資源描述:
《智能生產(chǎn)調(diào)度方法的研究與應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、智能生產(chǎn)調(diào)度方法的研究與應(yīng)用摘要調(diào)度問題是組合優(yōu)化問題,屬于NP問題,尋找調(diào)度問題的最優(yōu)解是非常困難的,最有工程意義的求解算法是放棄尋找最優(yōu)解的目標(biāo),轉(zhuǎn)而試圖在合理、有限的時(shí)間內(nèi)尋找到一個(gè)近似的、有用的解。近幾年各種智能計(jì)算方法逐漸被引入到調(diào)度問題中,如遺傳算法、模擬退火算法、禁忌搜索算法等。遺傳算法是仿真遺傳學(xué)和自然選擇機(jī)理構(gòu)造的一種搜索算法,因其對(duì)優(yōu)化問題的弱依賴性、求解的非線性和魯棒性、隱含并行性等特點(diǎn)被廣泛應(yīng)用于當(dāng)前的各個(gè)領(lǐng)域。本文應(yīng)用遺傳算法求解生產(chǎn)調(diào)度問題,主要有以下幾個(gè)方面:1.基于遺傳算法的Job—shop調(diào)度問題Job—shop調(diào)度問題是經(jīng)典強(qiáng)NP一問
2、題,本文針對(duì)Job—shop調(diào)度問題的特殊性,對(duì)遺傳算法的編碼/解碼方式、遺傳算子的設(shè)計(jì)、目標(biāo)函數(shù)及適應(yīng)值比例變換進(jìn)行了研究,設(shè)計(jì)了一種求解Job—shop調(diào)度問題的遺傳算法,并用著名的Fisher和Thompson的基準(zhǔn)測(cè)試問題進(jìn)行仿真,然后進(jìn)一步設(shè)計(jì)了求解Job—shop調(diào)度問題的改進(jìn)遺傳算法。2.基于遺傳算法的Flow—shop調(diào)度問題Flow—shop調(diào)度問題是一類復(fù)雜且極有代表性的流水線調(diào)度問題,一般用遺傳算法可以成功求解Flow—shop問題。裝配生產(chǎn)線平衡問題一直被認(rèn)為是設(shè)施規(guī)劃問題,用“分級(jí)位置權(quán)重法”來解決,但本文認(rèn)為裝配線平衡問題更應(yīng)該是一個(gè)動(dòng)態(tài)的生
3、產(chǎn)調(diào)度問題,因此,設(shè)計(jì)了一種混合遺傳算法,有效地解決裝配生產(chǎn)線平衡問題。3.并行機(jī)調(diào)度及其遺傳算法并行機(jī)調(diào)度是實(shí)際生產(chǎn)過程中的一類典型調(diào)度問題,所有工件在各機(jī)器上的分配問題以及各機(jī)器上工件加工順序,是解決并行機(jī)調(diào)度問題的兩個(gè)本質(zhì)問題。本章首先介紹并行多機(jī)提前/拖期調(diào)度閩題,然后針對(duì)一類帶工藝約束的并行機(jī)調(diào)度問題進(jìn)行遺傳算法設(shè)計(jì),并以示例進(jìn)行仿真。在調(diào)度方法方面,遺傳算法雖然得到極為廣泛的應(yīng)用,但它的弊端也是顯而易見的,進(jìn)一步提高算法的收斂速度和精度仍是未來很長(zhǎng)一段時(shí)間內(nèi)的研究主題。各種各樣的改進(jìn)算法(自適應(yīng)GA,模擬退火GA,并行GA,正交GA等等)只能在一個(gè)方面取得令
4、人滿意的效果,如何既能提高進(jìn)化速度,又可提高抗早熟能力亦是人們一直期待解決的問題。關(guān)鍵詞:生產(chǎn)調(diào)度,遺傳算法,F(xiàn)low—shop調(diào)度,Job—shop調(diào)度,并行機(jī)調(diào)度AppUcatioⅡandR電searchofSchedulingProduc60nw“hIntemgentAppmachAbstllctSchedu王i119approachisakindofp嘶foliooptimiza_tionswllichbelongt0NPcatego阱Itisdimculttofindthebestreslllttotheschedlll.mgpmblem.W色should仃y
5、tofindan印prox婦a童eanduSefijlreslI王tmaIeaSonabie鋤dl由jtedtilIIein啦adof6nding也ebcstone,wllichisthebesta190rithln、vitIlmostengmeeringsi鰣fic趿ce.Fofrecentyeafs,vario岫i11tell追entaJgorithmshavebeenin蛐ccdtoⅡlefieldofsche叫ingproblems,guchasGeneticAl昏ori_thm,SimulatedAnnealiIIgAlgoritllm,ThbooSearch
6、AlgoritllmaIldSOOn.GeneticA190rithnl,combiningsi州atinggenetics趾d血eoryofnan讎’selectingconsm烈ion,isakindofSearchAlgorithrns.Becau∞itrarelydeperudentonmeoptimizingproblcms紐discharact叫sticofnon,line撕劬robus協(xié)essandimplicitp刪1elism,itis、Ⅳidcly印pliedtorel撕vcfields.Basedontlleapplicationof(把netic
7、Algorimmtoprodu如gschedule,也epapcrelab∞酞esthreepointsasfolloⅥdng:1.Job-shopschedulingpmblem(JSSP)basedonGeneticAlgo州11InJSSPisat,micalNP.problem.AimedatⅡlepamcularitiesofJSSP,tllep印erstudiesmecode/decodeapproachtoGcneticAlgorithnl,medesi口ofgeneticoperatorsandmechaIlgeofobi