首页> 正文

基于混合算法的车间作业调度问题研究

2020-12-07阅读(958)

基于混合算法的车间作业调度问题研究

论文摘要

随着全球经济逐步走向一体化,产品的开发设计、制造周期大大缩短,单件、多品种、小批量生产方式成为制造业的主流生产方式。这种生产方式对生产制造资源的统筹调度利用要求很高,要求生产要素能够快速响应市场需求。相关统计资料显示,生产过程中零件95%的时间处于运输、等待等非增值环节,如何有效制定生产计划,合理调配生产资源,从而减少非增值环节时间,缩短生产周期,降低成本,已经为越来越多的企业和研究机构所关注。在如今这样一个市场瞬息万变的时代,缩短生产周期快速响应市场需求显得尤为重要,这关系到企业的生存。因此如何调度生产资源,减少这部分不产生价值的时间成为许多生产性企业所面临的严峻问题。针对这一现状,本文研究了基于混合遗传算法的车间作业调度问题,通过将遗传算法和蚁群算法混合使用,构成混合算法来求解问题的最优解。该混合算法综合了两智能算法的优点,有效地避免了单独应用求解的缺陷,算法的特点是采用基于工序的编码方法,引入基于邻域搜索的变异方式;两算法的结合处,采用人为增加遗传算法得到较优解路径上初始信息素的值。本文分别以流程时间最小化、最小拖期时间为优化指标,应用混合算法对车间调度进行优化。设计了产生动态调度的解码方法,并以若干个纺织机械零件构成调度问题实例,用不同的优化指标对该问题实例进行求解,仿真计算结果表明,与单独采用遗传算法或蚂蚁算法相比,混合算法在求解车间调度问题时具有更快的求解速度和更优的全局搜索能力。在混合遗传算法的基础上,开发了一个车间作业调度原型系统,该系统初步实现了以流程时间最小化和最小拖期时间为优化指标的车间调度功能,并能将调度结果以表格和甘特图形式输出。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 引言
  • 1.2 车间调度问题的研究现状及发展趋势
  • 1.3 课题研究背景及选题意义
  • 1.4 本文的创新点及研究主要内容
  • 2 车间调度问题概述
  • 2.1 车间调度问题的概念
  • 2.2 车间调度问题分类和性能指标
  • 2.2.1 车间调度问题分类
  • 2.2.2 车间调度问题性能指标
  • 2.3 车间调度问题特点
  • 2.4 车间调度问题的表示方法
  • 2.5 车间调度问题优化方法和缺陷
  • 2.6 本章小结
  • 3 遗传算法（GA）和蚁群算法原理
  • 3.1 遗传算法的产生发展及基本原理
  • 3.2 遗传算法的基本术语及应用
  • 3.2.1 遗传算法的基本术语
  • 3.2.2 遗传算法的应用
  • 3.3 遗传算法的特点
  • 3.3.1 遗传算法的优点
  • 3.3.2 遗传算法的不足之处
  • 3.4 编码问题
  • 3.5 遗传算子操作
  • 3.5.1 选择（Selection）
  • 3.5.2 交叉（Crossover）
  • 3.5.3 变异（mutation）
  • 3.6 遗传算法运算流程
  • 3.7 蚁群算法的起源及基本原理
  • 3.8 蚁群算法理论和应用研究现状
  • 3.9 蚁群系统模型
  • 3.10 蚁群算法特征
  • 3.10.1 蚁群算法的优点
  • 3.10.2 蚁群算法应用中的挑战及缺点
  • 3.11 本章小结
  • 4 混合算法及其在柔性JOB-SHOP问题中应用
  • 4.1 混合算法的基本思想
  • 4.2 Job-shop调度问题的数学描述
  • 4.3 Job-shop问题的混合算法的参数设计
  • 4.3.1 编码设计
  • 4.3.2 适应度函数设计
  • 4.3.3 混合算法操作算子设计
  • 4.3.4 算法的实现过程
  • 4.4 应用混合算法求解柔性Job-shop调度问题
  • 4.4.1 编码过程
  • 4.4.2 解码过程
  • 4.4.3 产生活动调度和非活动调度的比较
  • 4.4.4 柔性问题中蚁群算法与遗传算法衔接
  • 4.4.5 混合算法中蚁群算法描述和节点选取
  • 4.4.6 混合算法求解3X5车间调度问题参数设计
  • 4.4.7 调度结果
  • 4.5 应用混合算法优化交货期求解5X6车间调度问题
  • 4.5.1 问题的描述及数学模型的建立
  • 4.5.2 混合算法求解总拖期调度的编码解码问题
  • 4.5.3 混合算法求解总拖期调度的算子操作
  • 4.5.4 混合算法求解总拖期最小问题的步骤
  • 4.5.5 混合算法参数设计
  • 4.5.6 混合算法运算结果
  • 4.5.7 结论分析
  • 4.6 本章小结
  • 5 基于混合算法的柔性车间作业调度系统的设计开发
  • 5.1 需求分析
  • 5.2 系统开发环境
  • 5.3 系统结构设计与模块功能设计
  • 5.4 基础数据库管理模块
  • 5.4.1 主界面模块
  • 5.4.2 设备数据库
  • 5.4.3 零件信息数据库
  • 5.4.4 工艺数据库
  • 5.4.5 调度结果界面
  • 5.4.6 生成报表
  • 5.5 JOB SHOP系统应用实例调度结果
  • 5.6 JOB SHOP系统调度甘特图的生成
  • 5.7 本章小结
  • 6 结论与展望
  • 6.1 结论
  • 6.2 展望
  • 致谢
  • 参考文献
  • Appendix A 攻读学位期间取得的研究成果

    • 相关论文文献

    • [1].算法：一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质：言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等：算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签：;  ;  ;  ;  

    基于混合算法的车间作业调度问题研究
    下载Doc文档

    猜你喜欢

    © 2025 毕速过 版权所有 鄂ICP备12018319号-5