论文摘要
传统的作业车间调度问题是求解每个工件具有特定加工机器的一类调度问题,而在实际生产中,可以加工某个工序的机器往往不止一个,这就产生了柔性作业车间调度问题。柔性作业车间调度问题（Flexible job shop scheduling problem,FJSP）由于具有路径柔性的特点,从而可以避免传统作业车间在正常运行过程中容易出现的阻塞和拥挤等现象,并且当加工过程中出现机器故障等一些异常情况的时候,作业车间系统仍然能够维持生产的继续进行,这样可以提高作业车间调度系统的灵活性。然而,柔性路径的特点也使得这类问题的可行解范围的增大,从而给问题的求解带来新的挑战。在实际生产中,柔性作业车间调度问题往往需要同时面向多个目标进行决策分析。因此,寻找有效的方法对多目标柔性作业车间调度问题进行求解具有重要的理论价值和应用意义。本文主要探讨了如何使用粒子群优化（Particle Swarm Optimization,PSO）算法求解柔性作业车间调度问题,特别是多目标柔性作业车间调度问题。本论文的主要工作与创新点如下:（1）研究了基于混沌的PSO算法在柔性作业车间调度问题中的应用。利用混沌优化技术的随机性、遍历性特点和易跳出局部极值的能力,在PSO算法中引入混沌技术以提高PSO算法的性能,提出了一种混合PSO算法。首先,利用混沌对PSO算法的参数进行自适应优化,实现全局搜索与局部搜索间的有效平衡;然后,在PSO算法的搜索过程中引入混沌局部搜索策略,以提高求解的精度和收敛速度。并且将该算法分别应用于若干个单目标和多目标柔性作业车间调度问题的求解,实验结果表明算法具有良好的全局搜索性能。（2）探讨了基于多目标权重聚合优化策略的PSO算法。在PSO和混沌的混合优化算法的基础上,针对多目标存在的量纲问题,采用一种基于模糊逻辑的适应度函数形式。同时,为了进一步保持种群的多样性,最大可能的搜索到所有的非劣解,利用随机思想生成适应度函数的权系数。实验表明这种方法使得算法获得的非劣解具有很好的分布行和稳定性。（3）研究了Fully-informed粒子群（FIPS）算法在多目标柔性作业车间调度问题中的应用。首先,基于Pareto最优概念对种群进行排序,同时将属于相同Pareto等级的个体定义为邻居,并将这种基于Pareto等级的近邻拓扑结构用于FIPS算法中。其次,通过计算同Pareto等级中个体的拥挤距离进行第二级排序,给出了一种基于排序的FIPS算法。最后,针对算法的早熟收敛问题,引入基于编码机制的两种变异算子。（4）研究了基于动态概率搜索机制的PSO算法在多目标作业车间调度问题中的应用。算法在搜索初期利用粒子近邻的平均最优代替传统的单个最优引导搜索,后期用Gaussian动态概率搜索来提高算法的局部开挖能力。然后,引入Pareto优的概念,采用精英集来存放非劣解,提出一种新的适应度值分配方法。此外,在算法中还引入了一种自适应的变异算子来增强解的多样性。实验结果表明本文提出的算法具有较好的搜索性能,是求解多目标柔性作业车间调度问题的一种可行方法。
论文目录
相关论文文献
标签：柔性作业车间调度问题论文; 粒子群优化论文; 多目标优化论文; 混沌论文; 动态概率论文;