基于自适应差分进化算法的生产调度方法研究与实现

基于自适应差分进化算法的生产调度方法研究与实现

论文摘要

生产调度问题通常具有强约束、NP-hard、多目标、随机不确定等特征,是非常复杂的问题。调度理论和高效算法的研究一直是学术界和工业界的热点课题。差分进化算法(Differential Evolution,DE)作为一种新兴的群体智能优化算法,因其具有较强的全局寻优能力和较快的寻优速率,逐渐成为研究的热点。本文围绕着DE在生产调度中的应用展开了相关的研究。论文的主要工作归纳如下:1.针对基本DE易陷入局部收敛这一缺陷,提出了一种改进的DE(Self-AdaptiveDifferential Evolution,SDE)。在SDE中,首先,对算法参数进行混沌优化,并根据种群个体适应度的优劣自适应地调整个体的缩放因子和交叉概率,有效地平衡了算法的局部与全局搜索能力;其次,通过改进DE的交叉和选择操作,增加了种群的多样性,提高算法的全局收敛能力。2.针对置换Flow Shop和Job Shop调度问题,探讨了SDE在PFSP和JSP求解中的应用。建立了以最小化makespan为目标的PFSP和JSP模型,并采用LOV规则实现从DE个体到加工排序的映射。通过对典型算例的仿真计算和分析比较,验证了SDE在求解PFSP和JSP中的可行性和有效性。3.针对带有限中间存储的流程工业生产调度问题,采用基于统一时间离散化的时间表示方法,建立了以产值最大为目标,包含生产工艺、物料平衡、设备生产能力、贮槽容量和供求等多种约束的车间调度模型,给出了求解该模型的SDE。并结合具体的工程实际,将其应用于隔膜烧碱车间生产调度问题的建模和求解中。通过计算分析了时间段长度大小和贮槽初始容量对调度结果的影响。计算结果验证了该调度模型和调度算法的可行性和有效性。4.在上述理论工作的基础上,结合企业实际生产情况,将理论应用于工程,设计并实现了化工企业车间智能调度系统。最后,对论文的研究工作进行总结,展望了差分进化算法和生产调度理论研究和应用的前景。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 选题目的及意义
  • 1.2 生产调度问题
  • 1.2.1 生产调度问题描述
  • 1.2.2 生产调度问题的分类
  • 1.2.3 生产调度问题的研究现状与方法
  • 1.2.4 存在的不足与发展方向
  • 1.3 差分进化算法的研究和应用现状
  • 1.3.1 DE的研究现状
  • 1.3.2 DE的应用现状
  • 1.4 论文的章节安排
  • 第2章 自适应差分进化算法
  • 2.1 引言
  • 2.2 基本差分进化算法
  • 2.2.1 算法流程
  • 2.2.2 差分进化算法的参数
  • 2.3 自适应差分进化算法
  • 2.3.1 自适应的参数调整策略
  • 2.3.2 改进的交叉和选择操作
  • 2.3.3 SDE的算法流程
  • 2.3.4 算法复杂度分析
  • 2.4 仿真结果与分析
  • 2.4.1 测试函数
  • 2.4.2 实验设置
  • 2.4.3 DE参数对性能影响的分析
  • 2.4.4 SDE与DE的性能比较
  • 2.5 小结
  • 第3章 基于 SDE的置换 Flow Shop调度方法研究
  • 3.1 引言
  • 3.2 问题描述与模型
  • 3.3 置换 Flow Shop调度的 SDE
  • 3.3.1 编码设计
  • 3.3.2 初始化操作
  • 3.3.3 进化操作
  • 3.3.4 适应度函数
  • 3.4 仿真与分析
  • 3.4.1 实验设置
  • 3.4.2 结果与分析
  • 3.5 小结
  • 第4章 基于 SDE的 Job Shop调度方法研究
  • 4.1 引言
  • 4.2 问题描述与模型
  • 4.3 Job Shop调度的 SDE
  • 4.3.1 编码设计
  • 4.3.2 适应度函数
  • 4.4 仿真与分析
  • 4.4.1 实验设置
  • 4.4.2 结果与分析
  • 4.5 小结
  • 第5章 基于 SDE的有限中间存储的流程工业生产调度研究
  • 5.1 引言
  • 5.2 问题描述
  • 5.3 带有限中间存储的流程工业调度模型
  • 5.3.1 基于统一时间离散化表示的时间划分
  • 5.3.2 相关的变量定义
  • 5.3.3 约束条件
  • 5.3.4 目标函数
  • 5.4 求解带有限中间存储的流程工业生产调度的SDE
  • 5.4.1 编码设计与初始化
  • 5.4.2 非法个体的判断与修正
  • 5.4.3 适应度函数
  • 5.4.4 进化操作
  • 5.5 调度实例
  • 5.6 仿真计算与结果分析
  • 5.6.1 时间长度τ的影响分析
  • 5.6.2 贮槽初始储量对调度结果的影响
  • 5.7 小结
  • 第6章 化工企业车间智能调度系统
  • 6.1 引言
  • 6.2 系统总体设计
  • 6.2.1 需求分析
  • 6.2.2 数据库设计
  • 6.2.3 系统框架
  • 6.3 系统和用户信息管理
  • 6.3.1 用户登录
  • 6.3.2 用户注册
  • 6.3.3 角色管理
  • 6.4 基础信息管理模块
  • 6.4.1 设备信息管理
  • 6.4.2 产品需求管理
  • 6.5 车间智能调度模块
  • 6.5.1 日调度优化
  • 6.5.2 调度结果
  • 6.6 小结
  • 第7章 总结与展望
  • 7.1 论文研究工作总结
  • 7.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间参加的科研项目和成果
  • 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].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].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)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].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)

    标签:;  ;  ;  ;  ;  

    基于自适应差分进化算法的生产调度方法研究与实现
    下载Doc文档

    猜你喜欢