一、用GA算法解不确定条件下Job Shop的提前/拖期调度问题(论文文献综述)
赵颖珍[1](2021)在《硅单晶生产过程优化调度研究》文中研究指明硅单晶生产具有工艺复杂、工序多、周期长、能耗高等特点,在规模化硅单晶生产过程中,如何在保证生产安全的同时,提高工厂生产效率、缩短生产周期、降低生产成本成为企业最为关注的问题。因此,针对上述问题,本文同时考虑多个约束条件,对硅单晶生产过程进行优化调度研究。主要的工作内容如下:(1)通过了解硅单晶生长的工艺流程以及硅单晶生产的特点,明确硅单晶生产调度类型,并对目前现有的调度方法以及研究成果进行了综述。(2)为在保证工厂安全生产的前提下,提高硅单晶生产效率,本文考虑工厂允许的最大电力负荷约束,建立了以最小化最大完工时间为目标的硅单晶生产过程调度模型,并采用了 GPSO算法进行求解。在该算法中,个体进行交叉操作和变异操作以提高算法的全局搜索能力,并跟随全局最优粒子以及个体最优粒子以加快算法的收敛速度。通过对不同规模调度问题进行实例仿真,并与GA算法以及PSO算法的优化结果进行比较,表明该算法在求解大规模问题时均优于GA算法以及PSO算法。最后给出了任务的调度方案。(3)为在保证硅单晶生产效率的同时,给工厂的变压器容量选择提供一定的依据,本文建立了以最小化最大完工时间以及最小化最大电力负荷为目标的硅单晶生产过程调度模型,然后提出了一种加扰动的非支配排序改进粒子群算法(RDNSGPSO)。该算法将NSGA-Ⅱ算法和GPSO算法相结合,通过快速非支配准则来评价粒子的优劣,采用GPSO更新策略对粒子进行更新,并选择距离个体最近的Pareto前沿粒子作为扰动粒子以改善种群的多样性。最后通过标准函数测试以及实例仿真,并与NSGA-Ⅱ算法、NSPSO算法以及非支配排序改进粒子群算法(NSGPSO)的求解结果进行了比较,表明该算法的有效性与优越性。(4)为在保证工厂安全生产的前提下,降低生产成本,本文结合分时电价政策,考虑了工厂允许的最大电力负荷约束,建立了以最小化拖期/提前成本以及最小化能耗成本为目标的硅单晶生产过程调度模型,采用基于实数编码策略的RDNSGPSO算法进行求解,以降低算法的复杂度和运行时间。除此之外,为提高算法的全局搜索能力,对实数编码的参数进行了调整。最后通过实例仿真,与不采用分时电价的结果进行比较,表明本文所提出的模型能够合理地调整和转移工序,达到降低能耗成本的目的,对实际生产具有一定的指导作用。
孙靖贺[2](2021)在《基于进化算法的带运输调整时间柔性作业车间调度问题研究》文中认为柔性作业车间调度问题(Flexible Job Shop Scheduling Problem,FJSP)是一类重要的组合优化问题,符合现代离散制造系统的生产模式。经典FJSP仅考虑了工件在机床上加工消耗相应加工时间的情况,但实际生产过程中,工件搬运、机床换模、更换刀具等辅助活动也会消耗大量的运输时间和调整时间,严重影响生产周期。忽略辅助时间因素会大大降低调度方案的准时性和可行性,因此本文研究了同时考虑运输时间和调整时间的柔性作业车间调度问题(FJSP with Transportation and Setup Times,FJSP_T/S),从理论研究到实际应用对FJSP_T/S进行深入探索。本文主要内容概括如下:(1)单目标FJSP_T/S研究。针对单目标FJSP_T/S,本文建立了混合整数规划模型,包含问题的决策变量、目标函数和约束,并根据模型中工序有多台可选加工机器的特点,设计了一种改变关键工序加工机器的机器邻域结构辅助算法求解。对于建立的模型,本文提出了一种改进文化基因算法,其中局部搜索算子采用混合模拟退火框架,并使用机器邻域结构扰动搜索邻域解。最后对28个基准实例进行多次实验,其中改进文化基因算法在21个实例上优于对比算法,结果验证了该算法在解决单目标FJSP_T/S上的有效性。(2)多目标FJSP_T/S研究。本文建立了一种网络图模型用于描述多目标FJSP_T/S的调度方案。根据模型约束关系推导出了可行插入定理,并设计出一种包含4种移动类型的插入式邻域结构用于不同的优化目标。在求解方面,本文提出了一种混合多目标进化算法来平衡算法的深度和广度。该算法通过采用插入式邻域结构的禁忌搜索算子来提升局部搜索精度,并使用基于参考点的非支配排序选择算子来引导种群向Pareto最优前沿方向搜索并保持种群的多样性。通过28个基准实例的分组实验,对比分析了局部算子效果和整体算法性能,结果表明提出算法在解决多目标FJSP_T/S上是有效的。(3)车间生产调度软件原型系统开发。结合上述研究成果,本文通过Matlab设计开发了带运输调整时间因素的车间调度软件的原型系统。该软件包含图形用户界面,能够方便快捷地导入待加工工件、订单交货期等信息,从而快速有效地制定详细生产计划。为制造企业实现排产自动化、智能化提供一定的技术参考与启发。
孙晶华[3](2020)在《基于混合量子算法的生产车间干扰管理问题应用研究》文中研究指明车间作业调度问题是典型的多目标组合优化问题,具有高计算复杂性和广泛的实用前景。在生产加工企业实际生产中,由于加工需求和客户需求不同等干扰事件,预期生产调度方案可能发生改变。工件加工优先级变动、加工机器发生故障等事件发生可能导致加工时间和成本增加,企业和客户满意度降低。如何降低不确定干扰事件的负面影响已成为生产领域研究的热点和亟需解决的问题。柔性作业车间调度问题是在传统作业车间调度问题的基础上摆脱了机器条件的约束,为干扰管理理论的应用奠定了基础。现有柔性作业车间调度生产方案中,常忽视急件到达干扰、加工优先级改变以及机器发生故障等事件引起的恶化效应。干扰事件发生时,由于柔性作业车间调度问题具有高计算复杂性和多目标优化的特点,传统生产调度方案很难顾及多个客户的利益需求,从而不易快速有效地生成应对干扰事件扰动的生产调度方案。本文在前景理论基础上针对干扰事件的特点,分别对考虑行为主体因素、机器故障因素以及急件插单因素等干扰问题进行了研究和分析。结合量子优化算法,对不同扰动问题的相应解决策略进行设计与探讨,通过仿真实验和实例来验证提出干扰策略的有效性、稳定性和可行性,同时选取Z汽车公司铆焊车间物料配送进行调度研究,为实际生产作业车间调度提供了有力的理论支撑和实践证明。本文主要研究内容包括:(1)多目标柔性作业车间调度干扰管理问题研究。针对生产加工过程中受到干扰事件影响导致需要变更初始调度方法的问题,结合前景理论使用一种考虑客户、企业管理者和车间工人三类行为主体对扰动感知程度的扰动度量方法,建立了同时考虑原始目标和扰动目标的多目标干扰管理模型,设计了一种改进的字典序多目标规划方法以更好地解决基于干扰管理的多目标车间调度问题。最后,结合自适应调整旋转角的量子遗传算法来求解该模型。(2)基于前景理论的机器故障干扰管理研究。在作业车间实际生产过程中会遇到机器故障、工人离岗和紧急插单等干扰事件,这些随机、动态的事件可能导致初始调度方案受到影响。本文在生产调度干扰管理中,将前景理论加入对干扰事件因素的分析,结合行为运筹学解决生产调度干扰管理问题。讨论了基于右移、局部和全局三种重调度策略,提出并实现结合运筹学理论的相应调度方法。采用改进的量子细菌觅食算法对16种重调度情景的4项响应指标进行模拟测试和分析,比较了相同情景下不同调度策略的指标值。(3)基于累积前景理论的急件到达干扰管理研究。对急件到达的的车间调度问题进行分析研究,结合累积前景理论,从成本偏离、路径偏离和累积前景值三个方面进行扰动度量,建立了以最小化急件插单完工时间、车间物流总时间和最大化序位相似性为目标的急件到达车间调度干扰管理模型。设计了一种改进遗传模拟退火算法求解该模型。最后,从生产车间物料配送的角度,以物料配送过程出现的急件到达干扰为研究对象,选取Z汽车公司铆焊车间物料配送调度进行研究,验证了本文提出的干扰策略和算法的有效性。
谷晓琳[4](2020)在《基于改进遗传算法的柔性作业车间调度问题的应用研究》文中认为制造业的发展水平反映了国家的生产力水平,生产车间调度是制造系统的基础,生产调度的优化是先进制造企业和现代制造技术的核心,是实现企业的生产高效率和高可靠性的关键技术。有效的车间调度方法和优化技术,对于制造类企业实现现代化具有重要的理论和实际意义。文中对各类柔性作业车间问题(Flexible Job-shop Scheduling Problem,FJSP)进行研究和探索,结合遗传算法和粒子群优化算法,对其进行改进和融合。共设计了三个优化算法,并开发了一个柔性作业车间调度问题的原型系统,为实际生产车间的调度问题提供理论指导和技术支持。针对单目标柔性作业车间调度问题,提出改进的变邻域搜索的分层遗传算法,求解总完工时间。在算法中,染色体采用双层编码结构,采用混合方法生成初始种群;将初始种群划分为N个子种群,在每个子种群中进行改进的遗传操作,将得到的寻优结果存储在精英库中,防止最优解的丢失;在精英库中采用自适应变邻域搜索,共设计了三种不同的邻域结构,迭代过程中自适应的选择优化效果好的邻域进行下一次的搜索,促进了邻域间的竞争,使具有更优秀搜索效果的邻域方法拥有更高概率用于算法的优化。针对多目标柔性作业车间调度问题,提出改进的遗传退火算法,将总完工时间、关键机器负荷和机器总负荷三个目标采用加权和的方法,将多目标问题转换为单目标问题。算法中,交叉过程采用改进的多父代工序交叉方法,多父代生成多子代,实现了基因的重组,加快了算法的收敛速度;在交叉和变异过程中及时更新最优个体库;对变异后的最优个体库进行模拟退火操作,通过退火机制进行细化搜索,避免了遗传算法陷入局部最优。充分利用模拟退火算法与遗传算法的优点,增强了遗传算法的局部搜索能力,提高了算法的效率。针对多目标柔性作业车间调度问题,其求解总完工时间、关键机器负荷和机器总负荷三个目标的Pareto最优解,提出自适应惯性权重的离散粒子群算法。算法在进化过程中应用离散粒子群算法直接在离散域内求解下一代染色体的值,位置的更新用的是遗传算法中的交叉和变异操作;并提出了一种自适应惯性权重的方法,根据粒子当前位置与全局最优位置的距离来调整惯性权重,有效平衡了算法的全局搜索和局部搜索能力。开发针对柔性作业车间调度问题的原型系统,用于对提出的优化算法进行仿真和研究,并给出优化结果。原型系统中可以对实际的车间问题和五组国际标准算例(5个Kacem问题,10个BRdata问题,21个BCdata问题,18个DPdata问题和66个HUdata问题)进行仿真实验,对得到的仿真结果进行测试和分析,仿真结果验证了文中提出的三个优化算法是可行且有效的。最后,对全文的研究内容和创新点进行了归纳和总结,并对今后的研究方向进行了展望。
朱丹丹[5](2020)在《急诊患者扰动医疗服务重调度问题的研究》文中研究表明随着社会经济发展、生活水平的提高,以及对预防性医疗愈加重视,人们对医疗服务水平要求不断提高,医疗支出和医疗服务需求不断增长,医院在提高运营效率方面面临着持续的挑战,医疗卫生作为重要的民生工程,也关系着社会的稳定。先进的医疗服务调度技术是医院提高服务能力和竞争力的重要因素之一。在医疗服务调度实践中经常发生的情况是,意外状况的发生导致事先安排好的患者就诊时间及顺序被打断,进而需要重新安排,常见的扰动事件包括:患者临时到来、急症患者的到来、患者爽约、患者迟到、患者取消预约、医疗设备故障、医生迟到、以及病床、医护人员不足等。鉴于医疗服务调度现实中的扰动事件特点及其理论研究现状,本文围绕医疗服务调度中计划外急诊病人这一扰动事件,在急诊病人到达后对包括计划内常规病人(原始病人)和计划外急诊病人在内的所有病人的就诊顺序、及医疗资源重调度问题展开研究。主要考虑两种医疗环境:多患者共用单台CT诊断的医疗服务调度环境和多患者多种医疗设备的健康体检医疗服务调度环境;扰动准则包括原始病人在重调度与初始调度中的就诊序位扰动量约束及诊断完成时间扰动量约束,用来衡量扰动对原始病人的就诊满意度;在急诊病人扰动单机重调度问题研究的基础上又将医疗设备等医疗资源的准备/设置时间考虑进来,做进一步的研究。本文主要研究内容如下:第一,研究了急诊患者扰动单CT诊断服务重调度问题。该问题假设在某一时段所有患者共用单台CT诊断服务环境下,急诊病人到达时初始调度已经制定完成但还未执行,对包括急诊患者和原始患者在内的所有患者在该CT设备上就诊顺序进行重新排序,在满足急诊患者相对紧迫性需求的同时尽量减少对初始调度的扰动。具体讨论研究了以原始病人的最大就诊位序扰动限制、总就诊序位扰动限制、最大诊断完成时间扰动限制和总诊断完成时间扰动限制为约束条件,以原始病人的延迟惩罚和诊断完成时间等调度成本最小化为目标的重调度问题,包括:以最小化最大延迟惩罚为优化目标的急诊患者扰动重调度问题(U-RLMT)、以最小化总诊断完成时间为优化目标的急诊患者扰动重调度问题(U-RLTC)、以最小化最大延迟惩罚与扰动成本为混合优化目标的急诊患者扰动重调度问题(U-RHTD)、以最小化总诊断完成时间与扰动成本为混合优化目标的急诊患者扰动重调度问题(U-RHCD)。对这四种优化目标问题分别在上述扰动约束下对问题构建了数学模型、设计了求解算法并分析给出了算法的时间复杂度。第二,研究了考虑设置时间的急诊患者扰动单CT诊断服务重调度问题。该部分在第一部分研究的基础上将医疗设备等医疗资源的设置时间考虑进来做进一步的研究。从患者满意度出发,扰动优化目标分别考虑了原始患者在重调度相对于初始调度中的最大就诊序位变化量扰动、诊断完成时间最大绝对变化量、诊断完成时间绝对变化量之和;从医疗设备的使用效率出发,原始患者的初始调度以最小化设置时间为目标,急诊患者到达后的重调度必须保证扰动成本与总调度的设置时间总和最小化。根据设置时间类型及扰动标准,研究该问题的五个变体问题:(1)以原始患者最大就诊序位变化量最小化及以所有患者最大完成时间最小化为双优化目标且设置时间是族独立、序列无关的急诊患者扰动重调度问题;(2)以原始患者诊断完成时间最大绝对变化量的最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间族独立、序列无关的急诊患者扰动重调度问题;(3)以原始患者最大就诊序位变化量的最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间是族依赖、序列无关的急诊患者扰动重调度问题;(4)以原始患者诊断完成时间最大绝对变化量的最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间是族依赖、序列无关的急诊患者扰动重调度问题;(5)以原始患者诊断完成时间绝对变化量之和最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间是族依赖、序列无关的急诊患者扰动重调度问题。对这五类问题设计提出了能够求出严格帕累托最优解的多项式时间复杂度算法。第三,研究了考虑设置时间的急诊患者扰动健康体检医疗服务重调度问题。该部分考虑了多患者需要在多台医疗设备进行检测的健康体检诊断网络环境下,在有急诊患者扰动的情况下,研究了具有序列相关设置时间的急诊患者扰动的重调度问题(UDHERP-SDS)。假设每个医疗设备对一个患者的设置时间的长短是序列相关的;考虑原始患者在重调度与初始调度中就诊序位扰动量存在给定上限的约束;以所有患者总诊断完成时间和设备的设置时间最小化为优化目标;建立了以健康体检的医院诊断设备网络重调度问题的数学模型;结合问题的特点,设计提出一种混合遗传-模拟退火算法,并通过仿真数据实例的计算对模型和算法进行了验证。
王镇[6](2020)在《钢箱梁小节段生产调度优化模型及算法研究》文中提出随着重大工程工厂化建造模式的推广,预制化工厂的生产调度成为保障重大工程现场装配和建造的关键问题。当前,钢箱梁桥梁的建造便广泛采取了此模式,在离场的预制化工厂内生产钢箱梁小节段,并将小节段拼装成钢箱梁大节段,再运送至工程现场进行吊装。钢箱梁小节段生产具有批次生产的特征,在进行生产调度决策时,一方面,需要考虑多胎架容量及尺寸限制、小节段交付期及尺寸限制;另一方面,需要考虑与调度方案相互耦合的加工时长和成品存储时间带来的成本。根据实地调研发现,现场堆积着大量的小节段,而且目前关于预制化工厂内小节段生产调度的研究中,并没有将准时化交付与批次生产、交付结合起来考虑,存在着一定的局限性。本文研究了钢箱梁小节段的批次生产调度问题。首先,构建了钢箱梁小节段生产调度数学模型,在模型中充分考虑小节段批次生产、准时交付的特征,以及多胎架、胎架长度、尺寸限制等约束条件,并以最小化钢箱梁小节段的存储/拖期惩罚成本为目标函数。第二,提出了基本变邻域搜索算法(BVNS),多机批次调度问题为NP-hard问题,精确求解法在问题规模较大时会显得力不从心,故对变邻域搜索算法进行改进,提出了一种新的启发式方法——基本变邻域搜索算法。算法中主要包含三大内容,分别为:算法基本内容的搭建如编码规则、初始解生成等,shaking准则以及邻域结构的合理设计,shaking准则扩大了解的搜索范围,避免陷入局部最优的情况,并通过邻域结构和局部搜索提高了解的精确度。第三,基于港珠澳大桥建设时钢箱梁小节段的需求数据资料设计算例,验证了本文提出的基本变邻域搜索算法,对于实验结果,分别从小节段的批次构成、批次分配和胎架上批次的加工顺序三方面进行分析,说明了算法在求解该问题上的有效性和可行性。本文在现有研究的基础上,提出了一个新的多机批次调度问题,将批次生产和准时化交付综合考虑,并构建了小节段批次生产调度数学模型,设计了一种启发式算法对问题进行求解,为该类问题的求解提供了一种新的解决思路和方法。
刘苑婷[7](2020)在《工件具有入树优先约束的作业车间调度算法》文中认为如今,企业在市场中得以生存和发展的核心竞争力向产品多样性和个性化转变,为了提升企业经济效益,制造系统的调度问题备受关注。工件具有in-tree优先约束的作业车间调度问题(Job-shop Scheduling Problem,JSP)是当前制造领域常见的调度问题,普遍存在于装配型离散制造车间和多品种小批量生产车间中。该JSP受到工件层面和工序层面的双重生产顺序约束,在实际调度中常出现在制品库存过高的问题,是比经典JSP更为复杂的NP-hard问题。本文在对JSP和优化算法进行了较为深入的理论和应用研究的基础上,为工件具有in-tree优先约束的JSP设计了有效的算法。本文主要创新点及其相关工作内容总结如下:1.本文对近70年内JSP的研究成果进行梳理和总结后发现:遗传算法应用最为广泛和可行;逆序调度可有效控制在制品库存;对工件具有in-tree优先约束的JSP以及使用逆序调度解决JSP的研究仍比较少。针对在实际生产车间中遇到的主要痛点,结合各优化算法的优缺点,本文选择设计遗传算法和逆序调度相结合的算法,以解决工件具有in-tree优先约束的JSP。2.针对降低在制品库存的调度目标,本文总结出4个合适的调度性能评价指标。3.工件具有in-tree优先约束的JSP约束关系复杂,为了对工件内部和外部的生产顺序约束关系进行梳理,本文提出基于销售订单对所有工件构建树形图和分层。分层后,同一层级内的工件之间不存在生产顺序约束,将工件之间的in-tree优先约束简化为各层工件集合之间的链式优先约束。在此基础上:对工件具有in-tree优先约束的JSP进行描述,并建立数学模型;结合逆序调度的思想,构造算法框架,其核心是针对本文问题设计的in-tree-JSP逆序遗传算法。4.针对本文问题的特点,对in-tree-JSP逆序遗传算法的主要设计有:重新定义了基于工序的编码方式,并提出逆序的工序插入方法作为解码方式,以解码得到在制品库存更少和生产周期更短的调度方案;提出基于工件和基于销售订单的随机初始化方式,前者生成的初始种群具有较好的多样性和优良个体,后者生成的初始种群在最大化完工同步性上表现突出;提出基于工件的邻域搜索变异算子对染色体进行变异操作,以提高算法的局部搜索能力。最后,使用Python编程实现in-tree-JSP逆序遗传算法,应用实例进行验证。结果表明,in-tree-JSP逆序遗传算法具有良好的收敛性、可行性和有效性,缩短了原生产车间44.29%的加工等待时间,使得在制品库存降低,并达成100%按时交付率。
代洪丽[8](2019)在《不确定事件下装配式建筑部件生产调度研究》文中研究说明当前装配式建筑的推广面临着诸多挑战。例如行业政策法规不完善、市场认知不足、产品形式单一等等。其中装配式建造相较传统现浇建造方式成本较高且部件生产交付时间不能与现场部件需求时间完全吻合显得较为突出。实现部件的准时交付是推广装配式建筑的重要基础与实现建筑工业化的重要保障。因此催生了系列对部件生产企业的研究。部件生产企业作为建筑业的重要组成部分,是一种面向订单型生产的企业,对部件的生产进行优化,既可以保证部件的准时交付,又有利于降低部件生产企业生产成本。但因为部件生产与交付牵涉到施工方与生产方双方与部件的生产一次性、客户定制等特点,决定了部件生产过程中存在诸多不确定事件,并对生产过程产生干扰,致使生产无法按照原计划进行。因此通过制定合理的生产调度以应对不确定事件的影响显得尤为关键。针对以上问题,本文首先对部件生产企业的生产特点以及当前生产调度现状进行搜集与分析,对部件生产采取流水车间调度方法。在此基础上通过文献梳理归纳,明确部件生产调度的目标函数与约束条件,建立起初始生产调度模型。然后对部件生产过程中存在的不确定事件进行系统的梳理和总结,根据其是否发生在部件生产企业管控之内将其划分为外部不确定事件与内部不确定事件。针对生产中的不确定事件,本文采用重调度方法,提出基于最晚完工时间的混合驱动机制,对不同类型的不确定事件采取不同的驱动机制与不同的重调度方法;建立不确定事件下的重调度模型采用遗产算法进行求解。对外部不确定事件采取事件驱动和局部重调度方法,以部件数量增加为代表建立起设计变更下的部件生产重调度模型;对内部不确定事件则采用基于最晚完工时间的混合驱动机制和完全重调度方法,并以设备故障为代表建立了设备故障下的部件生产重调度模型。本研究为装配式建筑部件生产优化调度问题提供参考,帮助企业制定合理的生产调度方案,有利于企业在较短的时间和较低的成本下,提高生产效率,保证装配式建筑部件的准时交付从而缩短所供应项目的生产周期。
王旭[9](2019)在《S公司柔性流水车间调度优化研究》文中研究说明近几年来制造业市场竞争压力越来越大,客户的需求越来越趋向于多样化,为了能够在市场中站住脚,制造公司已经开始转变生产模式,纷纷使用面向订单的生产方式来满足客户多样化的需求,同时万能机器及不同效率机器的引入使得企业生产过程更加柔性化。企业生产方式的变化给企业的生产调度带来了巨大的挑战,对企业的生产效率和生产成本产生了很大的影响。因此对企业生产调度工作的现状展开分析,总结企业存在的问题并对问题进行解决有非常重要的意义。本文的研究对象S公司是一家生产齿轮的企业,它的生产方式是面向订单的柔性流水车间生产方式。首先,分析了国内外有关车间调度和柔性流水车间调度的研究,总结了学者在这方面取得的研究成果,并简要介绍了本文的研究目的和意义;其次,对S公司目前的组织架构、生产计划、生产调度工作等方面的现状展开分析,在此基础上总结出S公司在生产调度工作方面存在的问题;再次,针对S公司在生产调度工作方面存在的问题,本文分别从客户角度及企业角度出发构建了两个目标函数来解决S公司生产调度方面的问题,为了求解本文构建的模型,采用MATLAB编程实现遗传算法来求解所构建的生产调度模型;最后,采用S公司生产车间圆柱齿轮生产单元某一周的实际生产数据展开案例研究,按照本文建立的模型和求解方法展开求解,优化后的结果与优化前的结果之间的比较证明了研究的有效性。实例研究表明,优化之后S公司齿轮车间产品准时交付率及机器利用率有所提高,生产加工成本有所降低,并缩短了生产任务的最大完工时间,有一定的实际应用价值。
肖世昌[10](2018)在《加工时间具有随机性的Job Shop鲁棒调度问题研究》文中进行了进一步梳理Job Shop制造环境中的不确定因素,如随机机器故障、刀具或物料短缺、工人熟练程度差异等,均会造成加工时间随机变化,这会导致调度实际执行效果偏离最优调度方案,严重情况下可能造成交货期、工人和原材料的配置等发生改变,从而影响车间的生产成本、系统稳定性和客户满意度。为保证加工时间随机变化条件下生产调度方案的稳定、高效执行,在优化调度性能的同时降低潜在扰动对调度性能的影响,研究加工时间具有随机性的Job Shop调度问题(Stochastic Job Shop Scheduling Problems,SJSSP)具有重要理论及实践意义。本文针对加工时间具有随机性的Job Shop调度问题,采用鲁棒调度的方法,系统研究了不同约束下基于加工时间场景的SJSSP鲁棒调度问题,为调度决策者快速提供兼顾性能和鲁棒性的调度方案。首先,考虑不确定因素对加工时间随机性的影响,研究了基于加工时间随机场景的SJSSP鲁棒调度问题;进而,针对工人负面主观因素导致的工人故意推迟开工或拖延而产生资源浪费和调度紊乱,研究了考虑工人负面主观因素的SJSSP鲁棒调度问题;最后,考虑实际制造环境中工人熟练程度对加工时间随机性的控制作用,研究了机器-工人双资源约束的SJSSP鲁棒调度问题。主要研究内容和成果如下:1.考虑加工时间随机性的SJSSP鲁棒调度问题建模根据SJSSP鲁棒调度子问题特点,采用对应的鲁棒调度方法建立了三种鲁棒调度模型。首先,采用期望性能作为鲁棒性评价指标建立基于加工时间随机场景仿真的SJSSP鲁棒调度模型(SJSSP robust scheduling based on stochastic scenarios of processing times,SJSSP-SSP);其次,考虑Job Shop制造系统中工人“学生综合症”和“帕肯森定律”两种典型负面主观因素,采用“轨道执行策略”降低工人负面主观因素对调度过程的不利影响,建立基于加工时间期望场景的SJSSP鲁棒调度模型(SJSSP robust scheduling based on expected scenarios of processing times,SJSSP-ESP);最后,考虑工人熟练程度对加工时间随机性的控制,建立机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度模型(Dual-Resource Constrained SJSSP-ESP,DR-SJSSP-ESP)。2.基于加工时间随机场景仿真的SJSSP鲁棒调度研究提出了包含评价空间缩减策略的混合分布估计算法求解SJSSP-SSP。首先,为提升算法求解性能,提出一种基于分布估计算法(Estimation of Distribution Algorithm,EDA)的混合算法(HEDA)。进而,为提升SJSSP-SSP的求解效率,提出评价空间缩减策略(Reduction Strategy,RS),并嵌入HEDA构造改进的RS-HEDA。仿真结果表明HEDA的优化性能优于五种现有典型算法;RS-HEDA可在不降低优化性能的前提下,显着提升SJSSP-SSP的求解效率;通过制造企业调度案例的仿真,验证了模型和算法用于实际调度问题的有效性。3.基于加工时间期望场景的SJSSP鲁棒调度研究提出了基于鲁棒性代理指标的多目标优化算法求解SJSSP-ESP。首先,针对鲁棒性仿真评价效率低下的问题,利用加工时间的随机信息及调度方案的扰动吸收能力信息,提出了两种基于关键和非关键工序集的鲁棒性代理指标。针对此模型双目标优化的需求,提出了基于改进非支配排序的多目标HEDA。采用此算法,通过将所提出的鲁棒性代理指标与现有三种典型代理指标进行比较,验证了所提出的代理指标用于SJSSP-ESP鲁棒性评价的有效性。进而,采用多目标HEDA,将所提出的鲁棒性代理指标用于SJSSP-ESP鲁棒调度,并与基于仿真的鲁棒性指标在多个维度下进行对比,验证了所提出的鲁棒性代理指标在显着提升计算效率的同时可得到性能优异的Pareto解集。最后,通过制造企业调度案例的仿真,验证了所提鲁棒性代理指标和算法用于实际Job Shop鲁棒调度的有效性。4.机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度研究提出了机器-工人两阶段指派方法和双资源约束下的鲁棒性代理指标,并采用多目标HEDA求解DR-SJSSP-ESP。首先,建立了工人熟练程度与加工时间随机性的关系模型;进而,提出了基于工人熟练程度和负载均衡的机器-工人两阶段指派策略;最后,为提高多目标HEDA鲁棒性评价的效率,在分析工序间加工时间扰动传播过程的基础上,提出基于扰动传播的鲁棒性代理指标。仿真实验验证了所提出的鲁棒性代理指标的有效性以及两阶段指派策略对于调度性能优势;进而,采用多目标HEDA,通过对DR-SJSSP-ESP进行Pareto鲁棒调度优化结果的分析,验证了采用所提出的指派策略和基于扰动传播的鲁棒性代理指标可得到性能优异的Pareto解集,且问题求解效率显着提升。最后,通过从制造系统中抽取的调度案例仿真,验证了所提指派策略和鲁棒性代理指标用于解决双资源约束下实际Job Shop鲁棒调度问题的有效性。
二、用GA算法解不确定条件下Job Shop的提前/拖期调度问题(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用GA算法解不确定条件下Job Shop的提前/拖期调度问题(论文提纲范文)
(1)硅单晶生产过程优化调度研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 生产调度问题研究现状 |
1.2.1 生产调度问题分类 |
1.2.2 生产调度问题特点 |
1.2.3 生产调度问题研究方法 |
1.3 硅单晶生产工艺流程及特点 |
1.3.1 硅单晶生产工艺流程 |
1.3.2 硅单晶生产调度问题特点 |
1.4 课题主要研究内容与章节安排 |
1.4.1 课题主要研究内容 |
1.4.2 课题章节安排 |
2 基于GPSO算法的硅单晶生产过程调度研究 |
2.1 硅单晶生产过程调度问题描述和数学模型 |
2.1.1 硅单晶生产过程问题描述 |
2.1.2 数学模型 |
2.2 GPSO算法设计 |
2.2.1 PSO算法概述 |
2.2.2 GA算法概述 |
2.2.3 GPSO算法设计 |
2.3 实例仿真 |
2.3.1 参数设置 |
2.3.2 实验结果分析 |
2.3.3 调度方案 |
2.4 本章小结 |
3 基于RDNSGPSO算法的硅单晶生产过程调度研究 |
3.1 多目标问题概述 |
3.2 硅单晶生产过程调度问题描述和数学模型 |
3.2.1 硅单晶生产过程调度问题描述 |
3.2.2 数学模型 |
3.3 RDNSGPSO算法设计 |
3.3.1 NSGA-Ⅱ算法概述 |
3.3.2 RDNSGPSO算法设计 |
3.4 测试函数验证 |
3.5 实例仿真 |
3.5.1 实验结果分析 |
3.5.2 调度方案 |
3.6 本章小结 |
4 分时电价下的多目标硅单晶生产过程调度研究 |
4.1 问题描述与数学模型 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.2 算法设计 |
4.2.1 基于多目标的约束处理方法 |
4.2.2 基于实数编码的交叉操作 |
4.2.3 基于实数编码的变异操作 |
4.3 实例仿真 |
4.3.1 案例说明 |
4.3.2 参数调整 |
4.3.3 实验结果分析 |
4.3.4 调度方案 |
4.4 本章小结 |
5 总结与展望 |
5.1 工作总结 |
5.2 研究展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(2)基于进化算法的带运输调整时间柔性作业车间调度问题研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 问题模型 |
1.2.2 求解方法 |
1.3 基本概念 |
1.3.1 FJSP_T/S |
1.3.2 进化算法 |
1.3.3 性能指标 |
1.4 主要研究内容与贡献 |
1.5 本文结构安排 |
2 改进文化基因算法求解单目标 FJSP_T/S |
2.1 前言 |
2.2 数学模型与邻域结构 |
2.2.1 数学规划模型 |
2.2.2 机器邻域结构 |
2.3 改进文化基因算法 |
2.3.1 编码 |
2.3.2 解码 |
2.3.3 种群初始化 |
2.3.4 选择算子 |
2.3.5 交叉算子 |
2.3.6 局部搜索 |
2.3.7 计算复杂度 |
2.4 实验分析 |
2.5 本章小结 |
3 混合多目标进化算法求解多目标 FJSP_T/S |
3.1 前言 |
3.2 网络图模型与邻域结构 |
3.2.1 网络图模型 |
3.2.2 插入可行性检查 |
3.2.3 插入式邻域结构 |
3.3 混合多目标进化算法 |
3.3.1 禁忌搜索 |
3.3.2 基于参考点的非支配排序选择 |
3.3.3 计算复杂度 |
3.4 实验分析 |
3.4.1 算子效果分析 |
3.4.2 其它算法对比 |
3.5 本章小结 |
4 车间调度系统设计与实现 |
4.1 前言 |
4.2 车间调度软件设计 |
4.2.1 软件设计规则 |
4.2.2 软件结构 |
4.2.3 软件界面 |
4.3 本章小结 |
5 总结与展望 |
参考文献 |
作者简历 |
(3)基于混合量子算法的生产车间干扰管理问题应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题来源、研究意义 |
1.1.1 选题来源及研究目的 |
1.1.2 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 车间调度问题的相关概念 |
1.2.2 柔性作业车间调度问题相关概念 |
1.2.3 FJSP的国内外研究现状 |
1.3 求解方法 |
1.3.1 研究方法现状 |
1.3.2 算法应用现状 |
1.4 现有研究中存在的问题 |
1.5 论文的组织结构 |
本章小结 |
第二章 干扰管理和前景理论现状分析 |
2.1 量子计算相关特性 |
2.2 干扰管理研究现状分析 |
2.3 前景理论研究现状及相关概念 |
本章小结 |
第三章 多目标柔性作业车间调度干扰管理问题研究 |
3.1 干扰管理模型 |
3.1.1 干扰管理模型特点 |
3.1.2 干扰管理模型的建立 |
3.1.3 度量函数的建立及分析 |
3.1.4 干扰管理的决策分析及评价标准 |
3.2 多目标柔性作业车间调度模型 |
3.3 基于前景理论的干扰管理模型 |
3.3.1 问题的界定 |
3.3.2 基于前景理论的扰动度量方法 |
3.3.3 字典序多目标规划方法 |
3.4 自适应调整旋转角量子遗传算法 |
3.4.1 量子编码 |
3.4.2 遗传操作 |
3.4.3 云模型自适应调整量子旋转角 |
3.4.4 算法步骤 |
3.5 仿真实验 |
3.5.1 算法性能验证 |
3.5.2 干扰管理方法验证 |
本章小结 |
第四章 基于前景理论的机器故障干扰管理研究 |
4.1 引言 |
4.2 生产调度问题的干扰管理模型 |
4.2.1 问题界定的数学模型 |
4.2.2 基于前景理论的价值函数模型 |
4.2.3 基于前景理论的干扰管理模型 |
4.3 生产调度干扰管理策略 |
4.3.1 右移重调度策略 |
4.3.2 局部重调度策略 |
4.4 机器不可用干扰管理求解算法 |
4.5 算例验证及结果分析 |
4.5.1 实验指标设计 |
4.5.2 实验结果分析 |
4.6 实例测试 |
本章小结 |
第五章 基于累积前景理论的急件到达干扰管理研究 |
5.1 引言 |
5.2 累积前景理论简介 |
5.3 急件到达干扰事件研究现状分析 |
5.3.1 急件到达干扰事件的特点及研究现状分析 |
5.3.2 急件到达FJSP求解算法分析 |
5.4 有急件插单的干扰管理模型 |
5.4.1 问题描述 |
5.4.2 模型建立与描述 |
5.4.3 急件插单干扰下的重调度 |
5.4.4 累积前景值模型 |
5.5 重调度方法的设计与实现 |
5.5.1 确定重调度时间域 |
5.5.2 局部约简调度阶段 |
5.5.3 生产车间物流干扰问题 |
5.6 调度实例及分析 |
5.6.1 铆焊车间物料数据信息 |
5.6.2 生产物流实例测试 |
5.6.3 仿真实验 |
本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的学术论文 |
致谢 |
(4)基于改进遗传算法的柔性作业车间调度问题的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题的选题背景及意义 |
1.2 调度问题综述 |
1.2.1 生产调度问题 |
1.2.2 调度问题的分类和特点 |
1.2.3 调度问题的研究方法 |
1.3 柔性作业车间调度问题 |
1.3.1 柔性作业车间调度问题模型 |
1.3.2 柔性作业车间调度问题评价指标 |
1.3.3 柔性作业车间调度问题研究现状 |
1.3.4 柔性作业车间调度问题现有研究中存在的问题 |
1.4 遗传算法 |
1.4.1 遗传算法的基本思想 |
1.4.2 遗传算法的特点 |
1.4.3 遗传算法的相关参数 |
1.4.4 遗传算法的基本步骤 |
1.4.5 遗传算法的改进 |
1.5 粒子群算法 |
1.5.1 基本粒子群算法 |
1.5.2 粒子群算法的改进 |
1.5.3 粒子群算法的应用 |
1.5.4 粒子群算法的研究现状 |
1.6 遗传算法与粒子群算法之间的比较 |
1.7 本文的研究内容及论文结构 |
本章小结 |
第二章 改进的变邻域搜索的分层遗传算法 |
2.1 变邻域搜索 |
2.2 改进变邻域搜索的分层遗传算法 |
2.2.1 FJSP编码和解码 |
2.2.2 种群初始化 |
2.2.3 改进的遗传操作 |
2.2.4 自适应变邻域搜索的设计 |
2.3 自适应变邻域搜索的分层遗传算法的流程 |
2.4 仿真算例分析 |
本章小结 |
第三章 改进的遗传退火算法 |
3.1 多目标优化问题 |
3.2 模拟退火算法 |
3.2.1 模拟退火的原理 |
3.2.2 模拟退火算法 |
3.3 IGA算法描述 |
3.3.1 编码和解码 |
3.3.2 初始化种群 |
3.3.3 交叉操作 |
3.3.4 变异操作 |
3.4 算法流程 |
3.5 仿真与分析 |
3.5.1 实际车间数据仿真 |
3.5.2 Kacem算例 |
3.5.3 BRdata算例 |
本章小结 |
第四章 改进的离散粒子群-遗传算法 |
4.1 多目标优化问题 |
4.2 FJSP问题的描述及调度目标 |
4.3 粒子群算法 |
4.3.1 基本粒子群算法 |
4.3.2 离散粒子群算法 |
4.4 自适应惯性权重的离散粒子群算法 |
4.4.1 编码和解码 |
4.4.2 初始化种群 |
4.4.3 PSO位置更新方法 |
4.4.4 自适应惯性权重的计算 |
4.4.5 Pareto最优非支配前沿的求解 |
4.5 DPSO-AIW算法步骤 |
4.6 算法复杂度分析 |
4.7 实验结果 |
4.8 参数敏感度分析 |
本章小结 |
第五章 柔性作业车间调度问题原型系统 |
5.1 系统总体设计 |
5.1.1 原型系统的开发环境 |
5.1.2 系统体系结构 |
5.2 案例分析 |
5.2.1 实际车间案例 |
5.2.2 国际标准算例 |
5.3 算法优化的实现过程 |
本章小结 |
结论 |
展望 |
创新点 |
参考文献 |
附录 部分仿真结果 |
攻读博士学位期间发表论文情况 |
攻读博士学位期间参与的科研课题 |
致谢 |
(5)急诊患者扰动医疗服务重调度问题的研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 宏观背景 |
1.1.2 微观背景 |
1.1.3 现有研究存在的不足 |
1.2 研究目的和意义 |
1.3 本文主要研究内容及研究思路 |
1.3.1 主要研究内容 |
1.3.2 研究路线 |
1.4 本文组织结构 |
第二章 相关理论文献综述 |
2.1 调度理论 |
2.1.1 调度理论的产生和发展 |
2.1.2 调度问题的复杂度分类 |
2.2 医疗服务调度 |
2.2.1 患者调度 |
2.2.2 医疗资源调度 |
2.2.3 门诊预约调度 |
2.3 医疗服务调度中的不确定性 |
2.3.1 不确定性医疗服务调度研究现状 |
2.3.2 扰动事件分类 |
2.3.3 扰动度量 |
2.3.4 扰动事件应对研究进展 |
2.4 调度算法 |
2.4.1 传统调度算法 |
2.4.2 智能调度算法 |
2.5 本章小结 |
第三章 急诊患者扰动单CT诊断服务重调度问题的研究 |
3.1 急诊患者相关理论知识 |
3.1.1 相关定义 |
3.1.2 插队的方法及流程 |
3.2 UDSR问题假设及符号说明 |
3.2.1 UDSR问题假设 |
3.2.2 UDSR符号说明 |
3.3 以最小化最大迟时间惩罚为优化目标的U-RLMT问题 |
3.4 以最小化完成时间和为优化目标的U-RLTC问题 |
3.4.1 U-RLTC问题的数学模型 |
3.4.2 U-RLTC问题的求解算法 |
3.5 以最大延迟惩罚与扰动成本之和最小化为目标的U-RHTD问题 |
3.5.1 U-RHTD 问题的数学模型 |
3.5.2 U-RHTD 问题的求解算法 |
3.6 以诊断完成时间与扰动成本之和最小化为目标的U-RHCD问题 |
3.6.1 U-RHCD问题的数学模型 |
3.6.2 U-RHCD问题的求解算法 |
3.7 本章小结 |
第四章 考虑设置时间的急诊患者扰动单CT诊断服务重调度问题的研究 |
4.1 设置时间调度相关知识 |
4.1.1 设置时间调度的应用领域 |
4.1.2 设置时间调度分类 |
4.1.3 设置时间调度问题表示法 |
4.2 UDSR-S问题假设、符号说明及问题描述 |
4.2.1 UDSR-S问题假设 |
4.2.2 UDSR-S符号说明 |
4.2.3 UDSR-S问题描述 |
4.3 FISIS-P_(MAX),C_(MAX)急诊患者扰动重调度问题 |
4.3.1 FISIS-P_(MAX),C_(MAX)问题数学模型 |
4.3.2 ε约束求解方法 |
4.4 FISIS-Δ_(max),C_(max)急诊患者扰动重调度问题 |
4.4.1 FISIS-Δ_(max),C_(max)问题数学模型 |
4.4.2 FISIS-Δ_(max),C_(max)问题求解 |
4.5 FDSIS-P_(MAX),C_(MAX)急诊患者扰动重调度问题 |
4.5.1 FDSIS-P_(MAX),C_(MAX)问题数学模型 |
4.5.2 FDSIS-P_(MAX),C_(MAX)问题求解 |
4.6 FDSIS-Δ_(max),C_(max)急诊患者扰动重调度问题 |
4.6.1 FDSIS-Δ_(max),C_(max)问题数学模型 |
4.6.2 FDSIS-Δ_(max),C_(max)问题求解 |
4.7 FDSIS-Σ_jΔ_j,C_(max)急诊患者扰动重调度问题 |
4.7.1 FDSIS-Σ_jΔ_j,C_(max)问题数学模型 |
4.7.2 FDSIS-Σ_jΔ_j,C_(max)问题求解 |
4.8 本章小结 |
第五章 考虑设置时间的急诊患者扰动健康体检重调度问题研究 |
5.1 UDHERP-SDS问题假设、符号说明 |
5.1.1 UDHERP-SDS问题假设 |
5.1.2 UDHERP-SDS符号说明 |
5.2 UDHERP-SDS问题描述和数学模型 |
5.2.1 UDHERP-SDS问题描述 |
5.2.2 UDHERP-SDS数学模型 |
5.3 混合GA-SA算法 |
5.3.1 编码方案 |
5.3.2 译码方案 |
5.3.3 基于BICH-MIH方法的种群初始化 |
5.3.4 选择算子 |
5.3.5 交叉算子 |
5.3.6 变异算子及重启动 |
5.4 SA局域搜索策略 |
5.5 实验设计 |
5.5.1 评估指标 |
5.5.2 测试实例和算法参数选择 |
5.6 实验结果及分析 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 研究展望 |
6.2.1 医疗服务调度研究展望 |
6.2.2 生产调度研究展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(6)钢箱梁小节段生产调度优化模型及算法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景、目的及意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.4 论文结构 |
2 钢箱梁小节段生产调度模型构建 |
2.1 符号说明 |
2.2 问题描述 |
2.3 多机批次生产调度模型 |
2.4 本章小结 |
3 变邻域搜索算法设计 |
3.1 基本变邻域搜索概述 |
3.2 算法设计 |
3.3 邻域结构 |
3.4 本章小结 |
4 算例分析 |
4.1 算例设计 |
4.2 实验结果分析 |
4.3 管理学启示 |
4.4 本章小结 |
5 总结和展望 |
5.1 全文总结 |
5.2 研究展望 |
参考文献 |
致谢 |
附录1(攻读学位期间参与项目情况) |
附录2(实验数据资料) |
(7)工件具有入树优先约束的作业车间调度算法(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题来源与研究目的 |
1.2 研究背景和意义 |
1.3 调度问题国内外研究概况 |
1.4 本文的主要工作与结构 |
第二章 作业车间调度问题概述 |
2.1 生产调度问题及其特点 |
2.2 生产调度问题的三元组表示法 |
2.3 经典作业车间调度问题 |
2.4 JSP的甘特图表示和析取图模型 |
2.5 作业车间调度问题常用方法 |
第三章 遗传算法及其面向作业车间调度问题的设计 |
3.1 遗传算法概述 |
3.1.1 遗传算法的生物遗传原理和应用 |
3.1.2 标准遗传算法及其收敛性 |
3.1.3 遗传算法的特点 |
3.2 遗传算法的参数与设计 |
3.2.1 染色体编码和解码方法 |
3.2.2 个体适应度函数及其与目标函数的关系 |
3.2.3 算法参数设置 |
3.2.4 算法基本操作 |
3.2.5 算法终止条件 |
3.3 面向作业车间调度问题的遗传算法设计 |
3.3.1 面向JSP的GA染色体编码方式 |
3.3.2 面向JSP的GA交叉算子 |
3.3.3 面向JSP的GA变异算子 |
第四章 工件具有入树优先约束的JSP及其算法 |
4.1 工件具有入树优先约束的作业车间调度问题 |
4.1.1 入树优先约束关系的树形图和工件分层 |
4.1.2 工件具有入树优先约束的JSP描述 |
4.1.3 工件具有入树优先约束的JSP评价指标 |
4.2 工件具有入树优先约束的作业车间调度算法结构 |
4.3 工件具有入树优先约束的JSP逆序遗传算法 |
第五章 工件具有入树优先约束的JSP逆序遗传算法应用 |
5.1 案例中的作业车间调度问题描述 |
5.2 三种初始化方式的对比实验和分析 |
5.3 案例中JSP的求解过程和结果分析 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
附录A 案例中工件的加工数据 |
参考文献 |
致谢 |
作者简介 |
(8)不确定事件下装配式建筑部件生产调度研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文选题背景及意义 |
1.1.1 论文选题背景 |
1.1.2 论文研究意义 |
1.2 国内外研究现状 |
1.2.1 装配式建筑主要特征及优势 |
1.2.2 装配式建筑部件定义与研究现状 |
1.2.3 装配式建筑部件生产调度研究现状 |
1.3 研究内容及方法 |
1.3.1 主要研究目标 |
1.3.2 研究的主要内容 |
1.3.3 研究方法与技术路线 |
2 装配式建筑部件生产调度相关理论与方法 |
2.1 生产调度 |
2.1.1 生产调度问题定义 |
2.1.2 生产调度问题类型 |
2.1.3 生产调度问题求解方法 |
2.2 生产中的不确定事件与调度 |
2.2.1 不确定事件分析 |
2.2.2 不确定事件下的生产调度 |
2.3 重调度 |
2.3.1 重调度驱动机制 |
2.3.2 重调度方法 |
2.3.3 重调度性能评价 |
2.4 遗传算法 |
2.4.1 遗传算法基本原理与流程 |
2.4.2 遗传算法具体操作 |
2.4.3 遗传算法的应用 |
3 部件生产企业初始生产调度模型构建 |
3.1 部件生产企业及其生产特点 |
3.1.1 部件分类与生产资源特点 |
3.1.2 部件生产企业生产特点 |
3.1.3 部件生产工艺流程 |
3.2 装配式建筑部件生产调度现状 |
3.2.1 生产总体现状分析 |
3.2.2 装配式建筑部件生产调度方法 |
3.3 部件生产企业的初始生产调度模型分析与构建 |
3.3.1 装配式建筑部件生产调度与经典流水车间调度 |
3.3.2 装配式建筑部件多条流水线生产问题描述与假设 |
3.3.3 装配式建筑部件多条生产线生产调度模型 |
4 基于混合驱动的装配式建筑部件生产重调度模型构建 |
4.1 装配式建筑部件生产中不确定事件 |
4.1.1 部件生产企业不确定事件界定与分类 |
4.1.2 不确定事件对建模的影响及研究范围界定 |
4.2 装配式建筑部件生产重调度 |
4.2.1 装配式建筑部件生产重调度驱动机制 |
4.2.2 装配式建筑部件生产重调度方法 |
4.2.3 装配式建筑部件生产重调度性能评价 |
4.3 不确定事件下部件生产企业流水车间生产重调度模型 |
4.3.1 装配式建筑部件流水车间重调度问题的描述 |
4.3.2 设计变更下部件流水车间生产重调度模型 |
4.3.3 设备故障下部件流水车间生产重调度模型 |
5 不确定事件下装配式建筑部件生产调度案例 |
5.1 案例背景资料 |
5.2 初始调度方案的求解 |
5.2.1 基本参数与数据 |
5.2.2 遗传算法求解 |
5.2.3 结果分析 |
5.3 设计变更下的装配式建筑部件生产重调度求解 |
5.3.1 设计变更事件描述 |
5.3.2 遗传算法求解 |
5.3.3 结果分析 |
5.4 设备故障下装配式建筑部件生产重调度求解 |
5.4.1 设备故障事件描述 |
5.4.2 遗传算法求解 |
5.4.3 结果分析 |
6 研究结论与展望 |
6.1 主要结论 |
6.2 研究不足与展望 |
致谢 |
参考文献 |
附录 |
附录A 符号注释 |
附录B 5.2节遗传算法部分程序代码摘录 |
附录C 5.3节遗传算法部分程序代码摘录 |
附录D 5.4节遗传算法部分程序代码摘录 |
个人简介 |
(9)S公司柔性流水车间调度优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 车间生产调度国内外研究现状 |
1.2.2 柔性流水车间调度国内外研究现状 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
第二章 S公司生产调度问题分析 |
2.1 生产调度相关理论分析 |
2.1.1 车间调度问题基本理论 |
2.1.2 柔性车间调度理论 |
2.1.3 调度方法分类 |
2.2 S公司概况 |
2.2.1 公司整体介绍 |
2.2.2 S公司组织结构 |
2.2.3 S公司车间生产工艺流程 |
2.3 S公司生产调度工作现状 |
2.3.1 S公司生产计划流程 |
2.3.2 S公司生产调度流程 |
2.3.3 S公司生产调度内容 |
2.4 S公司生产调度存在的问题 |
2.5 本章小结 |
第三章 S公司生产调度优化方案研究 |
3.1 S公司生产调度问题描述 |
3.2 S公司生产调度目标函数与约束条件分析 |
3.2.1 目标函数 |
3.2.2 约束条件 |
3.3 S公司生产调度优化模型构建 |
3.3.1 假设条件 |
3.3.2 符号说明 |
3.3.3 数学模型 |
3.4 S公司生产调度优化模型求解 |
3.4.1 模型求解算法选择 |
3.4.2 编码与解码 |
3.4.3 初始种群的选择 |
3.4.4 适应度函数 |
3.4.5 遗传算子 |
3.4.6 停止准则 |
3.5 本章小结 |
第四章 圆柱齿轮生产单元调度实例研究 |
4.1 圆柱齿轮生产单元调度实例描述 |
4.2 圆柱齿轮生产单元调度实例求解 |
4.3 实例生产调度优化效果分析 |
4.4 优化方案保障措施 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
(10)加工时间具有随机性的Job Shop鲁棒调度问题研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 国内外相关研究进展 |
1.2.1 考虑加工时间随机性的生产调度问题模型 |
1.2.2 鲁棒调度方法相关研究进展 |
1.2.3 考虑工人因素的生产调度问题 |
1.2.4 求解SJSSP的智能优化算法 |
1.2.5 国内外相关研究总结 |
1.3 本文主要研究工作及内容安排 |
1.3.1 研究路线 |
1.3.2 章节安排 |
1.3.3 课题来源 |
1.4 本章小结 |
2 加工时间具有随机性的JOB SHOP鲁棒调度问题建模 |
2.1 不同约束下SJSSP鲁棒调度问题 |
2.1.1 基于加工时间随机场景的SJSSP鲁棒调度问题 |
2.1.2 考虑工人负面主观因素的SJSSP鲁棒调度问题 |
2.1.3 机器-工人双资源约束的SJSSP鲁棒调度问题 |
2.2 SJSSP鲁棒调度问题数学模型 |
2.2.1 SJSSP鲁棒调度问题的析取图模型 |
2.2.2 SJSSP-SSP鲁棒调度模型 |
2.2.3 SJSSP-ESP鲁棒调度模型 |
2.2.4 DR-SJSSP-ESP鲁棒调度模型 |
2.3 本章小结 |
3 基于加工时间随机场景仿真的SJSSP鲁棒调度研究 |
3.1 求解SJSSP-SSP的混合分布估计算法 |
3.1.1 编码设计和解码方法 |
3.1.2 概率模型与更新机制 |
3.1.3 种群初始化和新个体采样方法 |
3.1.4 基于父代工序继承的个体重组方法 |
3.1.5 个体变异方法 |
3.1.6 HEDA个体选择方法 |
3.1.7 HEDA算法复杂度分析 |
3.1.8 算法总体流程 |
3.2 基于评价空间缩减策略的改进HEDA |
3.2.1 评价空间缩减策略 |
3.2.2 RS-HEDA算法流程 |
3.3 仿真实验 |
3.3.1 实验设置 |
3.3.2 HEDA实验结果及分析 |
3.3.3 RS-HEDA实验结果及分析 |
3.3.4 制造企业调度案例仿真 |
3.4 本章小结 |
4 基于加工时间期望场景的SJSSP鲁棒调度研究 |
4.1 基于关键和非关键工序集的鲁棒性代理指标 |
4.1.1 现有鲁棒性代理指标分析 |
4.1.2 随机加工时间扰动程度量化方法 |
4.1.3 调度方案的扰动吸收能力分析 |
4.1.4 基于关键和非关键工序集的鲁棒性代理指标 |
4.2 多目标HEDA(MO-HEDA) |
4.2.1 改进的非支配排序算法 |
4.2.2 拥挤度距离计算和比较 |
4.2.3 MO-HEDA算法流程 |
4.3 仿真实验 |
4.3.1 实验设置 |
4.3.2 鲁棒性代理指标SM-CO的性能分析 |
4.3.3 基于MO-HEDA的 SJSSP-ESP鲁棒调度优化 |
4.3.4 制造企业调度案例仿真 |
4.4 本章小结 |
5 机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度研究 |
5.1 基于工人熟练程度的工时方差缩减模型 |
5.2 机器-工人双资源两阶段指派 |
5.2.1 机器-工人两阶段指派方法 |
5.2.2 机器-工人两阶段指派策略 |
5.3 基于扰动传播的鲁棒性代理指标 |
5.3.1 工人约束和机器约束的交互影响 |
5.3.2 扰动传播过程分析及SM-DP |
5.4 仿真实验 |
5.4.1 实验设置 |
5.4.2 SM-DP相关性实验分析 |
5.4.3 两阶段指派策略性能分析 |
5.4.4 基于两阶段指派策略的DR-SJSSP-ESP鲁棒调度优化 |
5.4.5 制造企业调度案例仿真 |
5.5 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
英文缩写索引 |
攻读博士期间科研、论文发表情况 |
致谢 |
四、用GA算法解不确定条件下Job Shop的提前/拖期调度问题(论文参考文献)
- [1]硅单晶生产过程优化调度研究[D]. 赵颖珍. 西安理工大学, 2021(01)
- [2]基于进化算法的带运输调整时间柔性作业车间调度问题研究[D]. 孙靖贺. 郑州航空工业管理学院, 2021
- [3]基于混合量子算法的生产车间干扰管理问题应用研究[D]. 孙晶华. 大连交通大学, 2020
- [4]基于改进遗传算法的柔性作业车间调度问题的应用研究[D]. 谷晓琳. 大连交通大学, 2020(05)
- [5]急诊患者扰动医疗服务重调度问题的研究[D]. 朱丹丹. 天津理工大学, 2020(01)
- [6]钢箱梁小节段生产调度优化模型及算法研究[D]. 王镇. 华中科技大学, 2020(01)
- [7]工件具有入树优先约束的作业车间调度算法[D]. 刘苑婷. 西安电子科技大学, 2020(05)
- [8]不确定事件下装配式建筑部件生产调度研究[D]. 代洪丽. 东南大学, 2019(05)
- [9]S公司柔性流水车间调度优化研究[D]. 王旭. 南京航空航天大学, 2019(02)
- [10]加工时间具有随机性的Job Shop鲁棒调度问题研究[D]. 肖世昌. 西北工业大学, 2018