基于混合型进化算法的柔性制造优化研究

发布时间：2017-04-29 05:04

  本文关键词：基于混合型进化算法的柔性制造优化研究，由笔耕文化传播整理发布。

【摘要】：柔性制造作为一种活跃在制造业的先进技术,其具有投资成本小,快速适应生产计划的变更,有效降低存货量,提高加工设备使用率,增加厂房使用率等诸多好处。所以得到了很多制造业生产者的青睐。可是它本身具有建模难度,建立合理调度困难等问题需要我们用当前先进的知识来一一克服。在当今的竞争之下,我们如何利用计算机技术来实现生产调度的优化,快速调整资源配置,提高设备利用率,统筹安排生产进度成为了现在面临的重大课题。 本文首先对柔性制造调度问题采用网络模型建模。网络模型符合柔性生产的问题特征并可以使得问题得以简化。在数学模型的基础上,将自动派遣车系统作为材料处理中心运用在柔性制造系统上。使得研究更贴近实际问题。 本文运用混合型进化计算求解柔性制造系统的调度解,以遗传算法作为全局搜索方法,编码操作采用基于随机值的方法,可以有效防止只搜索小部分的解空间,缺乏种群的多样性而很难找到全局最优解。交叉操作采用有序交叉操作,并在进行操作前将编码转换为排列表示,排列表示可以直接应用到后面的局部搜索策略中。变异操作采用等位基因变异和移民变异,可以很好的控制种群的多样性。将柔性制造系统调度问题的总完工时间大小和自动派遣车的数量作为算法的评价指标,即考虑了多目标优化问题。从而对柔性制造系统的生产调度进行了优化。我们采用了交互式权重适选择传算法,这种方法可以利用一些当代种群的有用信息进行重新调整权重从而获得向着帕累托前沿的搜索压力,从而得到最优解。 在柔性制造调度问题上还采用了粒子群优化算法作为局部搜索策略,粒子群优化结合遗传算法能够改良解决方案的收敛速度。遗传算法用来完成种群全局的探索,而局部搜索则用来进行解空间的再搜索。从而得到的较好的结果。
【关键词】：柔性制造生产系统 自动派遣车系统 遗传算法 粒子群优化算法
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165;TP18
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-11
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-10
• 1.3 主要工作及论文结构10-11
• 2 柔性制造与进化计算11-25
• 2.1 柔性制造系统调度问题介绍11-17
• 2.1.1 柔性制造的提出与柔性的意义11-12
• 2.1.2 柔性制造的主要技术12
• 2.1.3 柔性制造系统的类型12-13
• 2.1.4 柔性制造系统的优点13
• 2.1.5 新世纪的生产力13-17
• 2.2 进化计算17-25
• 2.2.1 遗传算法17-19
• 2.2.2 多目标遗传算法19-23
• 2.2.3 粒子群优化算法23-25
• 3 基于网络模型的柔性制造问题建模25-36
• 3.1 柔性作业生产调度(fJSP)模型25-27
• 3.2 自动派遣车系统27-30
• 3.3 基于网络模型的带自动派遣车调度的柔性制造系统建模30-36
• 4 基于混合型进化算法的柔性制造系统优化36-49
• 4.1 基于随机值的编码和解码方法37-40
• 4.2 重排序40-41
• 4.3 基于网络模型的自动派遣车模拟柔性制造的材料处理中心41-42
• 4.4 遗传操作42-44
• 4.4.1 交叉操作43-44
• 4.4.2 变异操作44
• 4.5 选择44-46
• 4.6 局部搜索策略46-49
• 4.6.1 解码46
• 4.6.2 粒子位置更新46-49
• 5 调度系统设计与数学实验49-54
• 5.1 调度系统设计49
• 5.2 数学实验与结果49-54
• 结论54-55
• 参考文献55-57
• 攻读硕士学位期间发表学术论文情况57-58
• 致谢58-59

【参考文献】

中国硕士学位论文全文数据库 前1条

1 丁书斌;基于混合遗传算法的车间调度方法研究与应用[D];大连理工大学;2006年

  本文关键词：基于混合型进化算法的柔性制造优化研究，由笔耕文化传播整理发布。

，

本文编号：334230