基于自适应遗传算法的模具企业车间作业调度研究

论文摘要

模具工业是国民经济的重要组成部分,模具制造业的发展水平在一定程度上代表国家制造业的水平。近十几年来我国模具生产水平取得了巨大的进步,但与发达国家相比还存在较大差距。除制造技术方面的差距外,模具生产过程的复杂多变造成管理上的困难也使我国模具企业在车间管理方面与先进国家存在较大差距。车间作业调度作为制造系统的一个研究热点,是影响制造业生产效率的重要因素。优良的调度策略可以帮助模具企业做出准确的生产计划、合理安排资源的使用、迅速处理生产中的不稳定因素和突发事件,对于提高生产系统的最优性、提高经济效率,有着极大的作用。为此,本文围绕面向模具企业的车间作业调度问题展开研究。本文首先对车间作业调度问题和遗传算法进行了阐述,分析了遗传算法的编码方式、交叉操作、变异操作等算子的特点以及遗传算子对算法求解精度的影响。其次,在深入分析模具企业加工特点的基础上,通过简化,为模具企业车间作业调度问题建立了数学模型,并在遗传算法基础上提出一种适合离散模具制造企业的通用模型静态调度算法,详细阐述了算法的各项操作,对算法进行了实验研究,并通过与其它算法的性能对比说明了算法的优化性能。最后,考虑模具生产中的不确定因素,提出了局部更新和全局更新相结合的、基于滚动窗口技术的动态调度策略。针对不同的扰动因素,采取不同的调度方案,既保证调度性能的优化,又兼顾实时性的要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 车间作业调度的国内外研究现状
• 1.2.2 遗传算法的国内外研究现状
• 1.3 课题来源及研究内容
• 1.3.1 课题来源
• 1.3.2 课题研究的主要内容
• 第2章 车间作业调度问题研究
• 2.1 调度问题描述
• 2.1.1 生产调度问题描述
• 2.1.2 车间作业调度问题描述
• 2.2 车间作业调度问题的分类及特点
• 2.2.1 车间作业调度问题的分类
• 2.2.2 车间作业调度问题的特点
• 2.3 车间作业调度的优化算法与策略
• 2.3.1 车间作业调度的优化算法
• 2.3.2 车间作业调度的策略
• 2.4 本章小结
• 第3章 遗传算法研究
• 3.1 遗传算法描述
• 3.1.1 遗传算法的生物学背景
• 3.1.2 遗传算法的基本思想
• 3.1.3 遗传算法的基本内容
• 3.1.4 遗传算法的特点
• 3.2 遗传算法的数学基础
• 3.2.1 模式定理及其意义
• 3.2.2 积木块假设及其意义
• 3.2.3 欺骗性问题
• 3.2.4 隐式并行性
• 3.2.5 收敛性分析
• 3.3 遗传算法参数与操作的设计
• 3.3.1 编码
• 3.3.2 初始群体设定
• 3.3.3 适应度函数设计
• 3.3.4 遗传操作设计
• 3.3.5 算法终止条件
• 3.4 遗传算法的改进
• 3.5 本章小结
• 第4章 基于自适应遗传算法的车间作业调度
• 4.1 基于工件加工的模具企业车间作业调度问题
• 4.1.1 模具企业车间作业调度问题的抽象描述
• 4.1.2 模具企业车间作业调度问题的约束条件
• 4.1.3 模具企业车间作业调度问题的数学模型
• 4.2 模型的调度算法设计
• 4.2.1 确定模型的机器阵与时间阵
• 4.2.2 编码方案
• 4.2.3 解码方案
• 4.2.4 适应度函数设计
• 4.2.5 遗传操作算子设计
• 4.2.6 算法设计流程
• 4.3 调度应用实例及仿真实验
• 4.3.1 应用实例
• 4.3.2 算法的仿真实验
• 4.4 本章小结
• 第5章 模具企业车间作业动态调度研究
• 5.1 模具生产过程中的不确定因素
• 5.2 模具生产动态调度实现
• 5.2.1 滚动窗口技术
• 5.2.2 工件选取规则
• 5.2.3 动态调度策略
• 5.2.4 动态调度模型修正
• 5.3 动态调度实例
• 5.4 本章小结
• 结论
• 参考文献
• 附录I FT06 与FT10 问题数据表
• 攻读硕士期间所发表的学术论文
• 致谢