資源描述：
《基于多目標(biāo)混合進(jìn)化算法的流水車間調(diào)度問題的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、．、．．，＇．、‘－‘．－Ｌ＇、＇＇、、‘．；：－Ｖ，．‘字於，：嚴(yán)奇－＇、巧．：ｘ、１ｖ．片’，義Ｖ、酌ｂ公’．４－這為讀；學(xué)校代碼１Ｍ座．＇－巧’．玉＇＇琴．＇＾抗，：Ｙ；密級凸，‘＂’非ｒ占０．．－，．一占葉－ＬＶ：二、＞，＇－，—Ｌ．、．＇；、＾Ｖ，二－辟如命，：＊－、，＇、？＊ｒ＇，．言氣ＶＶ?。寒a(chǎn)＾．．．．延讓觀耀巧＾．一－＇點運：巧巧公如韓Ｖ＇－＇冰Ａ又＃ｉＳ觀變?nèi)A占河巧，求＞矣遂譯￥雜臟鑛‘。．．－、＾、？＾．；－、＿一一，＾．二＊７＇、，巧－、導(dǎo)
2、碩擊學(xué)佐冷文麵ｎｉｌ?。崳姟K省技．：’ｒ■．＾＞給＼１；Ｕ？玉，、Ｔ：巧、；＇？＾－－占、乾：二：技丟，１＾＇＇識＇非替巧Ｉ：己；ｔ南艱與、基于多目標(biāo)漏合進(jìn)化算法的流水難車間調(diào)度問題的研巧ｌｉｌ’、．．．Ｖ等，—＇．給心說：作者姓名盧佳明指導(dǎo)教師張紅梅教授張聞強(qiáng)副教授學(xué)科ｎ類王學(xué)：—，於；遞：Ｉ攀遞：，，贈Ｖ；：學(xué)科專業(yè)計算機(jī)科學(xué)與技術(shù)．駕巧寶轉(zhuǎn)轉(zhuǎn)＇苦叫屯：：新苗；＾培養(yǎng)單位信息科學(xué)與工程學(xué)院；‘．．■－二：心公、二＾．１：ｒ：＇罷護(hù)評摔節(jié)，：‘二’、—二－趙爲(wèi)賽苦礦＇完成口時間—ｉ
3、學(xué)巧１兀獻(xiàn)Ｕ〇六年一Ｈ＼辭誤了Ｕ／、牛月；媒去：＇Ｖ館荀節(jié)、稱說遂擴(kuò)黎短簾請＾１‘．Ｖ－立、辦刊項Ｍ謀ｉ讀裳＇ｌｌ攀禪－ｔ；‘皆．ｒ：巧：；許終垣茲；諭巧扣，，；！繳＆別；纖投義叛StudyonMulti-ObjectiveHybridEvolutionaryAlgorithmforFlowShopSchedulingProblemADissertationSubmittedfortheDegreeofMasterCandidate:LuJiamingSupervisor:Prof.ZhangHongmei,Asso.Prof.ZhangWenqia
4、ngCollegeofInformationScienceandEngineeringHenanUniversityofTechnology,Zhengzhou,China摘要車間調(diào)度問題是生產(chǎn)管理的主要環(huán)節(jié)，處于制造系統(tǒng)中的核心地位，一直以來都是調(diào)度領(lǐng)域中研究的熱點。合理的調(diào)度方案可以迅速的提升生產(chǎn)系統(tǒng)的生產(chǎn)效率，節(jié)約生產(chǎn)成本，促進(jìn)生產(chǎn)資源的有效利用。流水車間調(diào)度是車間調(diào)度中最為常見的一類，已被應(yīng)用于很多生產(chǎn)領(lǐng)域?，F(xiàn)實生產(chǎn)優(yōu)化過程中通常需要同時考慮到多個性能指標(biāo)，因此，研究多目標(biāo)的流水車間調(diào)度問題才具有更重要的現(xiàn)實意義。本文提出了一種多目標(biāo)混合進(jìn)化算法?；旌纤惴ㄎ樟耸噶吭u價遺傳算法(V
5、EGA)的優(yōu)點，彌補(bǔ)了VEGA的缺陷。VEGA獨特的采樣策略使VEGA擁有快速收斂的能力和較低的時間復(fù)雜度，然而VEGA對于Pareto前沿邊緣區(qū)域的偏好造成了分布性能上的缺失。本文采用了一種基于新的Pareto支配與被支配關(guān)系的適應(yīng)度函數(shù)的采樣策略彌補(bǔ)了VEGA的這一缺陷。混合算法融合了這兩種采樣機(jī)制，使得算法能夠快速平穩(wěn)的向Pareto前沿區(qū)域收斂。本文首先將多目標(biāo)混合進(jìn)化算法在著名的基準(zhǔn)測試問題上進(jìn)行了測試；接著針對于最大完工時間和總流程時間的雙目標(biāo)流水車間調(diào)度問題進(jìn)行數(shù)學(xué)建模，在關(guān)于流水車間調(diào)度問題的Taillard測試集上進(jìn)行了仿真實驗；最后，針對最大完工時間和最大拖期的流水車間
6、調(diào)度問題，將多目標(biāo)混合進(jìn)化算法進(jìn)行了改進(jìn)，在算法中加入了一種多目標(biāo)局部搜索策略，提升了混合算法的收斂性以及分布性能。對于基準(zhǔn)問題的測試結(jié)果顯示，相比較于NSGA-II和SPEA2，本文所提出的多目標(biāo)混合進(jìn)化算法不但在收斂性和分布性方面有很大的提升，同時在算法效率方面也占有明顯的優(yōu)勢。從Taillard測試集的仿真實驗結(jié)果可知，多目標(biāo)混合進(jìn)化算法比NSGA-II和SPEA2更適合求解多目標(biāo)的流水車間調(diào)度問題。改進(jìn)算法和原混合算法的數(shù)值比對結(jié)果顯示，在處理以最大完工時間和最大拖期為目標(biāo)的流水車間調(diào)度問題時，多目標(biāo)局部搜索進(jìn)一步提高了混合進(jìn)化算法的性能。多目標(biāo)混合進(jìn)化算法無論是求解基準(zhǔn)測試問題還
7、是求解多目標(biāo)流水車間調(diào)度問題，在算法性能上的表現(xiàn)都要優(yōu)于NSGA-II和SPEA2，在算法改進(jìn)的嘗試上也取得了很好的效果。關(guān)鍵字：流水車間調(diào)度；混合進(jìn)化算法；采樣策略；矢量評價遺傳算法；多目標(biāo)優(yōu)化IAbstractJob-shopSchedulingProblemlocatinginthecorepositioninmanufacturingsystemisanimportantpartintheproductionma
