学位论文 > 优秀研究生学位论文题录展示

基于异步智能算法的生产调度问题的研究

作　者: 王雪
导　师: 郭丙君
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: Flow Shop调度问题异步进化策略粒子群算法蛙跳算法遗传算法不确定性
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 52次
引　用: 0次
阅　读: 论文下载

内容摘要

生产调度在计算机集成制造系统中是连接管理层与监控层的枢纽,它通过传递决策层的经营管理决策,向监督控制层下达指令,以保证企业生产有条不紊的进行,是流程工业中能否成功实施CIMS的关键。调度问题与企业的利益最大化是紧密相关的,对于我国现代化生产制造过程的发展起着至关重要的作用,其中Flow Shop调度问题是一个非常典型的生产调度问题。本文通过引入异步进化策略设计与改进现存的智能优化算法用于解决Flow Shop调度问题。根据大量的实验结果证明,异步智能算法对于解决生产调度问题是非常有效的。对于以总流程时间为目标的置换Flow Shop问题,提出一种改进的粒子群算法。该算法通过引入最小位置值(SPV)规则,把粒子的各位置分量按照由小到大排序,将粒子位置映射到置换Flow Shop问题的解空间。同时采用变邻域局部搜索机制对父代个体执行不同代数的搜索以实现异步行为来增加种群的多样性,从而获得更快的收敛速度及更好的解。仿真结果表明了该算法的有效性。对于以Makespan为目标函数的置换Flow Shop调度问题,在改进蛙跳算法NSFLA的基础上,结合异步的理念,提出了一种全新的算法异步蛙跳算法(ASFLA)用于解决置换Flow Shop调度问题。ASFLA全局通过采用洗牌策略加强全局信息交换,局部搜索则采用异步概念增强种群的多样性。仿真实验表明蛙跳算法经过异步化之后求解性能显著提高。对于一类加工时间不确定的以总流程时间为目标的置换Flow Shop调度问题,应用模糊数学的方法来表示加工时间的不确定性,采用一种改进的智能算法异步遗传局部搜索算法(AGLA)。该算法的一个初始解是由构造型启发式算法产生,其他则是随机产生,然后通过引入变邻域搜索机制和简单交叉算子,对种群执行异步进化操作,算法最后加入重启策略防止陷入局部极小。仿真实验结果验证了AGLA解决模糊Flow Shop问题的有效性。

基于异步智能算法的生产调度问题的研究

内容摘要

全文目录

相似论文