| 【中文题名】 | 遗传算法及其在生产调度中的应用研究 |
| 【英文题名】 | A Study and Application of Genetic Algorithm Applied to Scheduling Problem |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-6-24 |
| 【中关键词】 | 生产调度,混合遗传算法,多目标,多并行,, |
| 【英关键词】 | Scheduling Problem,Hybrid Genetic,Algorithm Multi-objective,Parallel Machine, |
| 【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】 |
生产调度问题是生产管理领域内的关键生产环节，算法研究是生产调度问题的一个重要的研究方向。遗传算法的计算模型是模拟生物进化过程。它作为一种新的全局优化搜索算法，以其实现简单、通用、鲁棒性强、适于并行处理等显著特点，广泛应用各种优化问题。
本文首先对生产调度的基本思想、发展状况给出了一般性的描述，总结了以前对调度问题的各种求解方法，然后根据遗传算法的特点和生产调度问题中面对的困难，指出了遗传算法解调度问题的有效性和优越性。再结合目前遗传算法在生产调度问题中的研究现状，进一步论证这一点。
本文应用遗传算法求解复杂的生产调度问题；主要在以下几个方面作了一些研究工作：①通过大量阅读各种生产调度和遗传算法的文献，指出了遗传算法适合解决生产调度问题。②采用混合遗传算法应用在求解多目标等同并行多机问题和多目标非等同并行多机问题，并通过仿真实验证明算法的可行性和有效性。③在求解极大化顾客满意数的单机问题的启发式算法的基础上，将此问题扩展为多机问题，提出一种启发式算法和一种带病毒感染的混合遗传算法。并通
遗传算法及其在生产调度中的应用研究
过大量的计算机仿真实验，将混合遗传... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-10 |
|
第一章 绪论 |
10-20 |
|
1.1 调度问题 |
10-12 |
|
1.1.1 引言 |
10-11 |
|
1.1.2 生产调度问题的一般性描述: |
11 |
|
1.1.3 生产调度问题的分类: |
11-12 |
|
1.1.4 生产调度问题的求解: |
12 |
|
1.2 遗传算法 |
12-17 |
|
1.2.1 遗传算法的发展历史 |
13 |
|
1.2.2 遗传算法实现的基本思想 |
13-16 |
|
1.2.3 遗传算法基本用语 |
16-17 |
|
1.2.4 遗传算法的特点: |
17 |
|
1.3 遗传算法在生产调度中的应用 |
17-20 |
|
1.3.1 遗传算法求解生产调度问题: |
17-18 |
|
1.3.2 本文的主要研究工作: |
18-20 |
|
第二章 遗传算法在生产调度问题研究的现状 |
20-30 |
|
2.1 单机调度 |
20-22 |
|
2.1.1 引言 |
20 |
|
2.1.2 单机调度的描述 |
20-21 |
|
2.1.3 单机调度的遗传算法 |
21-22 |
|
2.2 并行多机调度问题 |
22 |
|
2.3 遗传算法求解job shop问题 |
22-27 |
|
2.3.1 引言 |
22-23 |
|
2.3.2 job shop调度问题的模型 |
23-24 |
|
2.3.3 job shop调度的遗传算法 |
24-27 |
|
2.3.4 GA算法在JSP上的研究动态 |
27 |
|
2.3.5 小结 |
27 |
|
2.4 遗传算法求解flow shop问题 |
27-30 |
|
2.4.1 引言 |
27-28 |
|
2.4.2 flow shop调度问题的描述 |
28-29 |
|
2.4.3 flow shop调度的遗传算法 |
29 |
|
2.4.4 小结 |
29-30 |
|
第三章 等同多目标并行多机问题 |
30-38 |
|
3.1 引言 |
30 |
|
3.2 等同多目标并行多机问题的描述 |
30-31 |
|
3.3 MR问题的启发式算法 |
31-32 |
|
3.4 MR问题的遗传算法 |
32-37 |
|
3.4.1 引言 |
32-33 |
|
3.4.2 算法设计 |
33-35 |
|
3.4.3 数值仿真 |
35-37 |
|
3.5 本章小结 |
37-38 |
|
第四章 非等同多目标并行多机问题 |
38-46 |
|
4.1 引言 |
38 |
|
4.2 非等同多目标并行多机问题的描述 |
38-39 |
|
4.3 GMR问题的启发式算法 |
39-40 |
|
4.4 GMR问题的遗传算法 |
40-45 |
|
4.4.1 适应度函数设计 |
41 |
|
4.4.2 编码设计 |
41-42 |
|
4.4.3 初始群种的选择 |
42 |
|
4.4.4 复制 |
42 |
|
4.4.5 交叉操作 |
42 |
|
4.4.6 变异操作 |
42-43 |
|
4.4.7 停止准则 |
43 |
|
4.4.8 数值仿真分析 |
43-45 |
|
4.5 本章小结 |
45-46 |
|
第五章 一种基于JIT的多目标并行多机问题 |
46-56 |
|
5.1 引言 |
46 |
|
5.2 M-S问题的描述 |
46-47 |
|
5.3 M-S问题的数学模型 |
47 |
|
5.4 M-S问题的启发式算法 |
47-50 |
|
5.4.1 启发式算法的描述 |
48-49 |
|
5.4.2 启发式算法的实例 |
49-50 |
|
5.5 M-S问题的遗传算法 |
50-55 |
|
5.5.1 遗传算法设计 |
51-53 |
|
5.5.2 遗传算法数值仿真 |
53-55 |
|
5.6 本章小结 |
55-56 |
|
第六章 结束语 |
56-57 |
|
参考文献 |
57-61 |
|
攻读硕士学位期间参加的科研项目和发表的论文 |
61-62 |
|
参加的科研项目: |
61 |
|
发表的论文: |
61-62 |
|
致谢 |
62 |
|
| 【DOI】 | LunWen.ID:2.2008.387007 |
