圖模型
        2.3.1 貝葉斯網(wǎng)絡(luò)
        2.3.2 馬爾科夫隨機(jī)場(chǎng)
    2.4 本章小結(jié)
3 分布式協(xié)同演化算法
    3.1 大規(guī)模柔性調(diào)度模型
    3.2 全局搜索策略
        3.2.1 編碼策略
        3.2.2 解碼策略
        3.2.3 粒子更新策略
    3.3 局域搜索策略
    3.4 Apache Spark下分布式策略
    3.5 實(shí)驗(yàn)分析
        3.5.1 數(shù)據(jù)集描述
        3.5.2 有效性驗(yàn)證
        3.5.3 有效性分析
    3.6 本章小結(jié)
4 混合式協(xié)同演化算法
    4.1 模糊柔性調(diào)度模型
    4.2 模糊處理時(shí)間操作規(guī)則
    4.3 基于表現(xiàn)可變分組策略
    4.4 編碼轉(zhuǎn)換機(jī)制
    4.5 參數(shù)自適應(yīng)策略
    4.6 實(shí)驗(yàn)分析
        4.6.1 數(shù)據(jù)集描述
        4.6.2 有效性驗(yàn)證
        4.6.3 有效性分析
    4.7 本章小結(jié)
5 基于學(xué)習(xí)的協(xié)同演化算法
    5.1 隨機(jī)柔性調(diào)度模型
    5.2 基于MRF分組策略的協(xié)同演化算法
        5.2.1 結(jié)構(gòu)學(xué)習(xí)
        5.2.2 參數(shù)學(xué)習(xí)
        5.2.3 實(shí)驗(yàn)分析
    5.3 基于BOA分組策略的協(xié)同演化算法
        5.3.1 數(shù)據(jù)采樣
        5.3.2 貝葉斯網(wǎng)絡(luò)構(gòu)建
        5.3.3 實(shí)驗(yàn)分析
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點(diǎn)
    6.3 工作展望
參考文獻(xiàn)
攻讀博士學(xué)位期間科研項(xiàng)目及科研成果
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]具有總能耗約束的柔性作業(yè)車間調(diào)度問題研究[J]. 雷德明,楊冬婧.  自動(dòng)化學(xué)報(bào). 2018(11)
[2]一種基于概率圖模型的不確定性數(shù)據(jù)世系表示方法[J]. 岳昆,劉惟一,朱運(yùn)磊,張偉.  計(jì)算機(jī)學(xué)報(bào). 2011(10)
[3]基于改進(jìn)非支配排序遺傳算法的多目標(biāo)柔性作業(yè)車間調(diào)度[J]. 張超勇,董星,王曉娟,李新宇,劉瓊.  機(jī)械工程學(xué)報(bào). 2010(11)



本文編號(hào)：3703917