收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于混合离散粒子群算法的柔性作业车间调度问题研究

张静  
【摘要】:生产调度可以提高经济效益、降低成本和能耗,从而促进企业的可持续发展,是过去几十年中计算机集成制造领域的研究热点之一。柔性作业车间调度问题作为生产调度的一个重要分支,其特点更接近于实际生产过程,但同时也带来了求解上的困难,因此,对其研究具有重要的实际意义和理论价值。 本文以离散粒子群算法为基本优化手段,通过改进粒子位置更新方式和设计符合问题特征的局部搜索策略,针对几类柔性作业车间调度问题,提出相应的混合离散粒子群算法进行求解,主要研究内容概括如下: (1)结合改进的粒子位置更新方式和基于机器负载的模拟退火机制,提出了混合离散粒子群算法求解一类以机器为约束资源,生产周期为优化目标的单资源单目标柔性作业车间调度问题。该混合算法有效地弥补了粒子群算法求解柔性车间调度问题时易得到不可行解的缺陷,并且在保证了粒子能收敛到可行解的同时,又改善了算法的搜索性能。通过算例仿真,验证了混合算法的有效性和可行性。 (2)基于Pareto支配概念,提出一种将改进的Baldwinian学习策略和模拟退火技术相结合作为局部搜索策略的混合离散粒子群算法,求解一类以机器为约束资源,以生产周期、最大机器负载和单台机器最大负载为优化目标的多目标柔性作业车间调度问题。该混合算法除了具有较强的局部探索能力外,还采用混合初始化策略提高搜索起点,并引入外部档案防止进化过程中非支配解的丢失。经算例仿真验证,改进算法在收敛性和非支配解的分布均匀性方面均具有明显优势。 (3)针对以机器和工人为约束资源,以生产周期为优化目标的双资源单目标柔性作业车间调度问题,提出了一种结合改进离散粒子群算法和基于变邻域模拟退火操作的混合离散粒子群算法。针对问题特征,该混合算法在种群初始化、粒子位置更新和邻域选择机制上进行了改进,从而有效地防止不可行解的出现,并避免了算法早熟。算例仿真验证算法的可行性和有效性。 (4)提出了一种基于改进Maximin适应值函数的多目标动态随机搜索操作,并结合改进的离散粒子群算法,给出了双资源多目标柔性作业车间调度问题的求解方法,其约束资源为机器和工人,优化目标为生产周期和生产成本。该混合算法有效地改善了局部搜索性能,并通过提出一种简单的混合策略对外部档案进行修剪,保证了算法的高效运行。算例仿真说明算法取得了较好的调度效果。 最后,基于本文所提出的柔性作业车间调度方法,设计了一个基于B/S架构的柔性作业车间调度系统,通过纸盆车间两个实例验证论文提出方法的有效性。并对全文所做的研究工作进行了总结和展望。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 戴月明;王明慧;王春;王艳;;骨干双粒子群算法求解柔性作业车间调度问题[J];系统仿真学报;2017年06期
2 常桂娟;;改进粒子群算法在作业车间调度问题中的应用[J];四川师范大学学报(自然科学版);2009年01期
3 黄钰;柳寅;;基于模糊粒子群算法的高等教育资源配置[J];微计算机信息;2011年10期
4 张元清;包骏杰;卫茜;;自适应变异的离散粒子群算法研究[J];重庆三峡学院学报;2007年03期
5 陈明;胡言乐;刘晋飞;;基于粒子群算法的多目标柔性作业车间调度问题研究[J];机电一体化;2017年01期
6 张龙;徐本柱;刘晓平;;求解作业车间调度问题的混合粒子群算法[J];内蒙古大学学报(自然科学版);2014年01期
7 郭少帅;;基于离散粒子群算法的作业车间调度优化[J];装备制造技术;2013年09期
8 孙晓雅;林焰;;基于粒子群算法的资源受限项目扩展调度方法[J];微电子学与计算机;2011年06期
9 任小波;陈舒骅;;多信息结合离散粒子群算法及其应用[J];计算机工程与应用;2011年32期
10 许传敏;杨洪耕;;电压波动估计的混沌简化粒子群算法[J];电力系统及其自动化学报;2009年03期
11 吴艳;;基于改进离散粒子群算法的多目标无功优化[J];山西电力;2012年03期
12 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期
13 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期
14 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期
15 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期
中国重要会议论文全文数据库 前10条
1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年
6 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集(上册)[C];2013年
7 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[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(上册)[C];2008年
9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年
10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
2 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年
3 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年
4 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年
5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
6 王芳;粒子群算法的研究[D];西南大学;2006年
7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年
10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年
中国硕士学位论文全文数据库 前10条
1 郭晓东;多目标粒子群算法在土地开发项目选址中的应用[D];山西财经大学;2016年
2 陈绍新;多目标优化的粒子群算法及其应用研究[D];大连理工大学;2007年
3 纪壮壮;多目标粒子群算法的改进及应用[D];南京信息工程大学;2014年
4 方群;多目标拆卸线平衡问题的改进粒子群算法研究[D];西南交通大学;2014年
5 徐玉杰;粒子群算法的改进及应用[D];南京师范大学;2013年
6 袁建亮;基于小波变异的二进制粒子群算法及应用研究[D];湖南大学;2011年
7 肖小城;粒子群算法求解作业车间调度问题的研究[D];郑州大学;2010年
8 欧阳艾嘉;混合粒子群算法及应用[D];广西民族大学;2010年
9 何海娟;基于改进多目标粒子群算法的鲁棒控制方法研究[D];华东理工大学;2011年
10 冯剑龙;基于改进粒子群算法的制造云服务选择方法研究[D];齐鲁工业大学;2018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