基于混合微粒群算法求解加工时间不确定的Flow-Shop鲁棒调度问题

论文摘要

随着全球经济一体化的发展,企业之间的竞争日益激烈。在企业中合理规划生产的运作方式,节约生产成本,成为提高企业竞争力的一个核心问题。而合理规划生产运作方式的核心是能够得到一个最佳的调度方案。因此,研究生产调度问题具有非常重要的理论意义和现实意义。Flow-shop调度问题（FSSP）即流水车间调度问题,是生产调度问题中一类重要的问题。由于各种原因,在实际生产过程中存在很多不确定性,本文所研究的是一种加工时间不确定的FSSP。在研究的问题中不仅考虑到不确定性存在,而且还能尽量减少在有干扰发生时对结果产生的影响。微粒群算法（Particle Swarm Optimization,PSO）是一种新兴的智能优化算法,具有原理简单,参数少,操作少,容易实现的特点,是一种高效的并行搜索算法。目前微粒群算法已经广泛用于函数优化、人工神经网络训练、组合优化等领域,成为目前进化计算研究的一个新热点。微粒群算法的研究领域不断扩大,也不断深入。本文根据对微粒群算法和其它智能优化算法的研究,提出一种混合微粒群算法,用来处理加工时间不确定的FSSP,主要做了以下工作:（1）分析了当前微粒群算法的原理和特点以及参数选择等,总结了已有的改进方法。针对微粒群算法的特点提出了一种混合微粒群算法,该算法利用其他两种算法的优势弥补了微粒群算法的缺陷。（2）针对加工时间不确定的FSSP,提出了一种鲁棒makespan指标,通过这个指标,对两个相互冲突的目标进行折衷,从而能够得到既有鲁棒性又兼顾makespan的调度方案。基于提出的鲁棒makespan指标,对单目标和双目标的FSSP做了研究,用混合微粒群算法做了仿真实验,并和其他算法做了对比。仿真结果验证了该算法的优势。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 生产调度问题特点及分类
• 1.2.1 生产调度问题的特点
• 1.2.2 生产调度问题的分类
• 1.2.3 生产调度问题常用的性能指标
• 1.3 生产调度中的不确定性及调度方案
• 1.3.1 不确定因素分析
• 1.3.2 不确定条件下的生产调度方案
• 1.4 生产调度问题算法概述
• 1.4.1 经典调度理论及方法
• 1.4.2 基于人工智能技术的调度方法
• 1.5 本课题的研究背景
• 1.6 论文的内容安排
• 1.7 本章小节
• 第2章 混合微粒群算法
• 2.1 微粒群算法基本原理
• 2.1.1 仿生学和智能优化算法
• 2.1.2 微粒群算法的起源
• 2.1.3 微粒群算法的基本原理
• 2.1.4 微粒群算法参数设定原则
• 2.1.5 微粒群算法的改进
• 2.1.6 微粒群算法的特点
• 2.2 混合微粒群算法设计
• 2.2.1 算法的提出
• 2.2.2 算法的具体设计
• 2.2.3 算法流程
• 2.2.4 算法参数选择原则
• 2.2.5 对参数选择的仿真验证
• 2.3 本章小节
• 第3章 基于混合微粒群算法处理加工时间不确定Flow-Shop鲁棒调度问题
• 3.1 引言
• 3.2 加工时间不确定的Flow-Shop调度问题（FSSP）
• 3.2.1 模糊数的操作
• 3.2.2 问题描述
• 3.2.3 鲁棒目标函数设计
• 3.3 基于混合微粒群算法处理加工时间不确定的单目标鲁棒FSSP
• 3.4 基于混合微粒群算法处理加工时间不确定的双目标鲁棒FSSP
• 3.4.1 多目标问题处理方法
• 3.4.2 带约束多目标问题数学模型
• 3.4.3 加工时间不确定的鲁棒FSSP数学模型
• 3.4.4 处理多目标优化问题的方法
• 3.4.5 仿真实验与分析
• 3.5 本章小节
• 第4章 总结与展望
• 4.1 总结
• 4.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表的学术论文
• 攻读硕士学位期间参加的学术活动
• 学位论文评阅及答辩情况表