基于粒子群算法的多目标车间调度的研究

论文摘要

随着经济的发展,顾客需求的多样化和个性化增加了企业在实际生产中的不确定性和动态性因素。为了满足顾客的需求,企业开始注重资源的合理配置。因此,研究多目标车间调度问题具有一定的理论价值和现实意义。本文针对多目标柔性作业车间调度问题,提出了基于均匀设计的粒子群算法。该方法采用线性加权法将多目标优化问题转化为单目标优化问题,并采用随机数和均匀设计试验的方法产生权系数,保证了所得非劣解的多样性和均匀分布性;同时采用精英保留策略来维持种群的多样性;动态邻域算子的使用提高了算法的搜索能力。最后通过实验仿真证明了该方法可以有效地解决柔性作业车间调度问题。为了解决混合流水车间调度问题中并行机器的分配问题,本文采用实数形式的矩阵编码方法,提出了基于关键路径的粒子群算法。该方法采用基于种群多样性的变异策略和精英保留策略来维持种群的多样性;关键路径和关键块的划分克服了种群易早熟的缺点,提高算法的搜索能力。最后通过实验仿真证明了算法的有效性。针对车间调度问题的特点,本文提出了基于NEH搜索策略的粒子群算法。该算法中设计了动态粒子群,降低算法的时间复杂度,并将NEH算法作为局部搜索策略,同时利用变异策略来维持种群的多样性。最后通过仿真实验证明算法有效性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 车间调度问题的提出
• 1.1.1 研究背景
• 1.1.2 研究的目的和意义
• 1.2 车间调度问题的概述
• 1.2.1 车间调度问题的特点
• 1.2.2 车间调度问题的分类
• 1.2.3 车间调度问题的研究方法
• 1.3 粒子群算法在车间调度领域中的研究现状及存在的问题
• 1.3.1 研究现状
• 1.3.2 存在的问题
• 1.4 本文的研究工作及结构安排
• 1.5 本章小结
• 2 多目标粒子群算法
• 2.1 多目标优化问题
• 2.1.1 多目标优化问题的基本概念
• 2.1.2 多目标优化问题的传统求解方法
• 2.1.3 求解多目标优化问题的进化算法
• 2.2 多目标粒子群算法
• 2.2.1 标准PSO
• 2.2.2 常用多目标粒子群算法介绍
• 2.3 本章小结
• 3 基于均匀设计的粒子群算法在多目标柔性作业车间调度中的应用
• 3.1 粒子群算法在柔性作业车间调度中的应用
• 3.2 柔性作业车间调度问题的概述
• 3.2.1 假设性条件
• 3.2.2 目标模型
• 3.3 均匀设计试验方法的简介
• 3.4 基于均匀设计的粒子群算法的关键算子
• 3.4.1 求解柔性作业车间调度问题的粒子表示方法
• 3.4.2 计算工件和机器的开工时间
• 3.4.3 局部搜索策略
• 3.4.4 极值更新策略
• 3.4.5 种群多样性保持策略
• 3.4.6 适应值函数设计
• 3.4.7 算法的基本流程
• 3.5 算法仿真及分析
• 3.6 本章小结
• 4 基于关键路径搜索策略的粒子群算法在多目标混合流水车间调度中的应用
• 4.1 粒子群算法在多目标混合流水车间调度问题中的应用
• 4.2 混合流水车间调度问题的概述
• 4.2.1 假设条件
• 4.2.2 目标模型
• 4.3 基于关键路径搜索策略的粒子群算法的关键算子
• 4.3.1 求解混合流水车间调度问题的粒子表示方法
• 4.3.2 初始种群的生成
• 4.3.3 粒子速度和位置的更新
• 4.3.4 邻域搜索策略
• 4.3.5 种群多样性的维持
• 4.3.6 算法的流程
• 4.4 算法仿真
• 4.5 本章小结
• 5 基于 NEH 搜索策略的粒子群算法在多目标车间调度中的应用
• 5.1 NEH 搜索算法的简介
• 5.2 基于NEH 搜索算法的粒子群算法的关键算子
• 5.2.1 动态粒子群的产生
• 5.2.2 适应值函数的设计
• 5.2.3 改进的NEH 搜索策略
• 5.2.4 粒子的变异操作
• 5.2.5 算法流程
• 5.3 算法仿真
• 5.5 本章小结
• 总结与展望
• 1 研究总结
• 2 研究展望
• 参考文献
• 致谢
• 攻读学位期间发表学术论文目录