制造链协同调度方法研究

论文摘要

制造链协同调度问题是当前全球化、网络化环境下现代企业生产管理与控制遇到的新难题。粒子群优化算法是一类基于群体智能理论的优化算法,它为调度这类复杂的优化问题提供一种新的高效的解决方法。本文基于改进的粒子群优化算法研究解决制造链各节点之间的协同调度与优化问题,目的是根据系统的产能约束和制造过程实时信息,对制造链上下游各节点的生产进程和节拍进行协调调度,实现制造链整体性能优化。由于制造链协同调度问题的复杂性,故将其划分为制造链级和车间级两个层次分别进行优化调度。本文首先分析了常规粒子群优化算法及其优化机理,总结了粒子群算法的主流发展方向和几种改进的粒子群算法的特点,并将粒子群优化算法与遗传算法和蚁群算法进行了优缺点的比较。其次,本文分析了制造链级协同调度问题及其模型,并对其最优解的性质进行了分析,提出了对应该问题的粒子编码及解码方式,并在传统二进制粒子群算法的基础上提出了自适应变异二进制粒子群优化算法,该算法根据群体的适应度方差及平均聚集距离来确定当前最佳粒子的变异概率,这样的变异操作可以增强二进制粒子群优化算法跳出局部最优解的能力,随后利用自适应变异二进制粒子群优化算法求解制造链协同调度问题模型,仿真实验证明了算法的可行性和有效性。接着,本文研究了车间级调度问题,分析了作业车间调度问题模型并给出了适合的粒子编码及解码方法,随后运用具有变异算子的自适应粒子群算法求解作业车间调度问题;然后又分析了柔性作业车间调度问题,采用具有变异算子的自适应粒子群算法求解柔性作业车间调度问题,仿真实验证明了该算法求解车间级调度问题的有效性和可行性。最后,对全文的研究内容和结果进行了总结,并对本文的研究进行了展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 国内外相关研究现状
• 1.2.1 制造链协同调度与优化
• 1.2.2 粒子群算法
• 1.3 研究内容
• 第二章 粒子群优化算法研究
• 2.1 粒子群算法基本原理
• 2.1.1 粒子群算法的思想
• 2.1.2 算法求解过程
• 2.1.3 算法主要参数
• 2.1.4 算法基本步骤
• 2.2 提高算法性能的现有方法
• 2.2.1 引入惯性权重
• 2.2.2 引入收缩因子
• 2.2.3 引入拓扑结构
• 2.2.4 种群规模的考虑
• 2.3 几种改进的粒子群算法
• 2.3.1 参数改进粒子群算法
• 2.3.2 混合粒子群算法
• 2.3.3 离散二进制算法
• 2.3.4 免疫粒子群算法
• 2.4 粒子群算法与其它算法的比较
• 2.4.1 粒子群算法与遗传算法（GA）
• 2.4.2 粒子群算法与蚂蚁算法（ACO）比较
• 2.5 本章小结
• 第三章 制造链级协同调度问题的粒子群优化算法
• 3.1 引言
• 3.2 制造链协同调度问题
• 3.2.1 问题模型
• 3.2.2 问题的最优解的性质
• 3.2.3 粒子群算法编码
• 3.3 自适应变异二进制粒子群算法
• 3.3.1 传统二进制粒子群算法
• 3.3.2 粒子群优化算法早熟收敛问题
• 3.3.3 自适应变异二进制粒子群算法
• 3.4 仿真实验
• 3.5 本章小结
• 第四章 车间级调度问题的粒子群优化算法
• 4.1 引言
• 4.2 作业车间调度问题
• 4.3 作业车间调度问题算法设计
• 4.3.1 基于操作的编码方式
• 4.3.2 基于粒子位置次序的粒子表示方法
• 4.3.3 基于操作和PPS的粒子表示
• 4.3.4 调度方案的生成
• 4.3.5 具有变异算子的自适应粒子群算法步骤
• 4.3.6 仿真实验
• 4.4 柔性作业车间调度问题的粒子群算法
• 4.4.1 问题描述
• 4.4.2 数学模型
• 4.4.3 算法设计
• 4.4.4 仿真实验
• 4.5 本章小结
• 第五章 结论
• 5.1 全文总结
• 5.2 研究展望
• 参考文献
• 在学研究成果
• 致谢