發(fā)布時間：2018-01-08 06:31

  本文關(guān)鍵詞：基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問題求解　出處：《昆明理工大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 差分進(jìn)化算法 離散微粒群算法 流水線 局部搜索 有效性 可重入

【摘要】：車間生產(chǎn)調(diào)度問題一直是學(xué)術(shù)界和工業(yè)界廣泛關(guān)注的熱點問題,隨著近期的發(fā)展,由于其NP-hard性、種群規(guī)模巨大、約束性強(qiáng)等特性,求解過程的限制問題也越來越突出。而針對此問題的相關(guān)智能調(diào)度算法研究也逐漸引起兩界重視。離散微粒群算法(Discrete Particle Swarm Optimization, DPSO)和差分進(jìn)化算法(Differential Evolution, DE)都是應(yīng)用頗多且效果很好的智能算法,目前已備受學(xué)者們的青睞,并成功運用于多個生產(chǎn)研究系統(tǒng)。本論文針對兩類重要的流水線車間調(diào)度問題,采用基于不同改進(jìn)方案的兩種算法進(jìn)行了研究,其中包括基于混合差分進(jìn)化算法的求解研究和基于混合離散微粒群算法的求解研究。論文的主要工作歸納如下：(1)針對可重入流水線調(diào)度問題,通過分析問題的求解過程,開發(fā)了一種基于交換鄰域搜索的局部搜索機(jī)制,將其與離散微粒群算法的全局搜索策略有機(jī)結(jié)合,并通過仿真實驗加以證明,得到結(jié)果比較驗證了所提算法的優(yōu)越性。(2)針對重入次數(shù)可變的流水線調(diào)度問題,根據(jù)問題模型特點,將重入次數(shù)設(shè)為可變,增加問題難度,利用差分進(jìn)化算法的全局搜索機(jī)制,結(jié)合前端省略搜索機(jī)制,提出了一種高效混合差分進(jìn)化算法,仿真實驗和結(jié)果比較驗證了所提算法的有效性和穩(wěn)定性。針對廣泛存在于流程工業(yè)的可重入流水線調(diào)度問題,目前尚無基于差分進(jìn)化算法和離散微粒群算法的相關(guān)研究,因此,本論文將已有差分進(jìn)化算法和自已獨立設(shè)計的局部搜索融合在一起,同時也將已有離散微粒群算法進(jìn)行改進(jìn),其研究具有重要學(xué)術(shù)價值和工程實用價值,具有一定創(chuàng)新性。
[Abstract]:The workshop production scheduling problem has been a hot issue of widespread concern in academia and industry, with the recent development of NP-hard, because of its huge population, and constrained capability, limited problem solving process is more and more outstanding. And Research on Intelligent Scheduling Algorithm for this problem has gradually attracted the attention of two. Discrete particle swarm algorithm (Discrete Particle Swarm Optimization, DPSO) and differential evolution algorithm (Differential Evolution DE) is a lot of intelligent algorithms and the effect is very good, has been praised by the scholars of all ages, and successfully applied in production of system. This dissertation focuses on two kinds of important flow shop scheduling the problem, using two kinds of algorithm based on improved scheme is studied, including the solution of the algorithm based on mixed discrete and mixed difference based on Particle Swarm Optimization for Study on the solution. The main work is summarized as follows: (1) the problem of re entrant pipeline scheduling, analyzing the solving process problems, the development of a local search mechanism exchange neighborhood search based on the discrete particle swarm algorithm combining global search strategy, and proved through the simulation experiment, the superiority of the the result is verified by the algorithm. (2) according to the flow shop scheduling problem into the number of variable, according to the characteristics of the model, the revisiting times for variable, increase the difficulty, using differential evolution algorithm global search mechanism, combined with the front end omitting search mechanism, this paper presents an efficient hybrid differential evolutionary algorithm, simulation experiment and comparison results show that the proposed algorithm is effective and stable. According to the widely existed in process industry re entrant problem there is no pipeline scheduling, based on differential evolution The related research, discrete particle swarm optimization algorithm and therefore, this paper will have poor local search algorithm and their own independent design together, at the same time will also be improved discrete particle swarm optimization algorithm, has important academic value and practical value of the research, which has certain innovation.

【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP18;TB497

【共引文獻(xiàn)】

相關(guān)期刊論文 前8條

1 郭書杰;黃明;梁旭;焦璇;;基于差分進(jìn)化算法的組合測試用例集生成[J];計算機(jī)應(yīng)用研究;2014年05期

2 王東風(fēng);黃金山;;基于二次優(yōu)化的隨機(jī)優(yōu)化算法結(jié)果的改進(jìn)[J];控制與決策;2015年02期

3 曹燕;郝震宇;張龍;李佑河;章小峰;黃貞益;;基于差分進(jìn)化算法的大棒材粗軋孔型系統(tǒng)優(yōu)化[J];鋼鐵研究學(xué)報;2014年08期

4 徐佳敏;葉春明;;基于智能水滴算法的學(xué)習(xí)效應(yīng)生產(chǎn)調(diào)度研究[J];計算機(jī)與數(shù)字工程;2015年07期

5 汪慎文;丁立新;張文生;郭肇祿;謝承旺;;差分進(jìn)化算法研究進(jìn)展[J];武漢大學(xué)學(xué)報(理學(xué)版);2014年04期

6 陳通;秦遠(yuǎn)輝;萬家寧;王東軍;劉波;;可重入柔性調(diào)度問題研究:模型、算法與應(yīng)用[J];系統(tǒng)工程理論與實踐;2015年05期

7 薄洪光;張鑫;潘裕韜;;具有外包選擇的無等待流水線干擾修復(fù)模型[J];系統(tǒng)管理學(xué)報;2015年04期

8 王旭明;郭業(yè)才;于小兵;;基于組合差分進(jìn)化算法的PID參數(shù)整定優(yōu)化[J];組合機(jī)床與自動化加工技術(shù);2015年11期

相關(guān)博士學(xué)位論文 前1條

1 李永玲;壓水堆核電機(jī)組一回路系統(tǒng)建模與智能參數(shù)優(yōu)化研究[D];華北電力大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李劍平;服務(wù)機(jī)器人自然語言理解與任務(wù)規(guī)劃的研究及應(yīng)用[D];廣東工業(yè)大學(xué);2013年

2 杜浦澤;基于差分進(jìn)化算法和量子進(jìn)化算法的三類優(yōu)化調(diào)度問題求解[D];昆明理工大學(xué);2013年

3 孟祥虎;求解復(fù)雜流水線調(diào)度和車輛路徑優(yōu)化問題的混合智能算法研究[D];昆明理工大學(xué);2013年

4 周華兵;基于混合差分進(jìn)化算法的復(fù)雜零等待流水線調(diào)度問題和作業(yè)車間調(diào)度問題的求解[D];昆明理工大學(xué);2013年

5 樊瑩瑩;一種列車運行控制優(yōu)化方法研究[D];北京交通大學(xué);2014年

6 劉瀛;求解隨機(jī)期望值模型的差分進(jìn)化算法[D];渤海大學(xué);2014年

7 李作成;基于DE和EDA的智能算法求解復(fù)雜車間調(diào)度問題[D];昆明理工大學(xué);2014年

8 羅方明;基于改進(jìn)細(xì)菌覓食算法的兩階段變電站選址方法[D];廣西大學(xué);2014年

9 呂銘晟;基于多變異差分進(jìn)化算法的電力系統(tǒng)經(jīng)濟(jì)負(fù)載分配研究[D];湖南科技大學(xué);2014年

10 李東;基于探索—開發(fā)權(quán)衡的差分進(jìn)化算法改進(jìn)[D];北京理工大學(xué);2015年

，

本文編號：1396040