协同制造调度问题的蚁群算法研究

论文摘要

车间调度问题作为制造系统优化的核心问题之一,一直受到人们的广泛关注。在当前全球化、网络化制造趋势下,如何解决多机器、多车间乃至多制造厂之间的协同调度问题成为生产调度研究亟待解决的新课题。蚁群算法作为一种元启发式算法,它模仿了真实世界蚁群的食物搜索过程来求解组合优化问题,其正反馈性、并行性等特点适于求解车间调度这类组合优化问题。本文针对车间调度问题的特点和需求,研究建立了解决多制造车间协同调度问题的改进蚁群算法。针对车间调度问题的特点及蚁群算法容易陷入局部最优的问题,提出了一类集成模拟退火的改进蚁群算法,并给出了工序选择、信息素更新和新解接受等规则的具体设计方法。该算法利用蚁群算法与模拟退火算法的某些互补特性,由蚁群算法为模拟退火算法提供初始解以提高搜索效率,依靠模拟退火算法对中间解的包容能力来避免算法陷入局部最优,同时,采用双向收敛策略来加快算法的收敛速度。为验证所提出改进蚁群算法的优化能力,将其应用到基本Job Shop调度问题和柔性Job Shop调度问题中,分别设计了以总完工时间最小为性能指标的新解产生规则、机器选择规则,并选择几种典型基准调度问题进行仿真研究。结果表明,所提出的算法在优化结果、收敛速度和解的稳定性等方面明显优于文献中给出的结果。针对分布制造环境下的协同调度问题,精心设计了改进蚁群算法的车间及机器选择规则,通过为车间选择最优工件组合、为工序选择最优加工机器两个步骤,实现两分布车间协同与优化调度;对典型算例的仿真以及与文献其他算法调度结果的比较,证明了算法的可行性和有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 协同制造调度问题分析
• 1.2.1 问题概述
• 1.2.2 研究现状
• 1.3 蚁群算法求解调度问题的研究现状
• 1.4 论文主要研究内容
• 第二章 蚁群算法研究
• 2.1 蚁群算法的基本原理
• 2.1.1 蚁群算法的思想
• 2.1.2 蚁群算法的流程
• 2.1.3 蚁群算法的特点
• 2.2 蚁群算法的几类改进算法
• 2.2.1 改进基本规则
• 2.2.2 与其它算法结合
• 2.3 本章小结
• 第三章 结合模拟退火的改进蚁群算法设计
• 3.1 模拟退火算法概述
• 3.1.1 模拟退火算法特点
• 3.1.2 模拟退火算法基本步骤
• 3.2 改进蚁群算法
• 3.2.1 算法思想
• 3.2.2 基本规则设计
• 3.3 本章小结
• 第四章 改进蚁群算法求解Job Shop调度问题
• 4.1 Job Shop调度问题描述
• 4.2 基于块体理论的新解产生规则设计
• 4.3 算法实现
• 4.4 仿真及结果分析
• 4.5 本章小结
• 第五章 改进蚁群算法求解柔性Job Shop调度问题
• 5.1 柔性Job Shop调度问题描述
• 5.2 算法设计
• 5.2.1 机器选择规则
• 5.2.2 新解产生规则
• 5.3 算法实现
• 5.4 仿真及结果分析
• 5.5 本章小结
• 第六章 改进蚁群算法解决协同制造调度问题
• 6.1 协同制造调度问题描述
• 6.2 算法设计思想
• 6.3 算法设计
• 6.3.1 车间及机器选择规则
• 6.3.2 新解产生规则
• 6.4 算法实现
• 6.5 仿真及结果分析
• 6.6 本章小结
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 研究展望
• 参考文献
• 在学研究成果
• 致谢