改进的遗传算法在多目标车间调度中的应用研究

论文摘要

针对以往车间调度系统只能适应某个具体车间环境,且只能得到时间最短,成本最低,设备负荷平衡等一个目标评价标准的调度方案的缺点,设计并实现通用的多目标车间调度系统。根据企业的各种实时信息,例如实时库存信息,在制品进度信息,车间生产能力信息等进行动态综合调控,生成实时性高的车间调度方案;同时可以根据实际需要选择生产过程中待控制的成本,以使最终的调度方案在满足一般评估标准的同时,兼顾各个目标尽可能达到较优的情况。本系统除了考虑并行的各种约束,还是同时对系统适用的场合进行改善,现有的研究工作绝大多数要么研究加工的调度,要么研究装配的调度,很难适合现在混合生产形态类型的制造业。针对上述的问题,不仅需要一个良好的解决多目标的优化算法,同时还需要一个针对实际的车间调度的产生一个合适的方案。本文利用遗传算法可以很好地并行优化多目标问题的特点,提出一种基于偏好的随机权重的多目标遗传算法,来解决多目标遗传算法很难做出选择的问题。算法利用了随机权重的简单易用性以及多向搜索的特点,和偏好的引导性,结合这些特点来筛选进化得到Pareto解。算法克服了随机权重法在搜索方面的盲目性,同时也解决了因完全依赖偏好信息而带来在计算方面的复杂性,提高了多目标遗传算法在产生Pareto解的性能。针对混合生产形态下多目标车间调度的实际情况,本文设计了一种新的适用于混合生产形态下多目标车间问题的生产方案,并提出了一个可以同时关注多个目标的优化算法模型,相比传统的多目标优化算法,本设计具有较好的通用性,根据需要来优化多个目标,因而该模型具有更好的实用性。本文将开发混合生产形态下的实际车间调度应用平台主要技术进行了介绍,并将研究的新算法应用到开发的调度平台上。最后通过实际问题进行求解,得到的最终的结果是可行的和有效的。

论文目录

• 摘要
• ABSTRACT
• 绪论
• 第一章 多目标车间调度问题的研究
• 1.1 多目标车间调度问题概述
• 1.2 车间调度数学模型
• 1.3 多目标车间调度问题的研究现状
• 1.4 车间调度存在的问题及解决途径
• 1.5 本章小结
• 第二章 多目标遗传算法概述
• 2.1 多目标遗传算法简介
• 2.2 多目标最优化及PARETO 解相关概念
• 2.2.1 多目标优化问题（MOP）的定义
• 2.2.2 最优解的定义
• 2.2.3 Pareto 相关概念
• 2.3 多目标优化问题的解
• 2.4 用于查找一组非劣解的过程
• 2.5 几种新型多目标遗传算法简介
• 2.6 多目标遗传算法的研究现状
• 2.7 本章小结
• 第三章 一种基于偏好的随机权重多目标遗传算法
• 3.1 引言
• 3.2 算法的基本思想
• 3.3 基于偏好的多目标遗传算法
• 3.4 算法目标向量的生成
• 3.4.1 二元关系的定义
• 3.4.2 设置偏好的初始矩阵
• 3.4.3 偏好关系的推导
• 3.4.4 目标函数权值向量的生成
• 3.5 算法的主要结构
• 3.5.1 染色体的编码方式
• 3.5.2 种群的初始化
• 3.5.3 适应度函数
• 3.5.4 改进的选择操作
• 3.5.5 交叉和变异
• 3.6 算法基本流程
• 3.7 实验验证
• 3.8 本章小结
• 第四章 基于偏好随机权重多目标遗传算法在车间调度系统中的应用
• 4.1 引言
• 4.2 车间调度系统设计
• 4.2.1 系统业务处理流程
• 4.2.2 系统主要功能模块
• 4.3 车间调度模块的设计
• 4.3.1 订单的选择
• 4.3.2 订单的拆解
• 4.3.3 生成染色体
• 4.3.4 算法优化模型的设计
• 4.3.5 任务排产
• 4.4 系统实例运行
• 4.4.1 系统管理模块
• 4.4.2 BOM 管理模块
• 4.4.3 车间作业计划管理模块
• 4.4.4 生成染色体
• 4.4.5 任务排产
• 4.4.6 查看设备负荷
• 4.5 数据库表单
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢