| 【中文题名】 | 基于微粒群优化的车间生产作业调度方法研究 |
| 【英文题名】 | Research on Job-shop Scheduling Method Based on Particle Swarm Optimization |
| 【学科专业】 | 机械电子工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-7-13 |
| 【中关键词】 | 车间生产作业调度,优化算法,微粒群算法,收敛性,, |
| 【英关键词】 | Job-shop Scheduling,Particle Swarm Optimization,Optimization Algorithms,Astringency, |
| 【分类导航】 | 工业技术>机械、仪表工业>机械制造工艺>计算机辅助机械制造>> |
| 【论文摘要】 | 针对车间生产作业调度这一NP问题,论文首先对车间生产作业调度问题的研究内容、评价指标、问题特征及传统的求解算法进行了系统的阐述,提出了基于微粒群优化的车间生产作业调度问题求解算法;其次,在系统分析了微粒群算法的基本原理、算法特性及应用领域的基础上,将该算法用于求解车间生产作业调度问题,以最小生产时间跨度为优化目标,结合基于工序的编码方式,构建了基于标准微粒群算法的车间生产作业调度问题求解方法,并通过实例验证了算法的收敛性及有效性:最后,由于标准的微粒群算法难以求解复杂车间生产作业调度问题,因此将遗传算法、模拟退火算法与微粒群算法相结合,提出了一种基于混合微粒群算法的车间生产作业调度问题求解算法,并结合实例实现了对复杂车间生产作业调度问题的求解,验证了算法的收敛性及有效性。 |
| 【论文题纲】 |
|
第一章 绪论 |
13-22 |
|
1.1 引言 |
13-14 |
|
1.2 车间生产作业调度问题概述 |
14-15 |
|
1.2.1 车间生产作业调度问题的分类 |
14 |
|
1.2.2 车间生产作业调度问题约束条件 |
14-15 |
|
1.3 车间生产作业调度问题研究内容与评价标准 |
15-17 |
|
1.3.1 车间生产作业调度问题研究内容 |
15-16 |
|
1.3.2 车间生产作业调度问题的特点 |
16 |
|
1.3.3 车间生产作业调度方案的评价标准 |
16-17 |
|
1.4 车间生产作业调度问题求解方法概述 |
17-19 |
|
1.4.1 车间生产作业调度问题的建模方法 |
17 |
|
1.4.2 车间生产作业调度的求解算法 |
17-18 |
|
1.4.3 典型智能优化算法简介 |
18-19 |
|
1.5 本课题的研究意义 |
19-20 |
|
1.6 本文的研究内容 |
20-22 |
|
第二章 微粒群优化算法概述 |
22-29 |
|
2.1 微粒群优化算法的起源 |
22-23 |
|
2.1.1 微粒群算法的基本思想 |
22 |
|
2.1.2 微粒群算法的起源 |
22-23 |
|
2.2 微粒群算法的简介 |
23-25 |
|
2.2.1 基本的微粒群求解算法 |
23-24 |
|
2.2.1.1 算法基本原理 |
23 |
|
2.2.1.2 算法的求解流程 |
23-24 |
|
2.2.2 微粒群算法的性能分析 |
24-25 |
|
2.3 微粒群算法与其他进化算法的对比 |
25-26 |
|
2.3.1 与其他进化算法的相同及不同 |
25 |
|
2.3.2 微粒群算法与典型优化算法的对比 |
25-26 |
|
2.4 微粒群算法的研究内容与研究方向 |
26-28 |
|
2.4.1 微粒群算法的研究成果 |
26-27 |
|
2.4.1.1 微粒群算法的改进 |
26-27 |
|
2.4.1.2 微粒群算法的性能分析 |
27 |
|
2.4.2 微粒群算法的研究方向 |
27-28 |
|
2.5 本章小结 |
28-29 |
|
第三章 求解 JSP问题的标准微粒群算法 |
29-42 |
|
3.1 JSP问题的概述 |
29-31 |
|
3.1.1 JSP问题具体描述 |
29 |
|
3.1.2 JSP问题的数学模型的构建 |
29-31 |
|
3.2 PSO求解 JSP问题的编码设计 |
31-33 |
|
3.2.1 JSP问题编码方式简介 |
31-32 |
|
3.2.1.1 编码方式分类 |
31 |
|
3.2.1.2 车间生产作业调度问题编码方式 |
31-32 |
|
3.2.2 PSO求解 JSP问题的编码方式 |
32-33 |
|
3.3 PSO求解 JSP问题的算法设计 |
33-34 |
|
3.3.1 PSO求解 JSP问题速度进化方程 |
33-34 |
|
3.3.2 PSO求解 JSP问题进化方程设计 |
34 |
|
3.3.2.1 改进的进化方程 |
34 |
|
3.3.2.2 基于进化方程的求解过程 |
34 |
|
3.4 标准 PSO求解 JSP问题的应用 |
34-40 |
|
3.4.1 标准 PSO算法对 FT06问题的求解 |
34-37 |
|
3.4.1.1 标准 PSO算法对 FT06问题的求解结果 |
34-36 |
|
3.4.1.2 标准 PSO问题求解 FT06结果分析 |
36-37 |
|
3.4.2 标准 PSO算法的改进 |
37-38 |
|
3.4.3 改进的标准 PSO算法求解 FT06问题 |
38-40 |
|
3.4.3.1 改进的标准 PSO求解 FT06问题的结果 |
38-39 |
|
3.4.3.2 改进的标准 PSO求解 FT06结果分析 |
39-40 |
|
3.4.4 算法对比 |
40 |
|
3.5 本章小结 |
40-42 |
|
第四章 求解 JSP问题的棍合微粒群算法 |
42-49 |
|
4.1 混合 PSO算法设计 |
42-44 |
|
4.1.1 混合 PSO算法设计策略 |
42-43 |
|
4.1.2 混合 PSO算法设计 |
43-44 |
|
4.1.2.1 混合 PSO算法种群生成函数设计 |
43 |
|
4.1.2.2 混合 PSO算法变异方式设计 |
43 |
|
4.1.2.3 混合 PSO算法交叉方式设计 |
43-44 |
|
4.1.2.4 模拟退火操作 |
44 |
|
4.2 混合 PSO算法的求解流程 |
44-45 |
|
4.2.1 混合 PSO算法的基本求解过程 |
44 |
|
4.2.2 混合 PSO算法的求解流程图 |
44-45 |
|
4.3 混合 PSO算法求解实例 |
45-47 |
|
4.3.1 FT06问题的求解 |
45-46 |
|
4.3.2 LA01问题的求解 |
46-47 |
|
4.3.3 LA01问题结果分析 |
47 |
|
4.4 本章小结 |
47-49 |
|
第五章 基于微粒群优化的 Flow-shop问题求解 |
49-55 |
|
5.1 Flow-shop问题概述 |
49-51 |
|
5.1.1 Flow-shop问题具体描述 |
49-50 |
|
5.1.2 Flow-shop问题的数学表述 |
50-51 |
|
5.2 Flow-shop问题的求解算法 |
51-52 |
|
5.2.1 Flow-shop问题的传统求解方法 |
51 |
|
5.2.2 求解 Flow-shop问题的 PSO算法 |
51-52 |
|
5.3 Flow-shop问题的具体求解 |
52-54 |
|
5.3.1 Flow-shop问题的求解 |
52-53 |
|
5.3.2 求解结果分析 |
53-54 |
|
5.4 本章小结 |
54-55 |
|
第六章 总结与展望 |
55-57 |
|
参考文献 |
57-60 |
|
作者在攻读硕士学位期间发表的论文 |
60 |
|
| 【DOI】 | LunWen.ID:2.2008.379169 |