基于遗传算法的作业车间调度问题研究
这是一篇关于作业车间调度问题,柔性作业车间调度问题,遗传算法,混合算法的论文, 主要内容为作业车间调度问题是经典的组合优化问题之一,它是在n个工件,m台机器的生产环境下寻求最小完工时间最短的调度方案。而柔性作业车间调度问题是作业车间调度问题的扩展,包含机器选择和工序排序两个子问题,更加接近实际生产环境的模拟,是实际生产中迫切需要解决的一类问题。本文对作业车间调度问题和柔性作业车间调度问题进行研究,并取得了一些有意义的研究成果。 本文首先对课题研究的背景、意义和国内外研究现状进行介绍。概述调度问题的分类、特点及其主要研究方法。介绍遗传算法的基本理论,并针对经典的车间调度问题——作业车间调度问题,着重阐述了遗传算法在JSP中的应用,包括其编码设计、交叉和变异操作的设计等。 然后本文对作业车间调度算法进行了研究。分析了用遗传算法求解作业车间调度问题所存在的瓶颈,即代与代之间没有把它往好的解进行牵引,从而导致稳定性不好,相对偏差较大。考虑到粒子群算法具有比遗传算法更加高效的信息共享机制,具有更强的启发性,于是本文设计了一种将遗传算法和粒子群优化算法结合的混合算法(PSO/GA),并通过对实例的测试,获得的结果优于以往的算法,验证了该算法在求解作业车间调度问题上的有效性。 之后本文又介绍了柔性作业车间调度问题,阐述了混沌粒子群优化算法,并结合遗传算法和混沌粒子群优化算法理论,设计了一种混合遗传算法求解柔性作业车间调度问题,并通过对13个经典实例的测试,验证了该算法在求解作业车间调度问题的有效性。
基于差分进化算法的JSP环境下成套订单研究
这是一篇关于差分进化算法,作业车间调度问题,成套订单,多目标的论文, 主要内容为作业车间调度问题作为最难的优化组合问题之一，一直以来都是生产调度领域的研究热点。有效的调度方法和优化技术，可以提高制造企业的生产效率。差分进化算法作为一种新兴的智能算法，具有较强的全局收敛能力和鲁棒性，且不需要借助问题的特征信息，逐渐成为研究的热点。本学位论文围绕差分进化算法，针对于作业车间调度中的成套问题做了深入的研究。 论文首先介绍了作业车间调度问题以及成套订单问题的研究现状和相关算法的研究。然后以加权订单成套率最大化为目标，对有交货期的作业车间调度环境下成套订单问题建立了数学模型，设计了一种基于局部邻域搜索的混合差分进化算法。通过模拟实验，随机产生有效数据，将混合差分进化算法与标准差分进化算法对比，多次实验结果表明了基于局部邻域搜索的混合差分进化算法具有较强的寻优功能，并更快收敛，表明了该算法的有效性。在此研究基础上，同时以加权成套订单率最大化和加权工件延误时间最小化为目标，建立数学模型，并设计了一种基于双种群的改进的差分进化算法，通过改进种群个体的质量来提高算法的寻优能力和收敛速度。通过模拟实验，将基于双种群的改进的差分进化算法与标准差分进化算法对比，多次实验结果表明了基于双种群的改进的差分进化算法具有较强的寻优功能，能够跳出局部最优，并更快收敛，表明了该算法的有效性。
基于差分进化算法的JSP环境下成套订单研究
这是一篇关于差分进化算法,作业车间调度问题,成套订单,多目标的论文, 主要内容为作业车间调度问题作为最难的优化组合问题之一，一直以来都是生产调度领域的研究热点。有效的调度方法和优化技术，可以提高制造企业的生产效率。差分进化算法作为一种新兴的智能算法，具有较强的全局收敛能力和鲁棒性，且不需要借助问题的特征信息，逐渐成为研究的热点。本学位论文围绕差分进化算法，针对于作业车间调度中的成套问题做了深入的研究。 论文首先介绍了作业车间调度问题以及成套订单问题的研究现状和相关算法的研究。然后以加权订单成套率最大化为目标，对有交货期的作业车间调度环境下成套订单问题建立了数学模型，设计了一种基于局部邻域搜索的混合差分进化算法。通过模拟实验，随机产生有效数据，将混合差分进化算法与标准差分进化算法对比，多次实验结果表明了基于局部邻域搜索的混合差分进化算法具有较强的寻优功能，并更快收敛，表明了该算法的有效性。在此研究基础上，同时以加权成套订单率最大化和加权工件延误时间最小化为目标，建立数学模型，并设计了一种基于双种群的改进的差分进化算法，通过改进种群个体的质量来提高算法的寻优能力和收敛速度。通过模拟实验，将基于双种群的改进的差分进化算法与标准差分进化算法对比，多次实验结果表明了基于双种群的改进的差分进化算法具有较强的寻优功能，能够跳出局部最优，并更快收敛，表明了该算法的有效性。
基于改进郊狼优化算法的作业车间调度问题研究
这是一篇关于作业车间调度问题,郊狼优化算法,函数优化,离散优化,逐维改进的论文, 主要内容为随着制造业生产方式由大批量制造到小批量、多品种、更新快的转变,合理高效的生产调度对企业至关重要。作为连接计划和生产的关键活动,车间调度尤其是作业车间调度对企业生产制造尤为关键,合理调度能够提高企业的生产效率和设备等资源的有效利用率,缩减产品的制造周期、降低生产成本,提升其市场竞争力。调度优化是一类难以求解的组合优化问题,作业车间调度问题已被证明是NP-hard问题,求解难度很大。随着问题规模的扩大以及研究的发展和深入,智能算法逐渐成为解决作业车间调度问题的重要手段。郊狼优化算法(Coyote Optimization Algorithm,COA)是新的智能算法,具有容易实现、计算速度快、计算量小、鲁棒性强、自我学习能力优越等特点,可以较好地解决作业车间调度问题。本文主要研究内容概括如下:(1)提出了逐维改进的郊狼优化算法(DDICOA),求解了23个函数优化问题和1个工程优化问题,扩展了其工程应用领域。逐维更新评价策略能规避维间干扰现象,只接受能够改善解质量的维度信息,提高了算法的求解精度、收敛速度和鲁棒性。(2)提出一种改进郊狼优化算法(ICOA)求解作业车间调度问题。以最大完工时间最小为调度目标,对MT06、MT10和MT20这三个作业车间调度问题进行了求解,得到了良好的调度方案。ICOA重新定义了组内文化趋势,提出郊狼涉猎范围概念来确定交叉变异间隔,对优于组内文化趋势的郊狼个体以逐维交叉变异的成长方式更新。(3)使用ICOA求解了柔性作业车间调度问题。柔性作业车间调度问题更贴近企业现实生产模式,同时求解难度也更大。根据该问题的特点,重新设定了郊狼涉猎基数,采用双层整数编码方法对工序和机器选择两个子问题进行编码,依据ECO-MSOS规则按照OS的加工顺序生成工序和机器选择基因。以最大完工时间最小为调度目标,求解了BRdata数据集的10个柔性作业车间调度问题,取得了良好的调度方案。本文的研究成果较好地解决了作业车间调度和柔性作业车间调度问题,提供了新的问题解决思路;同时从理论上对算法进行了分析,丰富了其改进研究,扩展了应用领域。
入侵杂草算法（IWO）及其在车间调度问题中的应用研究
这是一篇关于入侵杂草算法,作业车间调度问题,局部扰动策略,变邻域搜索操作的论文, 主要内容为作业车间调度问题(Job Shop Scheduling Problem,简称JSP)是制造业生产调度问题中一个非常重要的问题。其所应用的领域非常广泛,主要涉及了航母调度,机场飞机调度,港口码头货船调度,汽车加工流水线调度等实际调度问题,因此研究车间调度具有非常重要的意义。针对传统的数学方法已经无法满足生产调度需求这一问题,本文主要研究一种新型元启发式优化算法用于解决作业车间调度问题。入侵杂草算法(Invasive Weed Optimization,简称IWO)是一种受到杂草入侵行为启发而得到的一种新型元启发式算法。入侵杂草算法模拟了杂草的入侵行为,因此算法具有与杂草相同的特征,如强鲁棒性,适应性和随机性。本文深入研究了IWO算法的机制,通过分析算法流程,主要对算法的参数部分做出了改进,同时平衡了IWO算法的局部搜索能力和全局搜索能力,并将IWO算法应用于JSP问题中,本文的主要研究内容如下:1、入侵杂草算法(IWO)证明了其在解决优化问题时的适应性和效率的鲁棒性。然而,IWO还存在受参数显着影响,容易陷入局部最优的问题。本文提出了一种基于自适应入侵杂草算法(IWO)和差分进化算法(DE)的混合算法(A Hybrid Algorithm based on Self-adaptive Invasive Weed Algorithm and Differential Evolution,简称SIWODE)来解决单目标优化问题。首先,SIWODE中的两个参数被自适应地操作以提高算法的收敛速度。其次,SIWODE中增加了交叉和变异操作,以改善种群多样性,提高迭代过程中的全局搜索能力。此外,增加了局部扰动策略以提高后期过程中的局部搜索能力。SIWODE的实验结果表明,SIWODE具有优于其他对比算法的搜索精度和稳定性。2、针对入侵杂草算法的机制,提出了一种离散的入侵杂草算法(A Discrete Invasive Weed Optimization Algorithm for Job Shop Scheduling Problem,简称DIWO)来解决作业车间调度问题。作为一种随机数值优化算法,算法先在解空间中生成一定数量的候选解,之后将这些候选解进行编码和解码。DIWO算法通过繁殖和扩散操作新个体的产生,并且控制新个体的生成向着最优解得方向靠近。同时,算法中应用了局部搜索策略和变邻域搜索操作(VNS)使得算法可以对候选解进行一个局部的寻优和调整,更进一步的提升算法的性能,增强算法的局部搜索能力和全局搜索能力。3、本文用马尔科夫模型对SIWODE算法进行收敛性分析。之后将SIWODE算法应用于CEC2017测试集,并将DIWO算法应用于LA测试集进行模拟仿真实验。最后,本文用假设检验的方法对仿真实验得到的结果进行科学的统计分析。
求解JSP问题的邻域结构设计
这是一篇关于作业车间调度问题,禁忌搜索算法,邻域结构,邻域移动的论文, 主要内容为调度问题是指将有限的资源,在给定时间内分配给若干任务,从而优化一个或多个调度性能指标,如最大完工时间、总加权拖期等。作业车间调度问题(Job-shop Scheduling Problem,JSP)是生产调度问题的重要分支,受到了众多研究学者的广泛关注。在JSP问题的研究基础上进行拓展,可以为其他生产调度问题的研究提供理论指导。JSP问题作为最简单的调度问题,是许多复杂生产调度问题的基础与简化。同时JSP问题是NP-hard问题,也是最难的组合优化问题之一。精确算法虽然可以求得JSP问题的最优解,但却牺牲了求解的效率,难以在较短时间内求解大规模问题。近似算法可以在合理时间内获得JSP问题的全局最优解或近似最优解,因此得到了广泛的应用。其中,局部搜索算法性能优越,目前已经成为求解JSP问题最受欢迎的方法之一,而邻域结构则是影响局部搜索算法求解JSP问题的关键因素。本研究基于对现有邻域结构的分析,提出判断工序执行前向插入移动和后向插入移动后邻域解可行性的充分条件,并提出一种在保证邻域解可行性的前提下,可以探索更大解空间的通用型邻域结构,打破了经典邻域结构之间的界限。通过引入工序头时间和尾时间变化量的概念,在通用型邻域结构的基础上,限制产生非改进解的邻域移动,从而进一步缩小邻域规模,优化通用型邻域结构。最后,本研究以最小化最大完工时间为优化目标,建立作业车间调度问题模型。采用具有非改进解接受机制和历史精英解追踪回溯机制的禁忌搜索算法,应用通用型邻域结构,从而改进禁忌搜索算法的性能,提升算法的求解质量。本文选择了四组规模不同的JSP问题实例进行对比实验。实验结果表明:本研究设计的基于通用型邻域结构的禁忌搜索算法能获得大多数问题实例的历史最优解,结果优于其他先进算法,具有良好的性能。
基于遗传算法的调度问题研究
这是一篇关于生产调度,Petri网,遗传算法,柔性制造系统,作业车间调度问题,甘特图的论文, 主要内容为随着制造系统的规模越来越庞大,生产运作环境越来越复杂,以此引发的资源浪费、效率低下等问题日益突出。调度问题通常指对生产过程的作业计划,譬如工件在机器上的加工顺序、生产批量的划分等。优化的调度策略有助于解决制造系统效率低下的问题、提高经济效益。根据计算复杂性理论,多数调度问题被证明为NP-hard(Nondeterministic Polynomial hard, NP-hard)问题,本文采用遗传算法求解了两种调度问题:柔性制造系统(Flexible Manufacturing System, FMS)调度问题和作业车间调度问题(Job-shop Scheduling Problem, JSP)。 首先,本文介绍了国内外调度问题的发展现状和研究方法,并阐述了Petri网理论和遗传算法的相关知识。 其次,研究了柔性制造系统调度问题,提出了一种基于Petri网建模和改进遗传算法相结合的调度方法。利用赋时库所Petri网对FMS进行建模,然后利用改进遗传算法求解这个FMS模型。提出的改进遗传算法主要改进了基本遗传算法的遗传操作算子,并通过MATLAB仿真实验,验证了文中算法求解FMS调度问题的有效性和优越性。 最后,研究了作业车间调度问题(JSP),在基本遗传算法的基础上,通过改进编码方法和操作算子得到另一种新的改进遗传算法。利用MATLAB编程实现此算法,并编译成动态链接库文件(Dynamic Link Library, DLL),然后,基于MATLAB与VC++6.0混编的思想,利用VC开发了调度系统软件。此系统软件能够实现调度问题的输入、输出、动态显示界面以及调用后台的改进遗传算法DLL文件进行调度计算。根据相关仿真实例,验证了此改进遗传算法求解JSP具有较好的优化效果和开发的调度系统软件具有较强的实用性。
求解JSP问题的邻域结构设计
这是一篇关于作业车间调度问题,禁忌搜索算法,邻域结构,邻域移动的论文, 主要内容为调度问题是指将有限的资源,在给定时间内分配给若干任务,从而优化一个或多个调度性能指标,如最大完工时间、总加权拖期等。作业车间调度问题(Job-shop Scheduling Problem,JSP)是生产调度问题的重要分支,受到了众多研究学者的广泛关注。在JSP问题的研究基础上进行拓展,可以为其他生产调度问题的研究提供理论指导。JSP问题作为最简单的调度问题,是许多复杂生产调度问题的基础与简化。同时JSP问题是NP-hard问题,也是最难的组合优化问题之一。精确算法虽然可以求得JSP问题的最优解,但却牺牲了求解的效率,难以在较短时间内求解大规模问题。近似算法可以在合理时间内获得JSP问题的全局最优解或近似最优解,因此得到了广泛的应用。其中,局部搜索算法性能优越,目前已经成为求解JSP问题最受欢迎的方法之一,而邻域结构则是影响局部搜索算法求解JSP问题的关键因素。本研究基于对现有邻域结构的分析,提出判断工序执行前向插入移动和后向插入移动后邻域解可行性的充分条件,并提出一种在保证邻域解可行性的前提下,可以探索更大解空间的通用型邻域结构,打破了经典邻域结构之间的界限。通过引入工序头时间和尾时间变化量的概念,在通用型邻域结构的基础上,限制产生非改进解的邻域移动,从而进一步缩小邻域规模,优化通用型邻域结构。最后,本研究以最小化最大完工时间为优化目标,建立作业车间调度问题模型。采用具有非改进解接受机制和历史精英解追踪回溯机制的禁忌搜索算法,应用通用型邻域结构,从而改进禁忌搜索算法的性能,提升算法的求解质量。本文选择了四组规模不同的JSP问题实例进行对比实验。实验结果表明:本研究设计的基于通用型邻域结构的禁忌搜索算法能获得大多数问题实例的历史最优解,结果优于其他先进算法,具有良好的性能。
工件具有入树优先约束的作业车间调度算法
这是一篇关于作业车间调度问题,入树优先约束,遗传算法,逆序调度,完工同步的论文, 主要内容为如今,企业在市场中得以生存和发展的核心竞争力向产品多样性和个性化转变,为了提升企业经济效益,制造系统的调度问题备受关注。工件具有in-tree优先约束的作业车间调度问题(Job-shop Scheduling Problem,JSP)是当前制造领域常见的调度问题,普遍存在于装配型离散制造车间和多品种小批量生产车间中。该JSP受到工件层面和工序层面的双重生产顺序约束,在实际调度中常出现在制品库存过高的问题,是比经典JSP更为复杂的NP-hard问题。本文在对JSP和优化算法进行了较为深入的理论和应用研究的基础上,为工件具有in-tree优先约束的JSP设计了有效的算法。本文主要创新点及其相关工作内容总结如下:1.本文对近70年内JSP的研究成果进行梳理和总结后发现:遗传算法应用最为广泛和可行;逆序调度可有效控制在制品库存;对工件具有in-tree优先约束的JSP以及使用逆序调度解决JSP的研究仍比较少。针对在实际生产车间中遇到的主要痛点,结合各优化算法的优缺点,本文选择设计遗传算法和逆序调度相结合的算法,以解决工件具有in-tree优先约束的JSP。2.针对降低在制品库存的调度目标,本文总结出4个合适的调度性能评价指标。3.工件具有in-tree优先约束的JSP约束关系复杂,为了对工件内部和外部的生产顺序约束关系进行梳理,本文提出基于销售订单对所有工件构建树形图和分层。分层后,同一层级内的工件之间不存在生产顺序约束,将工件之间的in-tree优先约束简化为各层工件集合之间的链式优先约束。在此基础上:对工件具有in-tree优先约束的JSP进行描述,并建立数学模型;结合逆序调度的思想,构造算法框架,其核心是针对本文问题设计的in-tree-JSP逆序遗传算法。4.针对本文问题的特点,对in-tree-JSP逆序遗传算法的主要设计有:重新定义了基于工序的编码方式,并提出逆序的工序插入方法作为解码方式,以解码得到在制品库存更少和生产周期更短的调度方案;提出基于工件和基于销售订单的随机初始化方式,前者生成的初始种群具有较好的多样性和优良个体,后者生成的初始种群在最大化完工同步性上表现突出;提出基于工件的邻域搜索变异算子对染色体进行变异操作,以提高算法的局部搜索能力。最后,使用Python编程实现in-tree-JSP逆序遗传算法,应用实例进行验证。结果表明,in-tree-JSP逆序遗传算法具有良好的收敛性、可行性和有效性,缩短了原生产车间44.29%的加工等待时间,使得在制品库存降低,并达成100%按时交付率。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头 ，原文地址：https://m.bishedaima.com/lunwen/48300.html
