基于粒子群算法的動態(tài)車間調(diào)度問題研究

《基于粒子群算法的動態(tài)車間調(diào)度問題研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、東華大學碩士學位論文基于粒子群算法的動態(tài)車間調(diào)度問題研究專業(yè)名稱：控制科學與工程作者姓名：吳再新指導教師：齊潔；高尚策學校代號：10255學號：2131142基于粒子群算法的動態(tài)車間調(diào)度問題研究RESEARCHONTHEDYNAMICJOBSHOPSCHEDULINGPROBLEMBASEDONPARTICLESWARMOPTIMIZATIONALGORITHM專業(yè)：控制科學與工程姓名：吳再新指導老師：齊潔、高尚策答辯日期：2016年1月9日基于粒子群算法的動態(tài)車間調(diào)度問題研究基于粒子群算法的動態(tài)車間調(diào)度問題研究摘要作業(yè)車間生產(chǎn)調(diào)度是影響制造企業(yè)生產(chǎn)效率的關鍵因素，一個良好的生產(chǎn)

2、調(diào)度系統(tǒng)，能降低企業(yè)的生產(chǎn)成本，提高企業(yè)的生產(chǎn)效率，是一個制造企業(yè)在激烈的競爭中立于不敗之地的關鍵所在，因而近年來，越來越多的國內(nèi)外學者參與到這個問題的研究當中。作業(yè)車間調(diào)度問題（Job-ShopSchedulingProblem，JSP）是由普通的生產(chǎn)調(diào)度問題經(jīng)過一系列約束條件的限制演化而來的典型的組合優(yōu)化問題。對于車間調(diào)度問題的求解，現(xiàn)在主要以人工智能算法為主，而單一的算法也很難以求得問題的最優(yōu)解，利用混合進化算法對車間調(diào)度問題進行求解是目前研究的熱點。粒子群算法是應用最為廣泛的群體尋優(yōu)算法之一，它具有操作簡單，收斂速度快等諸多優(yōu)點，被廣泛應用于解決組合優(yōu)化問題。本文針對粒子群算法的改

3、進及其在車間調(diào)度中的應用進行研究，研究的主要內(nèi)容包括如下的幾個方面：首先，介紹了車間調(diào)度問題的發(fā)展，國內(nèi)外學者在此問題方面的一些研究方法和研究成果，以及仍然存在的問題；詳細闡述了粒子群算法的基本原理及在車間調(diào)度問題中的應用。其次，根據(jù)粒子群算法和車間調(diào)度問題的特點，對粒子群算法進I基于粒子群算法的動態(tài)車間調(diào)度問題研究行了改進，把遺傳算法（GA）的交叉操作用于種群的更新，形成了離散的粒子群算法（DPSO）；并對DPSO算法進行了改進，引入局部搜索算法，使得算法可以在局部范圍內(nèi)實現(xiàn)精確搜索，增加額外的信息參考點，提高了算法在全局范圍內(nèi)搜索最優(yōu)解的概率，形成了混合的粒子群算法（GSPSO）。再次

4、，把GSPSO算法用于求解作業(yè)車間靜態(tài)調(diào)度問題。采用車間調(diào)度問題標準算例對混合粒子群算法的收斂速度進行了驗證，與其他算法進行比較，證明了算法具有較好的收斂速度。并把混合算法用于解決其他一些車間調(diào)度問題，仿真結果表明該算法在求解車間調(diào)度問題上與其他類似算法相比具有一定競爭力。最后，對動態(tài)車間調(diào)度問題進行了研究，采用滾動窗口技術和基于事件驅動的調(diào)度策略，考慮實際生產(chǎn)環(huán)境中新增緊急訂單、訂單取消與機器故障等常見動態(tài)事件發(fā)生的情況，并對其進行具體的分析；利用GSPSO算法對其進行仿真實驗，把仿真結果與混合蟻群算法進行比較，結果表明GSPSO算法能很好的處理調(diào)度過程中發(fā)生的動態(tài)事件。關鍵詞：粒子群算

5、法遺傳算法動態(tài)車間調(diào)度事件驅動策略II基于粒子群算法的動態(tài)車間調(diào)度問題研究RESEARCHONTHEDYNAMICJOBSHOPSCHEDULINGPROBLEMBASEDONPARTICLESWARMOPTIMIZATIONALGORITHMABSTRACTJobshopschedulingisanimportantfactortoeffecttheefficiencyinamanufacturingenterprise.Agoodproductionschedulingsystemcanreducethecostandimprovetheefficiency,it’sthecoreco

6、mpetitivenessofenterprise.Somoreandmorescholarsareinvolvedinthestudyofthisprobleminrecentyears.TheJobShopSchedulingProblem(JSP)isatypicalcombinatorialoptimization,whichisevolvedfromaseriesoftheproductionschedulingproblem.TheArtificialIntelligencealgorithmisthemainlywaytosolvethejobshopschedulingpr

7、oblem,althoughasinglealgorithmisdifficulttogetthebestsolution.Inrecentyears,usinghybridalgorithmtosolvethejobshopschedulingproblembecomesahotterm.Particleswarmoptimizationalgorithm(PSO)isoneofthemostwidelyusedalg