改进的多目标遗传算法在作业车间调度中的应用研究

论文摘要

目前,制造业的竞争日益激烈,在企业的日常运作过程中,会经常遇到各种各样的复杂的调度问题,车间生产调度问题解决的好坏直接影响着企业的运作效率和最终的客户满意程度,最终影响着企业对市场的反应能力和竞争力。因此,车间调度问题已经成为运营管理领域的一大研究热点。针对传统多目标遗传算法在求解车间调度问题时收敛速度慢和容易陷入局部最优化的不足,本文提出了一种采用变点交叉方式的多目标遗传算法,即：在运算初期采用多点交叉的方式用来提高收敛速度,而在运算后期逐步减少交叉点,直至采用两点交叉、单点交叉的方式,以避免丢失最优解导致早熟收敛。同时设计一种交互权重将多目标问题变为单一目标问题,体现决策者偏好,同时简化求解过程。最后将提出的改进算法运用于作业车间调度问题,与无偏好多目标优化的小生境Pareto遗传算法(NPGA)进行了对比,结果显示了该算法的有效性.将改进的多目标遗传算法应用于车间调度系统,可更高效的为各种不同的生产企业、不同的问题规模提供一个求解方案。

论文目录

• 摘要
• Abstract
• 绪论
• 第一章 车间调度问题
• 1.1 车间调度问题的发展
• 1.2 车间调度问题的概述
• 1.2.1 单双机调度问题
• 1.2.2 车间调度问题分类和特点
• 1.2.3 车间调度问题的性能指标
• 1.3 多目标车间调度存在的问题
• 本章小结
• 第二章 多目标遗传算法研究
• 2.1 遗传算法
• 2.1.1 遗传算法概述
• 2.1.2 遗传算法的基本思想
• 2.1.3 遗传算法的特点
• 2.2 多目标遗传算法
• 2.2.1 多目标优化问题
• 2.2.2 多目标遗传算法概述
• 2.2.3 多目标遗传算法的特点及流程
• 2.3 多目标遗传算法基本实现技术
• 2.3.1 编码方法
• 2.3.2 适应度函数
• 2.3.3 基本操作
• 2.3.4 Pareto最优解
• 2.4 多目标遗传算法的发展及研究现状
• 本章小结
• 第三章 一种改进的多目标遗传算法
• 3.1 引言
• 3.2 改进算法的关键思想与技术
• 3.2.1 改进算法的主要思想
• 3.2.2 变点交叉的方式
• 3.2.3 偏好信息的获取方式
• 3.2.4 目标偏好的诱导方式
• 3.2.5 目标偏好引导遗传搜索
• 3.3 改进算法的流程
• 3.3.1 编码方式
• 3.3.2 适应度计算
• 3.3.3 初始种群的建立
• 3.3.4 交叉和变异
• 3.3.5 诱导目标权重
• 3.3.6 改进算法步骤
• 3.4 改进多目标遗传算法应用
• 本章小结
• 第四章 车间调度系统的设计与实现
• 4.1 引言
• 4.2 系统总体设计思想
• 4.2.1 系统工作流程
• 4.2.2 系统功能模块设计
• 4.3 系统平台实例运行
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢