發(fā)布時(shí)間：2024-05-18 14:37

　　隨著日益加劇的全球市場(chǎng)競(jìng)爭(zhēng),為滿足客戶多樣化及個(gè)性化的需求,提高客戶滿意度,縮短生產(chǎn)加工周期以及按時(shí)交貨,進(jìn)而提高自身競(jìng)爭(zhēng)力,企業(yè)需要制定合理的車(chē)間生產(chǎn)調(diào)度方案。增加了路徑柔性特點(diǎn)的作業(yè)車(chē)間調(diào)度系統(tǒng)變得更加靈活,這也使柔性作業(yè)車(chē)間調(diào)度問(wèn)題成為最困難的組合優(yōu)化問(wèn)題之一。根據(jù)實(shí)際生產(chǎn)需要,柔性作業(yè)車(chē)間調(diào)度問(wèn)題常常需要針對(duì)多個(gè)目標(biāo)制定優(yōu)化決策。因此,對(duì)多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的求解方法進(jìn)行深入研究具有重要的理論意義與實(shí)際應(yīng)用價(jià)值。 本文主要研究對(duì)群智能優(yōu)化算法進(jìn)行改進(jìn)、融合,并將其應(yīng)用于解決柔性作業(yè)車(chē)間調(diào)度問(wèn)題,主要完成了以下方面的研究： 對(duì)基本蟻群優(yōu)化算法進(jìn)行了改進(jìn),將其應(yīng)用于解決單目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題。在改進(jìn)的蟻群優(yōu)化算法中,完成了對(duì)路徑構(gòu)造中的鄰域搜索方法的設(shè)計(jì)。算法中,子集的數(shù)量由所調(diào)度問(wèn)題包含的工件數(shù)量決定。為了避免過(guò)早停滯現(xiàn)象的發(fā)生,算法對(duì)啟發(fā)式信息采用了軌跡強(qiáng)度蒸發(fā)規(guī)則。本文分析了改進(jìn)型蟻群優(yōu)化算法中的相關(guān)參數(shù),并以平衡全局搜索能力、算法收斂性為目標(biāo),在充分考慮了所解決問(wèn)題規(guī)模的前提下進(jìn)行了算法參數(shù)的設(shè)置。通過(guò)對(duì)算法進(jìn)行仿真實(shí)驗(yàn)獲取了較為滿意的調(diào)度結(jié)果。 通過(guò)對(duì)多目標(biāo)FJ...

【文章頁(yè)數(shù)】：105 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 車(chē)間調(diào)度問(wèn)題
        1.3.1 JSP描述
        1.3.2 JSP分類(lèi)
        1.3.3 JSP特點(diǎn)
        1.3.4 JSP研究方法
    1.4 柔性作業(yè)車(chē)間調(diào)度問(wèn)題
        1.4.1 問(wèn)題描述
        1.4.2 常用性能指標(biāo)
        1.4.3 柔性作業(yè)車(chē)間調(diào)度問(wèn)題的國(guó)內(nèi)外研究概況
    1.5 群智能優(yōu)化算法研究現(xiàn)狀
        1.5.1 蟻群優(yōu)化算法研究現(xiàn)狀
        1.5.2 粒子群優(yōu)化算法研究現(xiàn)狀
    1.6 本文研究?jī)?nèi)容及章節(jié)安排
2 基于單目標(biāo)柔性作業(yè)車(chē)間調(diào)度的蟻群算法改進(jìn)
    2.1 引言
    2.2 蟻群優(yōu)化算法
        2.2.1 蟻群優(yōu)化算法擬生物學(xué)基本原理及機(jī)理抽象
        2.2.2 蟻群優(yōu)化算法理論模型
        2.2.3 蟻群優(yōu)化算法特點(diǎn)
        2.2.4 基于種群進(jìn)化的相關(guān)算法比較
    2.3 單目標(biāo)FJSP的數(shù)學(xué)模型
        2.3.1 問(wèn)題描述
        2.3.2 數(shù)學(xué)模型
        2.3.3 評(píng)價(jià)指標(biāo)
    2.4 FJSP的編碼方法
        2.4.1 兩向量編碼方法
        2.4.2 并行作業(yè)編碼方法
        2.4.3 基于優(yōu)先權(quán)的編碼方法
        2.4.4 工序機(jī)器編碼方法
    2.5 求解單目標(biāo)FJSP的蟻群優(yōu)化算法改進(jìn)
        2.5.1 蟻群算法基本結(jié)構(gòu)
        2.5.2 改進(jìn)后的算法描述
        2.5.3 改進(jìn)后的算法規(guī)則
    2.6 實(shí)驗(yàn)結(jié)果與分析
        2.6.1 具有12個(gè)工序的4×5問(wèn)題
        2.6.2 具有27個(gè)工序的8×8問(wèn)題
    2.7 本章小結(jié)
3 基于多目標(biāo)柔性作業(yè)車(chē)間調(diào)度的蟻群算法改進(jìn)
    3.1 引言
    3.2 多目標(biāo)問(wèn)題的優(yōu)化方法
        3.2.1 多目標(biāo)問(wèn)題的基本概念
        3.2.2 多目標(biāo)優(yōu)化方法
        3.2.3 多目標(biāo)FJSP研究現(xiàn)狀
    3.3 求解多目標(biāo)FJSP的蟻群優(yōu)化算法改進(jìn)
        3.3.1 多目標(biāo)FJSP的數(shù)學(xué)模型的建立
        3.3.2 蟻群?jiǎn)�發(fā)式信息設(shè)計(jì)
        3.3.3 算法流程
        3.3.4 參數(shù)設(shè)置
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 具有12個(gè)工序的4x5問(wèn)題
        3.4.2 具有27個(gè)工序的8×8問(wèn)題
    3.5 本章小結(jié)
4 改進(jìn)的粒子群優(yōu)化算法在柔性作業(yè)車(chē)間調(diào)度中的應(yīng)用研究
    4.1 引言
        4.1.1 研究背景
        4.1.2 存在的問(wèn)題
    4.2 基本粒子群優(yōu)化算法
    4.3 PSO算法的改進(jìn)措施
    4.4 PSO算法的性能分析
    4.5 求解單目標(biāo)FJSP的PSO算法設(shè)計(jì)
        4.5.1 編碼方法
        4.5.2 位置與速度的計(jì)算
        4.5.3 參數(shù)設(shè)置
        4.5.4 局部搜索策略
        4.5.5 算法流程
        4.5.6 實(shí)驗(yàn)結(jié)果與分析
    4.6 求解多目標(biāo)FJSP的PSO算法設(shè)計(jì)
        4.6.1 粒子適應(yīng)度
        4.6.2 算法流程
        4.6.3 算法實(shí)驗(yàn)及結(jié)果分析
    4.7 本章小結(jié)
5 基于多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的二階式蟻群粒子群混合優(yōu)化算法設(shè)計(jì)
    5.1 引言
    5.2 TSAPO算法框架設(shè)計(jì)
    5.3 多目標(biāo)分解
    5.4 多目標(biāo)FJSP的二階式蟻群粒子群優(yōu)化算法實(shí)現(xiàn)
        5.4.1 工序可選加工機(jī)器析取模型的建立
        5.4.2 第一階蟻群?jiǎn)�發(fā)式信息設(shè)計(jì)
        5.4.3 第二階粒子群解碼設(shè)計(jì)
        5.4.4 TSAPO算法流程設(shè)計(jì)
    5.5 算法實(shí)驗(yàn)
        5.5.1 實(shí)驗(yàn)參數(shù)的設(shè)定
        5.5.2 實(shí)驗(yàn)結(jié)果
    5.6 本章小結(jié)
結(jié)論
    1 研究總結(jié)
    2 研究展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3977068