基于改进遗传算法的车间调度优化及其仿真

论文摘要

随着全球经济一体化和企业间竞争的愈演愈烈,改善企业内部生产管理的生产调度技术受到了高度的重视,目前已产生了大量关于生产调度技术的理论研究成果,但是这些研究成果大多只是理论研究,并没有应用到实际生产当中。该文在将遗传算法改进的基础上,对流水车间调度、混合流水车间调度和作业车间调度分别做了算法设计,并通过Flexsim进行了系统仿真,真实地呈现了改进遗传算法实现的车间调度过程和合理性。该文首先对遗传算法做了大量的研究和分析,发现传统的遗传算法解决车间调度问题存在局部收敛和收敛概率偏低的问题,针对该问题提出了一种并行算法结构的改进遗传算法,该算法融入了动态自适应策略和混合启发式等方法,通过与传统遗传算法的对比验证了算法在保证局部搜索速度的前提下还尽可能的保证全局搜索,避免陷入局部最优,提高了最优率。在应用改进的遗传算法基础上,针对流水车间调度、混合流水车间调度和作业车间调度分别给出了不同的算法实现方案,并在算法实现的过程中做了适当的调整和改进,然后通过对经典调度模型、汽车发动机车间模型和机车厂车间模型实例化验证了算法实现的效果。最后实现了对流水车间调度、混合流水车间调度和作业车间调度的系统实现和Flexsim仿真,可动态地观察整个调度过程,进一步地证明了遗传算法在实际调度应用中的可行性和有效性。该文提出的改进遗传算法改善了遗传算法中收敛概率低的问题,目标函数能满足客户对车间调度现实问题的需要。应用改进遗传算法实现的车间调度系统和仿真对实际生产有一定的指导作用。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题的目的与意义
• 1.2 国内外现状及发展趋势
• 1.3 生产调度概述
• 1.3.1 描述及分类
• 1.3.2 问题特点
• 1.4 本文工作
• 2 遗传算法概述
• 2.1 产生与发展
• 2.2 遗传理论
• 2.3 算法参数
• 2.3.1 编码与解码
• 2.3.2 适应度函数
• 2.4 算法操作
• 2.4.1 选择
• 2.4.2 交叉或基因重组
• 2.4.3 变异
• 2.4.4 其他操作
• 2.5 算法流程及设计方法
• 2.6 本章小结
• 3 并行动态自适应技术和混合启发式的遗传算法
• 3.1 算法改进方法
• 3.2 动态自适应技术
• 3.3 混合启发式策略
• 3.4 并行动态自适应技术和混合启发式的遗传算法设计
• 3.4.1 基本思想
• 3.4.2 实现步骤
• 3.4.3 交换设计
• 3.5 本章小结
• 4 流水车间调度
• 4.1 问题描述
• 4.2 假设条件和分类
• 4.3 算法设计
• 4.3.1 编码
• 4.3.2 选择
• 4.3.3 交叉
• 4.3.4 变异
• 4.4 经典问题验证
• 4.4.1 Car1（11×5）问题
• 4.4.2 Car2（13×4）问题
• 4.5 混合流水车间调度
• 4.6 混合流水车间调度的算法设计
• 4.7 实例验证
• 4.8 本章小结
• 5 作业车间调度
• 5.1 问题描述
• 5.2 假设条件和分类
• 5.3 算法设计
• 5.3.1 编码
• 5.3.2 多父代交叉POX
• 5.3.3 变异
• 5.4 经典问题验证
• 5.4.1 LA01（10×5）问题
• 5.4.2 FT06（6×6）问题
• 5.5 实例验证
• 5.6 本章小结
• 6 系统实例仿真
• 6.1 系统实现
• 6.1.1 运行环境
• 6.1.2 设计思想
• 6.1.3 结果分析
• 6.2 Flexsim仿真
• 6.3 流水车间调度仿真
• 6.3.1 仿真模型
• 6.3.2 仿真结果分析
• 6.4 混合流水车间调度仿真
• 6.4.1 仿真模型
• 6.4.2 仿真结果分析
• 6.5 作业车间调度仿真
• 6.5.1 仿真模型
• 6.5.2 仿真结果分析
• 6.6 本章小结
• 结论和展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢