基于遗传算法的车间调度问题研究与应用

发布时间：2017-04-05 04:04

  本文关键词：基于遗传算法的车间调度问题研究与应用，由笔耕文化传播整理发布。

【摘要】：车间作业调度问题（Job Shop Problem，JSP），实质是资源调度问题，已被证明是个NP-hard完全问题，对资源调度的进一步研究具有重大的现实意义，已成为现今研究的热点。遗传算法（GeneticAlgorithm，GA）作为一种高度并行、随机、自适应的优化算法，在求解JSP中得到了广泛的应用。在求解JSP时，GA显示出了很强的鲁棒性。但遗传参数对GA的优化性能的影响很大，参数设置不当往往会使得GA的优化结果大打折扣。该文在将标准遗传算法改进的基础上，对流水车间调度、混合流水车间调度、作业车间调度和双资源柔性多目标作业车间调度分别做了算法设计，并通过实例进行了算法优化效果的对比，真实地展现了改进遗传算法解决车间调度问题的有效性和优越性。 该文首先对遗传算法做了大量的研究和分析，发现标准的GA在解决车间调度问题时容易陷入局部最优、搜索效率低和产生不可行解等问题，针对该问题提出了一种改进的GA，该算法融入了混合启发式算法等方法，使生成的初始种群尽量分布于整个问题的解空间，而且保证了解的多样性。结合资源调度问题的特点，设计了独特的交叉和变异方式，保证了解的合法性。通过与标准的GA对比，验证了改进的GA在保证局部搜索速度的前提下还尽可能的保证全局搜索，避免陷入局部最优，提高了最优率。 在应用改进的GA基础上，针对流水车间调度、混合流水车间调度、作业车间调度和双资源柔性多目标作业车间调度分别给出了不同的算法实现方案，并在算法实现的过程中做了适当的调整和改进，然后通过对经典调度模型、汽车零件加工车间模型和机车厂加工车间模型实例验证了算法实现的效果。 最后开发了一个应用于实际生产的优化调度系统，，详细介绍了各个模块的功能与操作。将此系统应用到实际生产调度问题，并对某车间部分调度进行了模拟仿真，得到了较好的调度结果，本文最后对下一步基于改进遗传算法的混合车间生产调度问题将要进行的工作进行了展望。
【关键词】：资源调度 改进遗传算法 流水车间调度 作业车间调度 双资源柔性车间多目标调度
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH186;TP18
【目录】：

• 摘要3-4
• Abstract4-6
• 目录6-9
• 第一章 绪论9-24
• 1.1 选题的目的与意义9-10
• 1.2 国内外现状及发展趋势10-15
• 1.2.1 车间调度研究综述10
• 1.2.2 遗传算法在车间调度问题中的研究10-11
• 1.2.3 JSP 的算法研究11-13
• 1.2.4 车间调度问题的研究策略13-14
• 1.2.5 车间调度问题描述及分类14-15
• 1.2.6 车间调度问题特点15
• 1.3 遗传算法概述15-22
• 1.3.1 产生与发展16
• 1.3.2 遗传算法的基本思想16-18
• 1.3.3 编码与解码18-19
• 1.3.4 适应度函数19
• 1.3.5 种群初始化19-20
• 1.3.6 选择20-21
• 1.3.7 交叉或基因重组21-22
• 1.3.8 变异22
• 1.4 论文内容以及结构22-24
• 第二章 流水车间调度24-39
• 2.1 Flow Shop 调度问题优化模型24-26
• 2.1.1 问题描述24
• 2.1.2 假设条件和分类24-25
• 2.1.3 置换 Flow Shop 调度问题数学模型25-26
• 2.2 算法设计26-30
• 2.2.1 编码26-27
• 2.2.2 初始种群的生成27
• 2.2.3 适应度函数27
• 2.2.4 交叉27-28
• 2.2.5 变异28-30
• 2.3 经典问题验证 Carl(11x5)问题30-33
• 2.4 混合流水车间调度33-34
• 2.5 混合流水车间调度的算法设计34-35
• 2.5.1 编码设计34
• 2.5.2 交叉设计34-35
• 2.5.3 变异设计35
• 2.6 实例验证35-38
• 2.7 本章小结38-39
• 第三章 作业车间调度39-49
• 3.1 JSP 优化模型研究39-42
• 3.1.1 问题描述39
• 3.1.2 变量定义：39-40
• 3.1.3 JSP 调度问题数学模型40
• 3.1.4 假设条件和分类40-42
• 3.2 算法设计42-44
• 3.2.1 编码42
• 3.2.2 适应度函数的确定42-43
• 3.2.3 种群初始化43
• 3.2.4 交叉43-44
• 3.2.5 变异44
• 3.3 实例验证44-48
• 3.4 本章小结48-49
• 第四章 双资源柔性多目标车间调度49-64
• 4.1 多重资源概述49-50
• 4.2 柔性及柔性资源概述50-51
• 4.2.1 柔性的定义50
• 4.2.2 柔性资源概述50-51
• 4.3 多目标优化的方法与理论51-54
• 4.3.1 车间调度的评价指标51
• 4.3.2 多目标解的概念51
• 4.3.3 劣解、非劣解和最优解定义51-52
• 4.3.4 交互权重把多目标问题转变为单一目标问题52-54
• 4.4 双资源柔性车间多目标调度问题优化模型54-57
• 4.4.1 问题描述54-55
• 4.4.2 假设条件55
• 4.4.3 变量说明55-56
• 4.4.4 目标函数及约束条件56-57
• 4.5 算法设计57-59
• 4.5.1 三链结构的编码方式57
• 4.5.2 种群初始化57-58
• 4.5.3 交叉58
• 4.5.4 变异58-59
• 4.6 实例验证59-62
• 4.7 本章小结62-64
• 第五章 基于遗传算法的车间调度系统开发与应用64-78
• 5.1 车间的作业调度系统需求探究64-65
• 5.2 系统的组成模块及其主要功能65-66
• 5.3 车间调度系统的功能66-67
• 5.4 系统的开发平台和运行环境67-68
• 5.5 系统中用到的数据表68-70
• 5.6 基于遗传算法的车间作业调度系统实现70-77
• 5.6.1 车间调度系统登录71-72
• 5.6.2 车间调度系统解决实际问题算例72-77
• 5.7 本章总结77-78
• 结论和展望78-79
• 参考文献79-83
• 攻读硕士学位期间发表学术论文情况83-84
• 致谢84

【参考文献】

中国期刊全文数据库 前10条

1 陶泽;隋天中;谢里阳;刘晓霞;;基于Petri网和GASA的双资源JSP动态优化调度[J];东北大学学报(自然科学版);2007年03期

2 孙志峻,朱剑英;双资源作业车间智能优化调度[J];东南大学学报(自然科学版);2005年03期

3 王结南;混合Flow Shop调度问题的遗传算法求解[J];鄂州大学学报;2005年03期

4 贾春福;加工时间服从指数分布单机随机调度[J];系统工程;2002年06期

5 郑璐,顾幸生;不确定条件下的零等待Flow shop生产调度问题[J];华东理工大学学报;2004年02期

6 邝航宇;金晶;苏勇;;自适应遗传算法交叉变异算子的改进[J];计算机工程与应用;2006年12期

7 沈斌;周莹君;王家海;;基于自适应遗传算法的Job Shop调度问题研究[J];计算机应用;2009年S2期

8 黄巍;张美凤;;基于混合遗传算法的车间生产调度问题研究[J];计算机仿真;2009年10期

9 张超勇;董星;王晓娟;李新宇;刘琼;;基于改进非支配排序遗传算法的多目标柔性作业车间调度[J];机械工程学报;2010年11期

10 李兢尧;孙树栋;黄媛;王宁;;双资源约束作业车间调度算法研究[J];机械工程学报;2010年22期

中国硕士学位论文全文数据库 前7条

1 赵巍;基于多智能体的生产调度方法及其应用[D];浙江工业大学;2004年

2 何燕;基于遗传算法的车间调度优化及其仿真[D];武汉理工大学;2006年

3 蒋丽雯;基于遗传算法的车间作业调度问题研究[D];上海交通大学;2007年

4 李春廷;基于遗传算法的作业车间调度问题研究[D];燕山大学;2007年

5 陈勇;基于遗传算法的Job-Shop车间作业调度及其实现技术研究[D];南京理工大学;2007年

6 陈振同;基于改进遗传算法的车间调度问题研究与应用[D];大连理工大学;2007年

7 马秀明;基于改进遗传算法的车间调度优化及其仿真[D];大连理工大学;2008年

  本文关键词：基于遗传算法的车间调度问题研究与应用，由笔耕文化传播整理发布。

本文编号：286420