首页> 正文

基于智能优化算法的车间调度问题的研究

2020-12-01阅读(146)

基于智能优化算法的车间调度问题的研究

论文摘要

车间调度问题是一个非常复杂的NP-hard组合优化问题,它在工程应用中有着十分重要的意义。有效的生产调度方法和优化技术的研究和应用是实现先进制造和提高生产效益的基础和关键,越来越受到学者们的关注。本文在综合国内外关于车间调度问题研究状况的基础上,考虑现行作业车间运作的实际情况,对作业车间的生产调度问题进行了深入系统的研究。首先,对车间调度问题的概念、分类、特点、研究内容、评价标准及传统的求解算法进行了系统的阐述;从粒子群优化（Particle Swarm Optimization, PSO）算法的产生背景、基本原理、求解流程及改进方向等角度对该算法进行了系统的介绍和深入的研究。其次,由于在实际的调度中,PSO算法存在搜索空间有限、容易出现早熟现象的缺陷,提出将具有量子行为的粒子群优化（Quantum-behaved Particle Swarm Optimization, QPSO）算法用于求解车间调度问题。在系统分析了QPSO算法的基本原理、算法特性的基础上,将该算法用于求解车间调度问题,以全部工件的加工结束时间最短作为优化目标,结合基于工序的编码方法,构建了基于QPSO算法的车间调度问题求解方法,并通过仿真实例验证了算法的收敛性和有效性,其调度效果优于遗传算法、PSO算法。最后,由于QPSO算法仍有可能会出现早熟现象,因此将变异机制引入QPSO算法以使算法跳出局部最优并增强其全局搜索能力,提出了基于带变异因子的QPSO算法的车间调度问题求解方法,并结合实例实现了对复杂车间调度问题的求解,仿真结果表明,该算法具有良好的全局收敛性能,验证了算法的有效性。本文的研究工作表明,用QPSO算法及带变异因子的QPSO算法求解车间调度问题,其性能优于遗传算法和PSO算法等其他智能优化算法,收敛速度更快,在车间调度问题的求解过程中能发挥良好的作用。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 选题背景及意义
  • 1.2 智能优化算法的研究概况
  • 1.3 车间调度问题的研究概况
  • 1.4 论文的主要工作
  • 第二章 车间调度问题概述
  • 2.1 车间调度问题概述
  • 2.1.1 车间调度问题的概念
  • 2.1.2 车间调度问题的分类
  • 2.1.3 车间调度问题的特点
  • 2.2 车间调度问题的研究内容与评价标准
  • 2.2.1 车间调度问题的研究内容
  • 2.2.2 车间调度问题的评价标准
  • 2.3 车间调度问题求解方法概述
  • 2.3.1 车间调度问题的建模方法
  • 2.3.2 车间调度问题的求解算法
  • 2.3.3 典型智能优化算法介绍及分析
  • 2.4 本章小结
  • 第三章 粒子群优化算法
  • 3.1 粒子群优化算法的提出
  • 3.2 基本粒子群优化算法
  • 3.2.1 算法原理
  • 3.2.2 算法流程
  • 3.2.3 算法的社会行为分析
  • 3.3 几种改进的粒子群优化算法
  • 3.3.1 带有惯性因子的粒子群优化算法
  • 3.3.2 带有收缩因子的粒子群优化算法
  • 3.3.3 基于遗传思想改进的粒子群优化算法
  • 3.3.4 小生境粒子群优化算法
  • 3.3.5 其他的改进粒子群优化算法
  • 3.4 本章小结
  • 第四章 基于QPSO 算法的JOB-SHOP 调度问题研究
  • 4.1 JOB-SHOP 调度问题概述
  • 4.1.1 Job-Shop 调度问题具体描述
  • 4.1.2 Job-Shop 调度问题数学模型的构建
  • 4.2 基于QPSO 算法的JOB-SHOP 调度问题求解
  • 4.2.1 算法简介
  • 4.2.2 求解Job-Shop 调度问题的编码设计
  • 4.2.3 基于QPSO 算法的Job-Shop 调度问题的流程设计
  • 4.3 QPSO 算法求解JOB-SHOP 调度问题的应用
  • 4.3.1 基于QPSO 算法的FT06 问题的求解
  • 4.3.2 基于QPSO 算法的其他Job-Shop 调度问题求解
  • 4.3.3 基于一种新编码方式的Job-Shop 调度问题的求解
  • 4.4 本章小结
  • 第五章 基于带变异因子的QPSO 算法的JOB-SHOP 调度问题研究
  • 5.1 带变异因子的QPSO 算法的设计
  • 5.1.1 带变异因子的QPSO 算法的设计思想
  • 5.1.2 带变异因子的QPSO 算法的具体设计
  • 5.2 基于QPSO-M 算法的JOB-SHOP 调度问题求解
  • 5.2.1 基于GA、PSO 和QPSO 算法的Job-Shop 调度问题分析
  • 5.2.2 粒子的编码设计
  • 5.2.3 QPSO-M 算法的流程设计
  • 5.2.4 QPSO-M 算法的求解流程图
  • 5.3 QPSO-M 算法求解JOB-SHOP 调度问题的应用
  • 5.3.1 基于QPSO-M 算法的FT06 问题的求解
  • 5.3.2 基于QPSO-M 算法的其他Job-Shop 调度问题求解
  • 5.4 本章小结
  • 第六章 基于QPSO 算法的FLOW-SHOP 调度问题研究
  • 6.1 FLOW-SHOP 调度问题的描述及数学模型
  • 6.1.1 Flow-Shop 调度问题具体描述
  • 6.1.2 Flow-Shop 调度问题数学模型的构建
  • 6.2 FLOW-SHOP 调度问题的传统求解方法
  • 6.3 基于QPSO 算法的FLOW-SHOP 调度问题求解
  • 6.3.1 求解Flow-Shop 调度问题的编码设计
  • 6.3.2 基于QPSO 算法的Flow-Shop 调度问题的流程设计
  • 6.4 QPSO 算法求解FLOW-SHOP 调度问题的应用
  • 6.4.1 基于QPSO 算法的Ca11 问题的求解
  • 6.4.2 结果分析
  • 6.5 本章小结
  • 第七章 总结与展望
  • 7.1 工作总结
  • 7.2 展望
  • 致谢
  • 参考文献
  • 在攻读硕士学位期间发表的论文

    • 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].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)
    • [24].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [25].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [26].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [27].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [28].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)
    • [29].大数据算法的歧视本质[J]. 自然辩证法研究 2017(05)
    • [30].深度学习算法在智能协作机器人方面的应用[J]. 中国新通信 2017(21)

    标签：;  ;  ;  ;  

    基于智能优化算法的车间调度问题的研究
    下载Doc文档

    猜你喜欢

    © 2025 毕速过 版权所有 鄂ICP备12018319号-5