本文關(guān)鍵詞：基于混合遺傳算法的車間逆調(diào)度方法研究

  更多相關(guān)文章： 逆調(diào)度 單機調(diào)度 流水車間調(diào)度 遺傳算法 混合算法 多目標(biāo)優(yōu)化算法

【摘要】：為了適應(yīng)當(dāng)前多品種小批量的生產(chǎn)模式,在逆優(yōu)化理論的基礎(chǔ)上,研究人員提出了逆調(diào)度(Inverse Scheduling)這一新的調(diào)度方法,其目標(biāo)是針對預(yù)先確定的調(diào)度任務(wù),通過最小限度地調(diào)整相應(yīng)的加工參數(shù),使得預(yù)先給出的調(diào)度方案最優(yōu)。目前國際上針對逆調(diào)度的研究剛剛起步,相應(yīng)的調(diào)度模型、策略和方法的研究還很少。本文針對單機和流水等車間類型,系統(tǒng)研究了單機逆調(diào)度、帶交貨期的單機逆調(diào)度、流水車間逆調(diào)度、多目標(biāo)流水車間逆調(diào)度等問題,建立了相應(yīng)的數(shù)學(xué)模型,并結(jié)合不同模型的特點,提出了高效求解方法。 針對單機逆調(diào)度問題,建立了以加權(quán)完成時間和最小為目標(biāo)的數(shù)學(xué)模型,提出了一種基于遺傳算法和粒子群優(yōu)化(Particle Swarm Optimization, PSO)的混合算法。將啟發(fā)式非最優(yōu)調(diào)度法,以及隨機初始化與局部初始化相結(jié)合,提高了初始種群的多樣性與質(zhì)量。根據(jù)問題特征,設(shè)計了三種交叉算子和兩種變異算子。采用改進(jìn)PSO算法和三種改進(jìn)策略,提高了算法的局部搜索能力。通過實例測試以及與其它算法的對比,結(jié)果表明提出的方法具有更高的求解效率和更好的穩(wěn)定性。 針對帶交貨期的單機逆調(diào)度問題,提出了一種基于遺傳變鄰域交替算法的求解方法。該方法采用嵌入方式對遺傳算法和變鄰域搜索方法進(jìn)行混合,平衡了混合算法的全局搜索和局部搜索。針對問題特征和編碼方法特點,設(shè)計了四種鄰域結(jié)構(gòu),通過鄰域結(jié)構(gòu)的切換,提高了算法的局部搜索能力。通過實例測試以及與其它算法的對比,結(jié)果表明該算法能有效地求解帶交貨期的單機逆調(diào)度問題。 針對流水車間逆調(diào)度問題,建立了以參數(shù)改變量最小為目標(biāo)的數(shù)學(xué)模型,提出了一種自適應(yīng)的遺傳變鄰域混合求解方法。提出了一種帶小數(shù)機制的分塊編碼方案用于解的表達(dá),能同時對工序和參數(shù)進(jìn)行協(xié)同優(yōu)化。針對問題特征,設(shè)計了四種鄰域結(jié)構(gòu),提出了一種自適應(yīng)選擇機制以選擇最合適的鄰域,提高了算法的局部搜索能力。通過實例測試以及與其它算法的對比,驗證了該算法的有效性和優(yōu)越性。 針對多目標(biāo)流水車間逆調(diào)度問題,建立了考慮調(diào)度效率和調(diào)度穩(wěn)定性的數(shù)學(xué)模型,綜合考慮了加工參數(shù)改變量、系統(tǒng)改變量以及完工時間和等目標(biāo)。提出了一種基于LMONG (Multi-Objective NSGAⅡ and GA with Local search, LMONG)算法的求解方法,將多種策略進(jìn)行了混合以提高算法性能,主要包括NSGAⅡ(Non-dominated Sorting Genetic Algorithm Ⅱ)中的快速非支配排序方法、兩種多樣性保持策略、混合的精英保留策略,以及高效局部搜索策略等。通過實例測試與ANOVA分析,驗證了該算法的有效性。 基于上述理論成果,根據(jù)某船廠加工車間的生產(chǎn)情況,分析了車間存在的問題,將上述理論成果應(yīng)用于實際車間的生產(chǎn)。實例分析表明本文提出的理論與方法能夠有效地解決實際生產(chǎn)車間調(diào)度問題,保證車間系統(tǒng)能夠有效平穩(wěn)地運行。 最后,對全文的工作進(jìn)行了總結(jié),并對今后的研究方向進(jìn)行了展望。
【關(guān)鍵詞】：逆調(diào)度 單機調(diào)度 流水車間調(diào)度 遺傳算法 混合算法 多目標(biāo)優(yōu)化算法
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TB497;TP18
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-19
• 1.1 課題的來源、目的及意義10-13
• 1.2 逆調(diào)度國內(nèi)外研究現(xiàn)狀13-16
• 1.3 現(xiàn)狀總結(jié)與問題分析16-17
• 1.4 本文的主要工作與結(jié)構(gòu)17-19
• 2 車間逆調(diào)度問題總體研究框架19-25
• 2.1 逆調(diào)度問題與模型研究19-22
• 2.2 逆調(diào)度問題求解方法與框架研究22-24
• 2.3 本章小結(jié)24-25
• 3 基于GAIP混合算法的單機逆調(diào)度方法25-46
• 3.1 引言25-26
• 3.2 加權(quán)完成時間和最小的單機逆調(diào)度問題描述26-28
• 3.3 基于GAIP混合算法求解單機逆調(diào)度問題28-39
• 3.4 實例結(jié)果與分析39-44
• 3.5 本章小結(jié)44-46
• 4 基于遺傳變鄰域交替算法的帶交貨期的單機逆調(diào)度方法46-65
• 4.1 引言46
• 4.2 帶交貨期的單機逆調(diào)度問題描述46-48
• 4.3 基于遺傳變鄰域交替算法求解DSMISP問題48-56
• 4.4 實驗結(jié)果與分析56-64
• 4.5 本章小結(jié)64-65
• 5 基于自適應(yīng)混合遺傳算法的單目標(biāo)流水車間逆調(diào)度方法65-85
• 5.1 引言65
• 5.2 流水車間逆調(diào)度問題描述65-68
• 5.3 自適應(yīng)混合遺傳算法求解FSISP問題68-77
• 5.4 實驗結(jié)果與分析77-84
• 5.5 本章小結(jié)84-85
• 6 基于LMONG算法的多目標(biāo)流水車間逆調(diào)度方法85-111
• 6.1 引言85-86
• 6.2 多目標(biāo)流水車間逆調(diào)度問題描述86-88
• 6.3 基于LMONG算法求解多目標(biāo)流水車間逆調(diào)度問題88-99
• 6.4 實驗結(jié)果與分析99-110
• 6.5 本章小結(jié)110-111
• 7 車間逆調(diào)度實例分析111-121
• 7.1 應(yīng)用背景簡介111-114
• 7.2 單機逆調(diào)度實例114-116
• 7.3 流水車間逆調(diào)度實例116-120
• 7.4 本章小結(jié)120-121
• 8 總結(jié)與展望121-124
• 8.1 全文總結(jié)121-122
• 8.2 創(chuàng)新之處122
• 8.3 研究展望122-124
• 致謝124-125
• 參考文獻(xiàn)125-134
• 附錄1 攻讀博士學(xué)位期間發(fā)表學(xué)術(shù)論文目錄134

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王一海;;基于服務(wù)質(zhì)量的多品種多工藝車間作業(yè)調(diào)度系統(tǒng)研究[J];新技術(shù)新工藝;2011年04期

2 許秀林;胡克瑾;;多目標(biāo)柔性車間作業(yè)調(diào)度分批方法研究[J];計算機應(yīng)用研究;2011年07期

3 顏亮;姚錫凡;;一種改進(jìn)的遺傳算法在車間作業(yè)調(diào)度上的應(yīng)用[J];機床與液壓;2008年11期

4 唐慶國,張培忠;最優(yōu)生產(chǎn)技術(shù)在模具車間作業(yè)調(diào)度系統(tǒng)中的應(yīng)用[J];模具制造;2003年03期

5 魏家鵬;馬修泉;;虛擬車間的調(diào)度與優(yōu)化[J];中國科技信息;2005年23期

6 王冰;李巧云;羊曉飛;;模糊車間作業(yè)調(diào)度的三點滿意度模型[J];控制與決策;2012年07期

7 賀仁杰;陳宇寧;姚鋒;邢立寧;;求解柔性車間作業(yè)調(diào)度的知識型協(xié)同演化方法[J];計算機集成制造系統(tǒng);2011年02期

8 林漢華;劉強;吳立華;李黎明;;工期不確定的模具車間作業(yè)調(diào)度前置處理[J];機電工程技術(shù);2011年10期

9 張利平;吳正佳;王魁;王文;;改進(jìn)蟻群算法在車間作業(yè)調(diào)度中的應(yīng)用研究[J];三峽大學(xué)學(xué)報(自然科學(xué)版);2009年02期

10 陳偉達(dá),達(dá)慶利,王愚;工藝路線可變車間作業(yè)調(diào)度的雜合遺傳算法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2000年06期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 陳雄;萬位水;徐心和;;車間作業(yè)調(diào)度的方法綜述[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

2 紀(jì)樹新;錢積新;孫優(yōu)賢;;基于遺傳算法的車間作業(yè)調(diào)度系統(tǒng)研究[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

3 劉洪威;王艷紅;;一類基于多Agent的分布車間作業(yè)調(diào)度方法[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 牟健慧;基于混合遺傳算法的車間逆調(diào)度方法研究[D];華中科技大學(xué);2015年

2 劉愛軍;離散制造車間多生產(chǎn)模式下作業(yè)調(diào)度研究[D];重慶大學(xué);2011年

3 朱華炳;制造業(yè)生產(chǎn)物流系統(tǒng)規(guī)劃與調(diào)度技術(shù)研究[D];合肥工業(yè)大學(xué);2005年

4 蔡斌;基于文化基因算法的車間作業(yè)調(diào)度理論研究及實踐[D];重慶大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉超;面向制藥企業(yè)的作業(yè)流程調(diào)度系統(tǒng)的研究與實現(xiàn)[D];蘇州大學(xué);2015年

2 楊帆;葉片車間作業(yè)調(diào)度系統(tǒng)研究與開發(fā)[D];浙江大學(xué);2008年

3 陳琪琪;基于設(shè)備能力約束的車間作業(yè)調(diào)度方法研究及軟件開發(fā)[D];南京航空航天大學(xué);2009年

4 陳亮;產(chǎn)品族工藝設(shè)計與車間作業(yè)調(diào)度的主從聯(lián)合優(yōu)化方法[D];浙江大學(xué);2014年

5 陶偉;一種開放式車間調(diào)度算法及其在MES中的應(yīng)用[D];華中科技大學(xué);2012年

6 王明杰;帶換裝次數(shù)限制的車間作業(yè)調(diào)度[D];山東大學(xué);2013年

7 朱紹文;離散制造車間作業(yè)調(diào)度系統(tǒng)的研究與實現(xiàn)[D];江南大學(xué);2014年

8 王曉圓;面向配作齊停和級聯(lián)資源約束的車間作業(yè)調(diào)度技術(shù)[D];北京理工大學(xué);2015年

9 謝勝利;基于智能計算的車間作業(yè)調(diào)度研究[D];浙江工業(yè)大學(xué);2007年

10 張強;多重資源約束下的作業(yè)車間優(yōu)化調(diào)度研究[D];廣東工業(yè)大學(xué);2008年

，

本文編號：849498