混合进化算法及其在生产调度中的应用

混合进化算法及其在生产调度中的应用

论文摘要

工程设计具有复杂性,多约束等特点,我们经常会遇到需要使多个目标在给定可行区域上都尽可能最优的决策问题。其中生产调度问题可以说是最具代表性的一系列问题被学界广泛研究。半导体制造工业具有高度复杂的生产流程,.其中包括数种类型的工作站,大型并且多种多样各异的产品,尤其是带有重入式的处理流程更是非常复杂以至于它很难在一个动态的环境下进行充分地有效地排程。本文以半导体制造业中晶圆片的生产为例,针对于具有重入式特点的流水线生产调度问题,提出了一个基于遗传进化思想的重入式混合进化算法,通过对基因变异方式的改进来有效地减小产品的总滞留时间。特别地,改进后的算法能够很好地自适应流水线中突发情况的产生,进行有效的重排序。多目标的优化思想也被广泛地应用在流水车间的排程问题之中。本文针对多目标优化问题的特点,提出了一种基于局部搜索的多目标混合进化算法,主要着重于寻求遗传搜索和局部搜索二者之间的平衡以更多更快地找到非支配解来提高种群的收敛速率。此算法的适度值是由染色的排序(rank)值和此染色体相对于相邻的两条染色体的拥挤度值共同决定的。本文根据Pareto排序的方法对初始化的种群进行优化,通过计算种群中每条染色体的排序(rank)值和拥挤度值将其排序。而后提出了混合局部搜索的想法以减少计算时间,提高算法效率和收敛性,保持种群的多样性。并采用二分锦标赛法来选择交配池中的个体集,根据两点法和插入法对优秀种群做交叉变异操作以生成新的种群。最后将提出的混合算法与几种多目标进化算法进行了比较实验,结果表明新算法能产生于真正Pareto最优解更的近似Pareto前沿解集。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 生产调度问题产生背景
  • 1.2 带有重入式的生产调度问题
  • 1.3 多目标优化方法的发展历史和研究现状
  • 1.4 多目标优化问题概述
  • 1.4.1 多目标优化的基本概念
  • 1.4.2 多目标问题的研究难点
  • 1.4.3 多目标进化算法研究现状
  • 1.4.4 问题的结构和特性
  • 1.5 本论文的研究目标及组织结构
  • 1.5.1 本论文的研究目标
  • 1.5.2 本论文的组织结构
  • 2 进化算法综述
  • 2.1 进化算法概述
  • 2.2 进化算法的发展历史
  • 2.3 多目标进化算法的设计机制
  • 2.3.1 收敛性
  • 2.3.2 适度值分配机制
  • 2.3.3 精英机制
  • 2.4 多目标优化问题的基本求解方法
  • 2.4.1 基于偏好方法求解
  • 2.4.2 产生式方法求解
  • 2.5 本章小结
  • 3 带有重入式流水车间生产调度问题
  • 3.1 带有重入式的生产调度
  • 3.2 问题模型定义
  • 3.3 基于遗传算法的RFSP求解
  • 3.4 改进的遗传算法
  • 3.5 实验比较
  • 3.6 本章小结
  • 4 多目标生产调度优化问题
  • 4.1 多目标生产调度问题背景
  • 4.2 多目标生产调度问题的定义
  • 4.3 多目标生产调度问题的解决方法
  • 4.3.1 基于运筹学的方法
  • 4.3.2 基于人工智能的方法
  • 4.3.3 基于进化算法的方法
  • 4.4 本章小结
  • 5 基于Pareto排序的多目标进化算法
  • 5.1 Pareto排序方法概述
  • 5.1.1 Pareto最优解
  • 5.1.2 Pareto前沿解
  • 5.1.3 拥挤距离
  • 5.2 局部搜索策略(local search strategy)
  • 5.3 选择策略(selection strategy)
  • 5.3.1 轮盘赌选择(roulette wheel selection)
  • 5.3.2 锦标赛选择(tournament selection)
  • 5.3.3 选择算子的定义
  • 5.4 算法具体流程
  • 5.5 本章小结
  • 6 算法在流水车间问题中的应用
  • 6.1 生产调度建模
  • 6.2 生产调度问题编码方式
  • 6.2.1 适度值的确立
  • 6.2.2 遗传操作
  • 6.3 实验仿真对比
  • 6.4 本章小结
  • 7 问题测试以及结果比较
  • 7.1 算法性能评价
  • 7.2 评价实例
  • 7.2.1 测试问题和性能评价方法
  • 7.2.2 比较其他多目标进化算法
  • 7.3 本章小结
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 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:;  ;  ;  ;  ;  

    混合进化算法及其在生产调度中的应用
    下载Doc文档

    猜你喜欢