| 【中文题名】 | 基于遗传算法的生产调度方法及其软件实现 |
| 【英文题名】 | Production Scheduling Method Based on Genetic Algorithm and Software Realization |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-9-16 |
| 【中关键词】 | 生产调度,遗传算法,Flow-shop调度,Job-shop调度,间歇过程, |
| 【英关键词】 | production scheduling,genetic algorithm,Flow-shop scheduling,Job-shop scheduling,batch process, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
生产计划与调度系统是企业ERP的核心与最关键的部分，直接关系着企业的产出效率和生产成本，有效的计划与调度算法能最大限度地提高企业的效益。调度问题是组合优化问题，属于NP问题，难以用常规方法求解，近几年各种智能计算方法逐渐被引入到调度问题中，如遗传算法、模拟退火算法等。
遗传算法是仿真遗传学和自然选择机理构造的一种搜索算法，因其对优化问题的弱依赖性、求解的非线性和鲁棒性、隐含并行性等特点被广泛应用于当前的各个领域。本文应用遗传算法求解复杂的车间调度问题和间歇化工中多产品厂的调度问题。主要取得了以下几个成果：
(1) 描述了Flow-shop调度问题模型：从工程应用角度讨论了求解Flow-shop调度问题的遗传算法设计方法；开发了求解Flow-shop调度问题的遗传算法和启发式算法软件；提出了多目标Flow-shop调度模型，转化为单目标Flow-shop调度问题。
(2) 从工程应用角度讨论了求解Job-shop调度问题的标准遗传算法设计及其软件实现；提出了双倍体遗传算法、双种群遗传算法求解Job-shop调度问题；介绍了求解Job-shop调度问题的自适应... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-10 |
|
第一章 绪论 |
10-21 |
|
1.1 进化计算与遗传算法 |
10-11 |
|
1.2 生产调度问题 |
11-15 |
|
1.3 车间调度问题 |
15-19 |
|
1.3.1 车间调度问题的描述 |
15 |
|
1.3.2 车间调度问题特点 |
15-16 |
|
1.3.3 车间调度问题研究方法 |
16-19 |
|
1.4 本文的工作 |
19-21 |
|
第二章 基于遗传算法的Flow-shop调度方法 |
21-37 |
|
2.1 引言 |
21 |
|
2.2 Flow-shop调度问题 |
21-22 |
|
2.3 求解Flow-shop调度问题的遗传算法设计 |
22-34 |
|
2.3.1 算法描述 |
22-28 |
|
2.3.2 软件实现 |
28-30 |
|
2.3.3 运算实例 |
30-34 |
|
2.4 多目标Flow-shop调度问题转化为单目标的方法 |
34-36 |
|
2.5 求解Flow-shop调度问题的启发式算法软件实现 |
36 |
|
2.6 小结 |
36-37 |
|
第三章 基于遗传算法的Job-shop调度方法 |
37-68 |
|
3.1 引言 |
37 |
|
3.2 Job-shop调度问题 |
37-38 |
|
3.3 求解Job-shop调度问题的遗传算法设计 |
38-49 |
|
3.3.1 编码方式介绍 |
38-39 |
|
3.3.2 基于工序的编码方法 |
39-41 |
|
3.3.3 遗传算子的设计 |
41-43 |
|
3.3.4 目标函数及适应度的变换 |
43-44 |
|
3.3.5 遗传算法参数的优化 |
44-45 |
|
3.3.6 软件设计与仿真 |
45-49 |
|
3.4 求解Job-shop调度问题的双倍体遗传算法设计与软件实现 |
49-52 |
|
3.4.1 基本思想 |
49-50 |
|
3.4.2 双倍体遗传算法的设计 |
50-51 |
|
3.4.3 软件实现与仿真 |
51-52 |
|
3.5 求解Job-shop调度问题的双种群遗传算法设计与软件实现 |
52-56 |
|
3.5.1 基本思想 |
52-53 |
|
3.5.2 双种群遗传算法的设计 |
53-54 |
|
3.5.3 软件实现与仿真 |
54-56 |
|
3.6 求解Job-shop调度问题的自适应遗传算法设计与软件实现 |
56-62 |
|
3.6.1 基本思想 |
56 |
|
3.6.2 自适应遗传算法的步骤 |
56-57 |
|
3.6.3 自适应的交叉概率与变异概率 |
57 |
|
3.6.4 改进的自适应遗传算法 |
57-58 |
|
3.6.5 标准、自适应、改进自适应遗传算法的性能分析 |
58-62 |
|
3.7 基于遗传算法的柔性Job-shop调度方法 |
62-67 |
|
3.7.1 算法设计与软件实现 |
62-65 |
|
3.7.2 运算实例 |
65-67 |
|
3.8 小结 |
67-68 |
|
第四章 基于遗传算法的流程工业调度方法 |
68-84 |
|
4.1 引言 |
68 |
|
4.2 间歇型流程工业生产调度 |
68-71 |
|
4.2.1 间歇化工过程研究的主要特点 |
69-71 |
|
4.2.2 间歇化工过程的生产调度 |
71 |
|
4.3 遗传算法在多产品间歇化工调度中的应用 |
71-77 |
|
4.3.1 UIS型多产品厂调度中的应用 |
73-75 |
|
4.3.2 ZW型多产品厂调度中的应用 |
75-77 |
|
4.4 遗传算法在连续型化工生产调度中的应用 |
77-82 |
|
4.4.1 多产品连续型化工生产调度模型 |
77 |
|
4.4.2 基于遗传算法的流程工业生产调度编码方式 |
77-79 |
|
4.4.3 具有模糊交货期的连续生产过程动态调度 |
79-82 |
|
4.5 小结 |
82-84 |
|
第五章 智能生产计划与调度系统 |
84-94 |
|
5.1 引言 |
84 |
|
5.2 ERP概述 |
84-87 |
|
5.3 系统功能模块 |
87-90 |
|
5.3.1 生产计划模块 |
87-88 |
|
5.3.2 调度管理模块 |
88-89 |
|
5.3.3 智能计划与调度算法库SmartDll |
89-90 |
|
5.4 系统框架与界面 |
90-93 |
|
5.5 小结 |
93-94 |
|
第六章 总结与展望 |
94-96 |
|
参考文献 |
96-100 |
|
致谢 |
100-101 |
|
作者在攻读硕士学位期间参加的科研工作与发表的论文 |
101 |
|
| 【DOI】 | LunWen.ID:2.2008.386799 |
