資源描述：
《基于改進遺傳算法的混合車間調(diào)度問題研究1.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、蘭州理工大學(xué)碩士學(xué)位論文基于改進遺傳算法的混合車間調(diào)度問題研究姓名：馮亞崗申請學(xué)位級別：碩士專業(yè)：機械制造及其自動化指導(dǎo)教師：芮執(zhí)元;劉軍20090420碩}j學(xué)位論文摘要并行工程(concurrentengineering，CE)、敏捷制造(agilemanufacture．ing，AM)、虛擬制造(virtuaImanufacturing，VM)，網(wǎng)絡(luò)化制造(netmanufacturing，NM)等作為現(xiàn)代化企業(yè)主導(dǎo)的先進制造模式，其目的是要以最低的成本制造出顧客滿意的產(chǎn)品。在這些制造模式下如何運用有限的資源，降
2、低產(chǎn)品的生產(chǎn)成本，縮短產(chǎn)品的制造周期，保證按時交貨，提高企業(yè)信譽，贏得更多客戶，合理的調(diào)度方法與優(yōu)化技術(shù)成為制約以上目標(biāo)實現(xiàn)的關(guān)鍵因素，因而車間調(diào)度問題也越來越受到學(xué)者們的關(guān)注。遺傳算法(GeneticAlgoirthm，GA)是一類借鑒生物界自然選擇和自然遺傳機制的隨機搜索算法，因其對優(yōu)化模型的依耐性不強、求解問題的簡單性和魯棒性等特點被廣泛應(yīng)用于制造業(yè)的各個領(lǐng)域。本文在對遺傳算法進行改進的基礎(chǔ)上，圍繞混合車間的調(diào)度問題進行了研究。本文主要作了如下工作：文章回顧和總結(jié)了車間生產(chǎn)調(diào)度問題發(fā)展的概況，以遺傳算法為線索，以
3、制造系統(tǒng)調(diào)度問題及其相關(guān)問題為背景，闡述了遺傳算法調(diào)度問題及其相關(guān)問題的數(shù)學(xué)模型：首先針對JIT作業(yè)車間多種工藝路線的工件調(diào)度問題，考慮到生產(chǎn)過程中受許多因素的影響，采用多目標(biāo)分層協(xié)調(diào)策略，建立了柔性多目標(biāo)函數(shù)模型，在混合遺傳算法與拉格朗日松弛算法結(jié)合的基礎(chǔ)上，提出一種混合改進算法，利用遺傳算法更新拉格朗日乘子得到問題的最優(yōu)解，仿真實例驗證了該模型與求解方法是現(xiàn)實可行的；其次針對具有多種工藝路線的混合柔性流水車間最小完工時間問題，結(jié)合生產(chǎn)工藝計劃與車間調(diào)度系統(tǒng)的集成原理，建立了目標(biāo)模型，通過將簡單遺傳算法加以改進，對算
4、法進行研究，把改進后的遺傳算法(SGA)和模擬退火算法(SA)有機結(jié)合，優(yōu)化了算法的融合機制和互補結(jié)構(gòu)，形成了較為高效的混合優(yōu)化算法，使問題得到求解，給出具體算例，驗證算法的有效性和先進性。另外結(jié)合面向?qū)ο蟮姆椒?，基于組件和線程技術(shù)，設(shè)計了一個應(yīng)用于實際生產(chǎn)的優(yōu)化調(diào)度系統(tǒng)模塊，介紹了調(diào)度系統(tǒng)基于多層次B／S結(jié)構(gòu)的系統(tǒng)結(jié)構(gòu)，并對系統(tǒng)的業(yè)務(wù)邏輯作了詳細(xì)闡述，說明了生產(chǎn)調(diào)度管理系統(tǒng)的數(shù)據(jù)庫開發(fā)過程：本文最后對下一步基于改進遺傳算法的混合車間生產(chǎn)調(diào)度問題將要進行的工作進行了展望。關(guān)鍵詞：柔性：車間調(diào)度：JIT：遺傳算法：模擬退
5、火Abstractconcurrentengineering，agilenetwork-basedmanufacturingasamanufacturing，Virtualmanufacturing，modernbusinesssuchasadvancedmanufacturingmodel，theaimistoproducethe10westcostproductofcustomersatlstactlon．Inthesemanufacturingmodelofhowtouseourlim“edresources．1
6、0werproductioncosts，reducethemanufacturingcycletoensureon．timedelivery，improVecredibility，winmorecustomers，areasonablemethodofschedulingconstraintsandoptimizationtechnologytoachievetheseobiectiveskeyfactors，whichshopschedulingproblemsaremoreandmoreattentionbvsch
7、olars．GeneticAlgorithm(GeneticAlgoirthm，GA)isakindoflearnfrombiologicalnaturalselectionandnaturalgeneticmechanismsofrandomsearchalgorithm，whichaccordingtotheoptimizationmodelofpatienceisnotstrong，tosolvetheproblemofsimplicityandrobustnessofthecharacteristicsofwi
8、delvusedinallareaso士manu士acturlng．Inthispaper，geneticalgorithmonthebasisoflmproVementsaroundtheissueofmixedshopschedulingisstudied．Inthispaper，thefollowingwork：Theart
