柔性作业车间调度中的优化算法研究

论文摘要

柔性作业车间调度问题由于减少了机器的约束，所以比传统作业车间调度问题的复杂性更高。因此，寻找有效的方法对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。本文利用遗传算法和粒子群算法研究了柔性作业车间调度问题，主要工作与创新点如下： (1) 研究了遗传算法在单目标柔性作业车间调度问题中的应用。首先，我们引入病毒机制，通过病毒群体感染主群体来增加增强主群体的多样性和算法的局部搜索能力，实验表明在柔性作业车间调度中的应用上基于病毒机制的遗传算法克服经典遗传算法收敛速度慢易早熟的缺点。然后，针对柔性作业车间调度问题中的特点以及遗传算法的搜索历史，我们通过评价函数自适应的调整交叉概率和变异概率来提高算法的搜索效率和算法的稳定性。 (2) 研究了遗传算法在多目标柔性作业车间调度问题中的应用。首先，我们采用均匀设计技术合成多个适应度函数，给出了基于均匀设计的遗传算法，以提高搜索方向的空间均匀性。然后，我们在基于Pareto最优概念排序的基础上，通过计算全局拥挤距离进行第二级排序，给出了基于两级排序的遗传算法，这种方法有效的减缓了遗传算法搜索寻优过程中种群收敛于单一个体的趋势，避免了遗传算法早熟收敛引起的丢失可选解。 (3) 研究了粒子群算法在单目标柔性作业车间调度问题中的应用。首先，我们针对柔性作业车间调度问题的特点构造了此问题的粒子表达方法，给出了具体的算法应用过程，实验结果表明粒子群算法是解决柔性作业车间调度问题的一种十分有效的方法。然后，我们为了使粒子群算法收敛速度加快和获得更好的解，我们将混沌搜索技术引入了粒子群算法中，给出了基于混沌搜索的粒子群算法来求解柔性作业车间调度问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 车间调度问题概述
• 1.1.1 车间调度问题的类型
• 1.1.2 车间调度问题的特点
• 1.1.3 车间调度问题的主要研究方法
• 1.1.4 车间调度问题的发展趋势
• 1.2 柔性作业车间调度问题的概述
• 1.2.1 柔性作业车间调度问题的分类
• 1.2.2 柔性作业车间调度问题的研究历史
• 1.3 本论文的研究意义和主要内容
• 1.3.1 研究意义
• 1.3.2 研究内容
• 第二章 遗传算法在单目标柔性作业车间调度中的应用
• 2.1 遗传算法简介
• 2.1.1 遗传算法的主要特点
• 2.1.2 遗传算法的基本操作
• 2.2 经典遗传算法在柔性作业车间调度中的应用
• 2.2.1 编码
• 2.2.2 复制操作
• 2.2.3 交叉操作
• 2.2.4 变异操作
• 2.2.5 精英保留策略
• 2.2.6 计算工序的开始时间和完工时间
• 2.3 基于病毒机制的遗传算法在柔性作业车间调度中的应用
• 2.3.1 病毒个体的自身测度
• 2.3.2 病毒个体的感染操作
• 2.3.3 病毒遗传算法的主要步骤
• 2.3.4 算例分析
• 2.3.5 小结
• 2.4 自适应遗传算法在柔性作业车间调度中的应用
• 2.4.1 自适应操作
• 2.4.2 自适应遗传算法流程图
• 2.4.3 算例分析
• 2.4.4 小结
• 第三章 遗传算法在多目标柔性作业车间调度中的应用
• 3.1 多目标优化问题简介
• 3.2 基于均匀设计的遗传算法在多目标柔性作业车间调度中的应用
• 3.2.1 多目标遗传算法的适应度函数
• 3.2.2 适应度函数均匀合成技术
• 3.2.3 基于均匀设计的遗传算法主要步骤
• 3.2.4 算例分析
• 3.2.5 小结
• 3.3 基于两级排序的遗传算法在多目标柔性作业车间调度中的应用
• 3.3.1 两级排序方法
• 3.3.2 基于两级排序的遗传算法流程图
• 3.3.3 算例分析
• 3.3.4 小结
• 第四章 粒子群算法在单目标柔性作业车间调度中的应用
• 4.1 粒子群算法简介
• 4.1.1 粒子群算法
• 4.1.2 粒子群算法的程序框架
• 4.2 粒子群算法在柔性作业车间调度问题中的应用
• 4.2.1 粒子的编码和解码
• 4.2.2 位置向量和速度向量计算方法
• 4.2.3 面向柔性作业车间调度问题的粒子群算法主要步骤
• 4.2.4 算例分析
• 4.2.5 小结
• 4.3 基于混沌搜索的粒子群算法在柔性作业车间调度中的应用
• 4.3.1 混沌搜索技术
• 4.3.2 基于混沌搜索的粒子群算法主要步骤
• 4.3.3 算例分析
• 4.3.4 小结
• 第五章 总结与展望
• 5.1 研究总结
• 5.2 研究展望
• 参考文献
• 致谢
• 读博期间发表的论文