基于多目標混合進化算法的流水車間調(diào)度問題的研究

《基于多目標混合進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，更多相關內(nèi)容在學術論文-天天文庫。

1、．、．．，＇．、‘－‘．－Ｌ＇、＇＇、、‘．；：－Ｖ，．‘字於，：嚴奇－＇、巧．：ｘ、１ｖ．片’，義Ｖ、酌ｂ公’．４－這為讀；學校代碼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ＶＶ?。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

2、碩擊學佐冷文麵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、基于多目標漏合進化算法的流水難車間調(diào)度問題的研巧ｌｉｌ’、．．．Ｖ等，—＇．給心說：作者姓名盧佳明指導教師張紅梅教授張聞強副教授學科ｎ類王學：—，於；遞：Ｉ攀遞：，，贈Ｖ；：學科專業(yè)計算機科學與技術．駕巧寶轉轉＇苦叫屯：：新苗；＾培養(yǎng)單位信息科學與工程學院；‘．．■－二：心公、二＾．１：ｒ：＇罷護評摔節(jié)，：‘二’、—二－趙爲賽苦礦＇完成口時間—ｉ

3、學巧１兀獻Ｕ〇六年一Ｈ＼辭誤了Ｕ／、牛月；媒去：＇Ｖ館荀節(jié)、稱說遂擴黎短簾請＾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，已被應用于很多生產(chǎn)領域?，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，因此，研究多目標的流水車間調(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混合進化算法。混合算法吸收了矢量評價遺傳算法(V

5、EGA)的優(yōu)點，彌補了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支配與被支配關系的適應度函數(shù)的采樣策略彌補了VEGA的這一缺陷?；旌纤惴ㄈ诤狭诉@兩種采樣機制，使得算法能夠快速平穩(wěn)的向Pareto前沿區(qū)域收斂。本文首先將多目標混合進化算法在著名的基準測試問題上進行了測試；接著針對于最大完工時間和總流程時間的雙目標流水車間調(diào)度問題進行數(shù)學建模，在關于流水車間調(diào)度問題的Taillard測試集上進行了仿真實驗；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，將多目標混合進化算法進行了改進，在算法中加入了一種多目標局部搜索策略，提升了混合算法的收斂性以及分布性能。對于基準問題的測試結果顯示，相比較于NSGA-II和SPEA2，本文所提出的多目標混合進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果可知，多目標混合進化算法比NSGA-II和SPEA2更適合求解多目標的流水車間調(diào)度問題。改進算法和原混合算法的數(shù)值比對結果顯示，在處理以最大完工時間和最大拖期為目標的流水車間調(diào)度問題時，多目標局部搜索進一步提高了混合進化算法的性能。多目標混合進化算法無論是求解基準測試問題還

7、是求解多目標流水車間調(diào)度問題，在算法性能上的表現(xiàn)都要優(yōu)于NSGA-II和SPEA2，在算法改進的嘗試上也取得了很好的效果。關鍵字：流水車間調(diào)度；混合進化算法；采樣策略；矢量評價遺傳算法；多目標優(yōu)化IAbstractJob-shopSchedulingProblemlocatinginthecorepositioninmanufacturingsystemisanimportantpartintheproductionma