简析调度基于遗传算法车间调度理由与运用

论文导读：做了大量的探讨和分析，发现标准的GA在解决车间调度不足时容易陷入局部最优、搜索效率低和产生不可行解等不足，针对该不足提出了一种改善的GA，该算法融入了混合启发式算法等办法，使生成的初始种群尽量分布于整个不足的解空间，而且保证了解的多样性。结合资源调度不足的特征，设计了独特的交叉和变异模式，保证了解的合法性。通过
摘要：车间作业调度不足（Job Shop Problem，JSP），实质是资源调度不足，已被证明是个NP-hard完全不足，对资源调度的进一步探讨具有重大的现实作用，已成为现今探讨的热点。遗传算法（GeneticAlgorithm，GA）作为一种高度并行、随机、自适应的优化算法，在求解JSP中得到了广泛的运用。在求解JSP时，GA显示出了很强的鲁棒性。但遗传参数对GA的优化性能的影响很大，参数设置不当往往会使得GA的优化结果大打折扣。该文在将标准遗传算法改善的基础上，对流水车间调度、混合流水车间调度、作业车间调度和双资源柔性多目标作业车间调度分别做了算法设计，并通过实例进行了算法优化效果的比较，真实地展现了改善遗传算法解决车间调度不足的有效性和优越性。该文首先对遗传算法做了大量的探讨和分析，发现标准的GA在解决车间调度不足时容易陷入局部最优、搜索效率低和产生不可行解等不足，针对该不足提出了一种改善的GA，该算法融入了混合启发式算法等办法，使生成的初始种群尽量分布于整个不足的解空间，而且保证了解的多样性。结合资源调度不足的特征，设计了独特的交叉和变异模式，保证了解的合法性。通过与标准的GA比较，验证了改善的GA在保证局部搜索速度的前提下还尽可能的保证全局搜索，避开陷入局部最优，提升了最优率。在运用改善的GA基础上，针对流水车间调度、混合流水车间调度、作业车间调度和双资源柔性多目标作业车间调度分别给出了不同的算法实现案例，并在算法实现的历程中做了适当的调整和改善，然后通过对经典调度模型、汽车零件加工车间模型和机车厂加工车间模型实例验证了算法实现的效果。最后开发了一个运用于实际生产的优化调度体系，详细简介了各个模块的功能与操作。将此体系运用到实际生产调度不足，并对某车间部分调度进行了模拟仿真，得到了较好的调度结果，本论文最后对下一步基于改善遗传算法的混合车间生产调度不足将要进行的工作进行了展望。关键词：资源调度论文改善遗传算法论文流水车间调度论文作业车间调度论文双资源柔性车间多目标调度论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要3-4
Abstract4-6
目录6-9
第一章 绪论9-24

1.1 选题的目的与作用9-10

1.2 国内外近况及进展走势10-15

1.2.1 车间调度探讨综述10

1.2.2 遗传算法在车间调度不足中的探讨10-11

1.2.3 JSP 的算法探讨11-13

1.2.4 车间调度不足的探讨对策13-14

1.2.5 车间调度不足描述及分类14-15

1.2.6 车间调度不足特征15

1.3 遗传算法概述15-22

1.3.1 产生与进展16

1.3.2 遗传算法的基本思想16-18

1.3.3 编码与解码18-19

1.3.4 适应度函数19

1.3.5 种群初始化19-20

1.3.6 选择20-21

1.3.7 交叉或基因重组21-22

1.3.8 变异22

1.4 论文内容从及结构22-24

第二章 流水车间调度24-39

2.1 Flow Shop 调度不足优化模型24-26

2.

1.1 不足描述24

2.

1.2 假设条件和分类24-25

2.

1.3 置换 Flow Shop 调度不足数学模型25-26

2.2 算法设计26-30

2.1 编码26-27

2.2 初始种群的生成27

2.3 适应度函数27

2.4 交叉27-28

2.5 变异28-30

2.3 经典不足验证 Carl(11x5)不足30-33

2.4 混合流水车间调度33-34

2.5 混合流水车间调度的算法设计34-35

2.5.1 编码设计34

2.5.2 交叉设计34-35

2.5.3 变异设计35

2.6 实例验证35-38

2.7 本章小结38-39

第三章 作业车间调度39-49

3.1 JSP 优化模型探讨39-42

3.

1.1 不足描述39

3.

1.2 变量定义：39-40

3.

1.3 JSP 调度不足数学模型40

3.

1.4 假设条件和分类40-42

3.2 算法设计42-44
3.

2.1 编码42

3.

2.2 适应度函数的确定42-43

3.

2.3 种群初始化43

3.

2.4 交叉43-44

3.

2.5 变异44

3.论文导读：-574.4.1不足描述54-554.4.2假设条件554.4.3变量说明55-564.4.4目标函数及约束条件56-574.5算法设计57-594.5.1三链结构的编码模式574.5.2种群初始化57-584.5.3交叉584.5.4变异58-594.6实例验证59-624.7本章小结62-64第五章基于遗传算法的车间调度体系开发与运用64-785.1车间的作业调度体系需求探究64-655.2体
3 实例验证44-48

3.4 本章小结48-49

第四章 双资源柔性多目标车间调度49-64

4.1 多重资源概述49-50

4.2 柔性及柔性资源概述50-51

4.

2.1 柔性的定义50

4.

2.2 柔性资源概述50-51

4.3 多目标优化的办法与论述51-54
4.

3.1 车间调度的评价指标51

4.

3.2 多目标解的概念51

4.

3.3 劣解、非劣解和最优解定义51-52

4.

3.4 交互权重把多目标不足改变为单一目标不足52-54

4.4 双资源柔性车间多目标调度不足优化模型54-57

4.1 不足描述54-55

4.2 假设条件55

4.3 变量说明55-56

4.4 目标函数及约束条件56-57

4.5 算法设计57-59

4.5.1 三链结构的编码模式57

4.5.2 种群初始化57-58

4.5.3 交叉58

4.5.4 变异58-59

4.6 实例验证59-62

4.7 本章小结62-64

第五章 基于遗传算法的车间调度体系开发与运用64-78

5.1 车间的作业调度体系需求探究64-65

5.2 体系的组成模块极为主要功能65-66

5.3 车间调度体系的功能66-67

5.4 体系的开发平台和运转环境67-68

5.5 体系中用到的数据表68-70

5.6 基于遗传算法的车间作业调度体系实现70-77

5.6.1 车间调度体系登录71-72

5.6.2 车间调度体系解决实际不足算例72-77

5.7 本章总结77-78

结论和展望78-79
参考文献79-83
攻读硕士学位期间发表学术论文状况83-84
致谢84