7篇关于禁忌搜索算法的计算机毕业论文

今天分享的是关于禁忌搜索算法的7篇计算机毕业论文范文, 如果你的论文涉及到禁忌搜索算法等主题,本文能够帮助到你

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。

改进粒子群算法在车间调度中的研究及应用

这是一篇关于车间调度,粒子群算法,禁忌搜索算法,混合粒子群的论文, 主要内容为在竞争日渐激烈的全球化经济中,如何提高企业的制造效率,减少企业成本已成为提升企业竞争力的重要途径,而随着企业生产规模巨大化和生产规模的连续化,车间调度已成为左右生产效率的要素之一。车间调度问题(Job-shop Scheduling Problem,JSP)是制造行业的一个研究热点,有效的调度计划和优化方法是实现提升生产效益的基本和关键,但车间调度问题是NP难问题,其难点是无法实现在一个多项式时间内求出其最优解,所以一个好的优化算法是解决车间调度问题的关键。近几十年来,学者们都在致力寻找更好的优化算法,其中粒子群算法(Particle Swarm Optimization,PSO)和禁忌搜索算法(Tabu Search,TS)是比较突出的两个优化算法。粒子群算法是一种群智能算法,因其有简单、容易实现,收敛速度快且需要调整参数少等优点,自提出以来便受到了国内外的关注,粒子群算法现在广泛应用于调度优化、函数优化、化学工程、数据挖掘、生物工程、环境工程、模糊系统控制等诸多邻域。禁忌搜索算法是一种全局逐步优化的启发式算法,以禁忌表的形式来避免陷入局部最优解,以此来跳出局部最优,具有良好的寻优性能,目前,禁忌搜索算法已经普及在机器学习、投资分析、电路设计、函数优化和组合优化等诸多邻域,具有广泛的应用前景。本人在阅读了大量的文献得知,传统粒子群算法对离散的优化问题处理不够理想,且容易陷入局部最优解,禁忌搜索算法对问题的初始解要求较高,针对这些缺点,本文进行了相应的改进,在前人融合这两种算法的基础上,提出将粒子群算法的全局最优解做为禁忌搜索算法的初始解的混合粒子群算法模型,并在应用于车间调度问题上做了离散化处理,在柔性作业车间调度问题上,对禁忌搜索算法的邻域结构做出了相应的改进。改进的算法不仅可以提升粒子群算法的寻优能力,对于求解作业车间调度和柔性作业车间调度问题都有明显的优势。最后,本文通过实验仿真来求解作业车间调度问题和柔性作业车间调度问题,验证了改进后的算法的可行性和优越性。

面向光伏企业的MES研究与实现

这是一篇关于制造执行系统,车间调度问题,禁忌搜索算法,工作流,物联网的论文, 主要内容为全球经济的迅速发展，引起了制造业的革命。越来越多的企业引入信息化的管理方式来提高效益。很多企业都试图开发出能适应各自生产情况的制造执行系统，用来解决生产车间的调度问题、生产数据的实时监控和实时交互等问题。本文以某太阳能高科技有限公司的实际业务需求为背景，运用禁忌搜索算法、工作流和物联网等技术，对制造执行系统进行了理论研究和实践。本文主要研究内容包括以下几个方面。在开发技术上，制造执行系统采用基于MVC模式下的综合集成解决方案，由Spring.NET框架、IBatis.NET框架和ASP.NET MVC技术构成。前端采用Jquery UI和Ajax技术来丰富页面。在生产中，比较难解决的问题当属车间作业的调度问题，某企业生产线的特点是单目标柔性车间作业，经过综合分析后认为采取禁忌搜索算法来解决车间作业调度问题最为适合。因此对禁忌搜索算法进行了理论研究，同时将禁忌搜索算法与其他算法进行了比较。在车间管理方面，尝试引入工作流来协助车间的管理。分析了工作流在生产中的优势，通过对工作流的模型、工作流的权限和工作流实例这三个方面的管理，使工作流在生产中很好的执行。在车间数据处理方面，采用物联网中的RFID技术，通过移动终端对各个组件的信息进行采集，然后通过移动终端上的Android程序对数据进行处理，最后经无线网络与后台服务器上的制造执行系统进行交互。最后，总结全文的研究工作后，提出了还需开展的工作。 MES不仅满足了企业的实际业务需求，前端技术的使用提高了用户体验，增强了页面的美观、提升了页面的刷新速度。使用禁忌搜索算法很好地解决了该企业的车间作业调度问题。工作流的引入极大的提高了生产车间的执行效率。物联网技术也实现了车间生产数据的实时采集、实时监控、实时处理。

Job-shop障碍图模型路径规划及其调度优化研究

这是一篇关于作业车间调度,障碍图模型,路径规划,禁忌搜索算法,烟花算法,最大完工时间的论文, 主要内容为为加快推动智能制造发展,《“十四五”智能制造发展规划》指出以车间、工厂为制造载体,加速系统集成技术的开发是重点任务之一,同时将“计划调度”、“复杂环境动态生产计划与调度”等作为关键核心技术。智能制造离不开智能决策,而车间调度技术是车间智能系统决策不可缺少的一环,直接关乎生产指令的下达。车间调度技术种类繁多,其中作业车间调度(Job-shop Scheduling Problem,JSP)被称为最基本、最著名的调度问题,同时也是NP-Hard问题,因此对其研究具有较高的理论意义和实用价值,符合当前国家大力发展智能制造的国情。本文第一章介绍了课题的研究背景与意义,综述了JSP问题的研究现状,分析了现有问题的不足:1)多工件障碍图模型在寻找最短路径的过程中存在耗时问题;2)工件级和工序级搜索尺度的融合问题。因此,基于以上两点提出了本文所研究的内容。第二章,介绍了JSP问题、数学模型、析取图模型和障碍图模型,紧接着阐述了邻域搜索算法、禁忌搜索算法和烟花算法,从而为后续章节的研究奠定基础。第三章,介绍了多工件障碍图模型,并说明了寻找最短路径的耗时问题。然后,回顾了已有的两工件障碍图路径规划算法,分析了优缺点。其次,针对多工件障碍图提出了新的路径规划算法,该算法研究包括:1)使用分层方法简化障碍图;2)设计节点扩展方法;3)设计快速距离评估公式;4)融合了A*算法。最后,通过242个基准实例测试,实验结果验证了所提算法有效性。第四章,针对工件级和工序级搜索尺度的融合问题设计了两种混合算法:1)提出了基于障碍图模型和禁忌搜索混合算法,该算法通过在障碍图模型中使用路径规划算法和设计邻域解产生方式,从而实现工件级尺度搜索。在禁忌搜索算法中,采用邻域结构实现移动工序搜索。通过两种算法混合,实现工件级与工序级尺度协同搜索。通过53个基准算例进行测试,实验结果达到了或优于对比算法的水平。2)鉴于单个体搜索和障碍图模型、禁忌搜索算法搜索的局限性,提出了具有更加综合搜索性能的混合算法,三种算法的混合采用群体迭代的搜索方式,使得全局搜索和局部搜索更加平衡,通过60个基准问题测试,其中包含了较难的ABZ和YN基准问题,实验结果验证了所提算法的有效性。第五章,基于上述理论研究成果,结合案例介绍了开发的作业车间调度原型系统,第六章对全文工作进行了总结和展望。

多目标柔性Job-Shop调度算法研究

这是一篇关于多目标柔性Job-Shop调度,免疫遗传算法,小生境,禁忌搜索算法,模拟退火算法的论文, 主要内容为作业调度问题具有复杂性、约束性、多目标性等特点，属于组合优化问题。传统优化算法很难获得对一般问题的解决方案。Job-Shop调度是生产调度的一个重要分支。传统Job-Shop调度问题中，假设工件具有唯一确定的加工工艺路线，使得生产调度和实际生产过程脱节，缺乏实用性。在实际的生产过程中，每个工序可以在一台或多台机器上加工，工件可以在保持工序顺序的前提下选择合适的加工路线。与传统Job-Shop调度相比，多目标柔性Job-Shop调度具有更强的实用性。但问题的复杂度也随之大大提高。解决多目标柔性Job-Shop问题的优化算法以启发式算法为主，但单一算法存在着许多缺陷和不足，所以近年来利用混合算法解决多目标柔性Job-Shop调度问题成为研究热点。本文首先回顾了车间生产调度的发展历史，总结了车间生产调度的分类和性能评价指标，研究了小生境技术、免疫遗传算法、禁忌搜索算法和模拟退火算法。其次，针对多目标柔性Job-Shop调度问题，改进了免疫遗传算法，提出了一种基于小生境技术的免疫遗传算法，即利用小生境技术调整适应值，采用选择种子法进行复制操作、两点交叉法进行交叉操作和自适应变异率进行变异操作，有效地解决了简单遗传算法收敛慢和早熟等问题；同时将禁忌搜索与模拟退火算法结合，提出了一种禁忌模拟退火算法，即利用禁忌搜索算法进行粗搜索，解决了模拟退火算法中初始温度和初始状态的确定问题。最后，本文提出了一种利用集成法解决多目标柔性Job-Shop调度问题的算法：将多目标问题转换为单目标问题；利用改进的免疫遗传算法解决路径子问题；利用禁忌模拟退火算法对工序进行排序，求解出个体的适应值。仿真表明，本文提出的多目标柔性Job-Shop调度算法具有快速收敛的特性，能够较好地跳出局部最优，获得全局最优解，是求解多目标柔性Job-Shop调度问题的可行且高效的算法。虽然通过求解三种不同规模的问题验证了本文提出的多目标柔性Job-Shop调度算法的可行性，但是仍需更加全面地测试。在多目标柔性Job-Shop调度问题后续的研究工作中，如何将现有算法进行改进和混合仍是主要的研究方向。

移动货架仓库拣选员与搬运机器人的优化配置研究

这是一篇关于移动货架仓库,数量优化配置,订单拣选,禁忌搜索算法,遗传算法的论文, 主要内容为随着仓库智能化水平的不断提高,很多大型电商仓储中心先后建立了移动货架式仓库,通过先进的“货到人”仓储模式,以应对电子商务订单的小批量、多批次、高时效性的中小件货品的拣选工作。该模式通过拣货员与可移动货架相互协作,有利于大幅提高电商订单的仓储运作效率。然而,在新建该类仓库时,如何在有限的投资下,实现拣货员与搬运机器人的最优数量配置,从而充分发挥出他们各自的效率,是摆在这些电商仓储中心决策者面前亟待解决的首要问题。在移动货架的仓库系统中进行订单拣选作业时,各搬运机器人按要求将存储区中包含需要商品的货架依次搬运至服务台,货架被拣货员拣选完毕之后,各搬运机器人再将货架送回存储区并搬运下一个货架。整个订单拣选作业的操作需要拣货员与搬运机器人的密切配合完成,拣货员和搬运机器人的数量配置将会直接影响仓储系统的订单拣选效率。如果搬运机器人配置数量过多,则在拣货台处会形成大量处于等待状态的搬运机器人,降低仓库整体拣货效率,如果拣货员配置过多则拣货员会存在较长的等待时间,也会降低仓库的整体拣货效率。如果移动货架仓库拣货员与搬运机器人的数量配置合理,则能够发挥出他们共同的效率,大幅减少双方各自不必要的等待时间。同时,拣货员与搬运机器人的配置问题涉及到搬运机器人的优化调度以及拣货员在单位时间内的工作效率问题,若搬运机器人调度不合理则人机数量配置也不会合理。因此需要通过模型来计算此问题。在求解拣货员与搬运机器人最优配置问题的过程中,针对搬运机器人的调度问题,在对其进行明确定义的基础上,建立了混合整数规划模型。当问题规模不断增大时,线性规划求解器就很难在较短的时间内求得问题的最优解甚至可行解。为此,设计了面向大规模问题快速求解的禁忌搜索(Tabu Search)算法。在实验中,针对小规模算例,将禁忌搜索算法与Gurobi计算的结果进行对比,研究结果表明,禁忌搜索算法得出的结果与Gurobi计算的结果相同,且在运行时间上有明显优势。针对大规模算例,本文的算法结果相较于遗传算法结果存在一定优势。同一规模的算例,使用禁忌搜索算法生成解的总拣选时间往往低于遗传算法的结果,且随着规模变大,遗传算法的总拣选时间增长趋势更大,而禁忌搜索算法结果增长趋势更为平稳。此外,禁忌搜索算法的运行时间比遗传算法更为迅速,以便更快地获得目标的最终结果。最后,对拣货员与搬运机器人的数量配置问题进行敏感度分析。分析不同的拣货员数量和不同的搬运机器人行驶速度下,启发式算法结果的变化情况,希望决策者在进行拣货员与搬运机器人的数量安排及配置工作时,有更为科学的数据支撑,使得拣货员与搬运机器人的配置更为合理,最终提升移动货架仓库的总体效益。