柔性作业车间调度中的优化算法研究（可复制毕业论文）.pdf

摘要腥π钡烫鄯蛱懿㊣:学位论义的遗传算法克服经典遗传算法收敛速度慢易早熟的缺点。然后,针对柔性作业车间调度问题中的特点以及遗传算法的搜索历史,我们通过评价函数混沌搜索的粒子群算法来求解柔性作业车间调度问题。关键词:柔性作业车间调度;遗传算法;粒子群算法;优化;多目标柔性作业车间调度问题由于减少了机器的约束,所以比传统作业车间调度问题的复杂性更高。因此,寻找有效的方法对柔性作业车间调度问题进行求解具有重要的理论价值和应用意义。本文利用遗传算法和粒子群算法研究了柔性作业车间调度问题,主要工作与创新点如下:研究了遗传算法在单目标柔性作业车间调度问题中的应用。首先,我们引入病毒机制,通过病毒群体感染主群体来增加增强主群体的多样性和算法的局部搜索能力,实验表明在柔性作业车间调度中的应用上基于病毒机制自适应的调整交叉概率和变异概率来提高算法的搜索效率和算法的稳定性。研究了遗传算法在多目标柔性作业车间调度问题中的应用。首先,我们采用均匀设计技术合成多个适应度函数,给出了基于均匀设计的遗传算法,以提高搜索方向的空间均匀性。然后,我们在基于最优概念排序的基础上,通过计算全局拥挤距离进行第二级排序,给出了基于两级排序的遗传算法,这种方法有效的减缓了遗传算法搜索寻优过程中种群收敛于单一个体的趋势,避免了遗传算法早熟收敛引起的丢失可选解。芯苛肆W尤核惴ㄔ诘ツ勘耆嵝宰饕党导涞鞫任侍庵械挠τ谩J紫龋颐针对柔性作业车间调度问题的特点构造了此问题的粒子表达方法,给出了具体的算法应用过程,实验结果表明粒子群算法是解决柔性作业车间调度问题的一种十分有效的方法。然后,我们为了使粒子群算法收敛速度加快和获得更好的解,我们将混沌搜索技术引入了粒子群算法中,给出了基于梁性作业车间训度中的优化算法研究
瓼,.,.,.琯,..瑆
;猳.,..:;;
第一章绪论弟一早珀下匕腥Υ羌炯疾纱筇懿篒:,问题的求解目标主要是找到一个将一组资源安排到设备上时作为工件流出网络的出口。作业车间调度的任务就是在满足工件工艺路线要求的前提下,为各个工件寻调度问题在柔性制造系统、现代物流、计算机科学等领域中非常重要。有效的调度优化算法能使现代商业领域增加产出、减少周转时间、减少库存,最终减少生产费用、增加利润和客户满意度,所以调度优化算法性能的好坏对这些行业的高效运作有着重要影响,其研究也具有重要的理论意义和实用价值。所谓调度,就是为了实现某一目的而对共同使用的资源实行时间分配⋯。车间调度问题则是调度问题的一个子集,实际上是一个资源分配问题,这里的资源去,以使作业可被钣拧蓖瓿傻姆桨浮Mǔ3导涞鞫任侍庠际氖亢艽螅得该问题成为一个非常难解的组合问题耆侍,目前还没有有效算法证明并求得最优解。我们考虑以个工件在朋台设备上加工的问题。其中,假设每台设备不能同时处理两个以上的工件。另一方面,各个工件也不能在两台以上的设备上同时加工。这里把每台设备上对各个工件的处理称为作业ば,把每个工件所需的设备使用顺序称为技术顺序。各个工序的处理时间是预先给定的。一般的,根据设备环境的不同,,羗作业车间调度问题可分为以下三大类⋯:饕党导涞鞫任侍在作业车间中,工段或工作中心是围绕着不同类型设备或工序来组织的,如钻床、锻压机、车床、装配线等,每个加工单元完成一类特定的任务处理。作业车间中的工件各自都有特定的技术路线,并且不同工件的技术路线可以不同。如果把车间看作一个由各个加工单元组成的任务处理网络,每个加工单元是这个网络中的一个节点,那么任务处理过程就是工件通过该网络的过程。当这个处理网络对应于作业车间时,其中的每个节点既可以作为工件流入网络的入部赏找一条有时间限制的路线魍ǖ穆废吆途鹘诘愕氖奔涠,使得工件按照琂柔忡作业车间训度中的优化算法研究
《≥串嘲《;幸季技,何那俨簂:学位论义流水车间调度问题是的一个特例,它是在的基础上统一了工件以上各类调度问题都从不同的侧面反映出车间调度问题的高复杂性。随着规模的增加,问题解空间也呈非线形剧增,很难通过一般的方法获得最优解或次优带来了调度研究众多理论突破和创新,在制造业乃至各种运作管理发展中起到了这种有时限的路线能够顺利通过网络,并且达到一定的性能指标,如最小完工时间⒆钚∑骄魍ㄊ奔涞取T诠ぜ际趼废咴际蜕璞改力约束的双重限制下,成为完全问题中最难的问题之一。魉导涞鞫任侍在流水车间中,机器和操作人员通常处理标准的、连续的物流。操作工总是对每批生产任务进行同样的操作。流水车间一般是大批量生产车间或是具有连续生产布局的车间。车间的布局,即机器、工作台及装配线等等的排列方法,是为便于产品流动而设计的。流程工业缁ぁ⑹图庸ぁ⒂推岬是流水车间的典型例子。每种产品,尽管材料规格不同,整个车间总是采用同样的流程。流经加工