柔性路径下基于混合粒子群算法的跨单元调度方法

柔性路径下基于混合粒子群算法的跨单元调度方法

论文摘要

跨单元调度是在单元制造的基础上发展起来的,通常在单元制造系统中包含两个或多个生产单元。在实际生产过程中,由于单元内生产工艺的局限性,存在某些零件需要两个或多个单元相互协作才能加工完成的情况,本文将那些需要跨单元生产的零件称为异常零件。并根据生产调度的实际情况,对存在柔性路径的跨单元调度问题进行了研究与实现。本文首先介绍了单元制造系统和跨单元调度问题,并且通过分析单元调度问题国内外研究现状,提出了本文研究的重点柔性路径下的跨单元调度问题。然后对柔性路径下的跨单元调度问题进行分析和建模,与目前研究的跨单元调度问题相比,本文提出了异常零件在跨单元生产时存在多条工艺路线,从而产生了路径选择的问题,本文针对跨单元调度问题中柔性路径进行了描述。接下来本文详细介绍了基于禁忌搜索的混合粒子群调度算法,介绍了用混合粒子群算法求解该调度问题的原因,并提出了通过关键路径来求解禁忌搜索中的邻域解。通过仿真实验比较混合粒子群算法和基本粒子群算法在求解该调度问题时的最优值偏差率、CPU时间和机器负载,实验结果表明混合粒子群算法能够有效的解决柔性路径下的跨单元调度问题,与基本粒子群算法相比,效率显著提高。最后,介绍了车间智能排产系统软件的开发,详细介绍了该系统中的分厂月计划设置模块的功能及详细设计方案。

论文目录

  • 中文摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景
  • 1.2 单元制造系统描述
  • 1.3 跨单元调度问题的研究
  • 1.3.1 调度问题描述
  • 1.3.2 调度方法介绍
  • 1.3.3 跨单元调度问题描述
  • 1.3.4 国内外研究现状
  • 1.4 课题来源及研究内容
  • 1.4.1 课题来源
  • 1.4.2 研究内容
  • 1.5 论文的结构
  • 1.6 本章小结
  • 第2章 跨单元调度问题的分析与建模
  • 2.1 柔性路径下跨单元调度问题描述
  • 2.2 柔性路径下跨单元调度问题模型
  • 2.3 本章小结
  • 第3章 混合粒子群调度算法的设计与实现
  • 3.1 粒子群优化算法
  • 3.1.1 粒子群优化算法描述
  • 3.1.2 粒子群优化算法流程
  • 3.1.3 粒子群优化算法参数分析
  • 3.2 禁忌搜索算法
  • 3.2.1 禁忌搜索算法的基本思想
  • 3.2.2 禁忌搜索算法的构成
  • 3.3 柔性路径下跨单元转移工件的混合粒子群算法
  • 3.3.1 粒子的编码机制
  • 3.3.2 粒子的解码机制
  • 3.3.3 交叉操作
  • 3.3.4 变异操作
  • 3.3.5 适应度函数
  • 3.3.6 邻域移动
  • 3.3.7 粒子群初始解
  • 3.3.8 混合粒子群的算法步骤
  • 3.4 算法的详细设计
  • 3.5 本章小结
  • 第4章 算法仿真
  • 4.1 算法仿真
  • 4.2 本章小结
  • 第5章 系统设计
  • 5.1 系统概况
  • 5.2 系统的模块及功能
  • 5.3 系统的网络结构
  • 5.4 分厂月排产设置模块介绍
  • 5.5 分厂月排产设置模块详细设计
  • 5.6 本章小结
  • 结论
  • 研究总结
  • 研究展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  ;  

    柔性路径下基于混合粒子群算法的跨单元调度方法
    下载Doc文档

    猜你喜欢