收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

柔性作业车间调度中的群智能优化算法研究

李莉  
【摘要】:随着日益加剧的全球市场竞争,为满足客户多样化及个性化的需求,提高客户满意度,缩短生产加工周期以及按时交货,进而提高自身竞争力,企业需要制定合理的车间生产调度方案。增加了路径柔性特点的作业车间调度系统变得更加灵活,这也使柔性作业车间调度问题成为最困难的组合优化问题之一。根据实际生产需要,柔性作业车间调度问题常常需要针对多个目标制定优化决策。因此,对多目标柔性作业车间调度问题的求解方法进行深入研究具有重要的理论意义与实际应用价值。 本文主要研究对群智能优化算法进行改进、融合,并将其应用于解决柔性作业车间调度问题,主要完成了以下方面的研究: 对基本蚁群优化算法进行了改进,将其应用于解决单目标柔性作业车间调度问题。在改进的蚁群优化算法中,完成了对路径构造中的邻域搜索方法的设计。算法中,子集的数量由所调度问题包含的工件数量决定。为了避免过早停滞现象的发生,算法对启发式信息采用了轨迹强度蒸发规则。本文分析了改进型蚁群优化算法中的相关参数,并以平衡全局搜索能力、算法收敛性为目标,在充分考虑了所解决问题规模的前提下进行了算法参数的设置。通过对算法进行仿真实验获取了较为满意的调度结果。 通过对多目标FJSP数学模型和优化方法的研究,在改进的蚁群优化算法基础上通过对算法中局部启发式信息的重新设计,以均衡加工周期最小化、机器总负载最小化和关键机器负载最小化为问题优化目标,进一步完成了蚁群优化算法的改进,并将其应用于解决多目标FJSP,通过实验证明了该算法的有效性。 对传统PSO算法进行了改进,并将其应用于解决单目标和多目标柔性作业车间调度问题。在改进的PSO算法中,利用种群进化原理并引入基于混沌的自适应参数策略来提高算法的全局搜索能力,采用基于混沌策略的局部搜索来提高算法的局部搜索能力。改进后的算法在一定程度上对传统PSO算法所存在的容易陷入局部极值的问题进行了改善,从而使算法的解质量、搜索效率和收敛速度都得到了提高。最后利用具有27道工序的8×8部分FJSP和具有30道工序的10×10完全FJSP这两个标准测试实例对该算法的求解性能进行了实验测试。 为克服单一优化算法在解决复杂调度问题中固有的弊端,本文将蚁群优化和粒子群优化两种算法加以有效融合,从而增强整体搜索能力。针对多目标FJSP特点,在分别完成了对蚁群优化算法及粒子群优化算法改进工作的基础上,进一步提出二阶式蚁群粒子群混合优化算法(TSAPO)。在TSAPO中,采用分解方式通过两个阶段实现多目标优化。通过工序可选加工机器析取模型的建立,第一阶利用改进的蚁群算法,在对蚁群转移概率重新设计的基础上实现在多目标FJSP中机器总负载最小化与关键机器负载最小化的两个优化目标;第二阶通过对粒子群解码的设计,利用所改进的粒子群优化算法实现加工时间最小化的优化目标。通过仿真实验证明TSAPO算法在求解多目标FJSP中具有较好的求解性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王介新;吕强;钱培德;;MKP的一种向量启发信息的设计和实现[J];计算机工程与应用;2007年28期
2 苏胤杰;;基于蚁群优化算法的立体匹配[J];微计算机信息;2008年24期
3 孙涛;蒋科艺;王永华;马力;;一种基于蚁群优化的粗糙集属性约简方法[J];海军航空工程学院学报;2011年01期
4 王晓年;冯远静;冯祖仁;;一种基于主动轮廓模型的蚁群图像分割算法[J];控制理论与应用;2006年04期
5 彭震宇;葛洪伟;;基于混合优化算法的最大独立集问题求解[J];计算机应用;2007年05期
6 葛洪伟;彭震宇;;基于蚁群优化算法的单通道冗余VLSI阵列重构[J];计算机工程;2008年07期
7 贾彦平;付立东;;基于蚁群算法的分类规则问题[J];电子技术;2008年09期
8 刘佶鑫;赵英凯;;蚁群算法元胞自动机模型应用[J];南京工业大学学报(自然科学版);2008年06期
9 崔世钢;徐雪莲;赵丽;田立国;杨耿煌;;蚁群优化在移动机器人路径规划上的研究[J];制造业自动化;2009年01期
10 舒期梁;赵丽萍;;基于改进蚁群优化的无线传感器网络路由算法[J];计算机测量与控制;2011年05期
11 燕忠,袁春伟;基于蚁群智能和支持向量机的人脸性别分类方法[J];电子与信息学报;2004年08期
12 冷晟;魏孝斌;张文艺;;柔性工艺路线的改进蚁群作业调度算法(英文)[J];南京航空航天大学学报(英文版);2006年02期
13 黄如;朱杰;徐光辉;;基于蚁群优化算法的传感器网络能量有效性覆盖机制(英文)[J];Journal of Southeast University;2007年02期
14 颜晨阳;张友鹏;熊伟清;;一种新的蚁群优化算法信息素更新策略及其性能分析[J];计算机应用研究;2007年07期
15 蔡立军;蒋林波;易叶青;;基于蚁群优化算法的基因选择[J];计算机应用研究;2008年09期
16 刘延风;刘三阳;;基于蚁群优化的置换流水车间调度算法[J];系统工程与电子技术;2008年09期
17 雷筱珍;赖万钦;;一种基于信息素的FCM蚁群聚类算法[J];安阳工学院学报;2009年02期
18 姜学鹏;洪贝;曹耀钦;;基于证据理论决策的蚁群优化算法[J];计算机技术与发展;2009年08期
19 辛玉林;徐世友;陈曾平;;基于最小代价和蚁群算法的传感器资源优化研究[J];信号处理;2010年01期
20 余建平;周新民;陈明;;群体智能典型算法研究综述[J];计算机工程与应用;2010年25期
中国重要会议论文全文数据库 前10条
1 熊伟清;魏平;;基于食物量分配的多种群二元蚁群优化算法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
2 赵冬斌;易建强;;基于蚁群优化算法的机器人规划[A];第25届中国控制会议论文集(中册)[C];2006年
3 邓科;丛爽;;不同蚁群优化算法在C-TSP中的性能对比研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
4 唐好选;曲毅;;蚁群优化算法在蛋白质构象预测问题中的应用[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年
5 乔宗涛;谢军;谢明;;蚁群优化算法在无人机航路规划中的应用[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年
6 朱耀佳;吕勇哉;陈玉旺;潘常春;;蚁群优化方法在“炼钢-连铸-热轧”集成调度中的应用[A];中国计量协会冶金分会2007年会论文集[C];2007年
7 章小强;管霖;;基于蚁群算法的暂态稳定评估输入特征的识别[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
8 张伟;李守智;高峰;刘振山;;几种智能最优化算法的比较研究[A];第二十四届中国控制会议论文集(下册)[C];2005年
9 杨佳;许强;曹长修;;一种锅炉燃烧系统的新型优化算法[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
10 马海平;阮谢永;金宝根;;反向蚁群算法在故障监控中的应用[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 许瑞;基于蚁群优化算法的批调度问题研究[D];中国科学技术大学;2011年
2 李莉;柔性作业车间调度中的群智能优化算法研究[D];东北林业大学;2011年
3 柏继云;蚁群优化算法及觅食行为模型研究[D];哈尔滨工业大学;2013年
4 庄晓东;多移动机器人运动控制策略的强化学习研究[D];中国海洋大学;2005年
5 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
6 钟一文;智能优化方法及其应用研究[D];浙江大学;2005年
7 刘泓;交通仿真系统的并行计算、智能优化和混杂模型研究[D];浙江大学;2006年
8 李娜娜;仿生算法及其在专家分配问题中的应用[D];天津大学;2008年
9 薛俊芳;机电产品拆卸过程建模与规划研究[D];哈尔滨工程大学;2008年
10 白保存;考虑任务合成的成像卫星调度模型与优化算法研究[D];国防科学技术大学;2008年
中国硕士学位论文全文数据库 前10条
1 张志明;Linux机群环境下并行蚁群优化算法的设计与实现[D];长安大学;2012年
2 王敏;基于蚁群优化算法的齿轮箱故障诊断研究[D];中北大学;2010年
3 刘瑛;基于蚁群优化算法的车辆出行问题研究与应用[D];重庆理工大学;2013年
4 张泽彬;基于混合启发式蚁群优化算法在双层车辆路径问题的研究[D];广东工业大学;2012年
5 李静宜;蚁群神经网络的研究及其应用[D];江苏科技大学;2010年
6 袁军良;基于蚁群优化算法的集装箱装载问题求解[D];宁波大学;2011年
7 吴虎发;蚁群优化算法在求解最短路径问题中的研究与应用[D];安徽大学;2012年
8 何雪海;蚁群优化算法及其应用研究[D];重庆大学;2011年
9 王涛;基于粒子群蚁群优化算法的配电网络重构研究[D];长沙理工大学;2013年
10 付杰;基于GPU的并行蚁群优化算法的研究与实现[D];中国舰船研究院;2011年
中国重要报纸全文数据库 前1条
1 袁志勇;IJICC创刊一年已被EI等五个国际检索机构收录[N];科技日报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978