| 【中文题名】 | 基于微粒群算法的车间调度问题研究 |
| 【英文题名】 | Production Scheduling Method Based on Partticle Swarm Optimization Algorithm |
| 【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】 | 2007-11-6 |
| 【中关键词】 | 生产调度,Flow-shop调度,Job-shop调度,微粒群算法,, |
| 【英关键词】 | production scheduling,particle swarm optimization algorithm,Flow-shop scheduling,Job-shop scheduling, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>自动生产作业线> |
| 【论文摘要】 |
计算机集成制造系统(CIMS)在制造业的广泛实施带来了良好的经济效益。生产计划与调度是实施CIMS工程中的一个重要组成部分，它对企业生产管理与控制有着重要的影响。调度问题是组合优化问题，属于NP问题，难以用常规优化方法求解。而算法研究是生产调度问题的一个重要的研究内容。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。
微粒群优化算法(Particle Swarm Optimization，PSO)源于鸟群和鱼群群体运动行为的研究，是继蚁群算法提出之后的又一种新的进化计算技术，具有典型的群体智能的特性。作为近年来的新兴算法，它已经引起了控制界、计算机界等学者的广泛关注。
本文应用微粒群算法求解复杂的生产调度问题。首先对生产调度的基本内容、发展状况进行了描述，总结了以前对调度问题的各种求解方法。然后分别介绍了微粒群算法的理论基础，Flow-shop调度问题和Job-shop调度问题的描述、研究策略。最后设计了应用于求解生产调度问题的微粒群算法，给出了具体实例，通过仿真验证了其应用于求解生产调度问题的可行性和有效性。
在本论文取得的主要研究成果有：
... |
| 【论文题纲】 |
|
摘要 |
5-7 |
|
ABSTRACT |
7-11 |
|
第一章 绪论 |
11-23 |
|
1.1 引言 |
11-12 |
|
1.2 生产调度问题 |
12-13 |
|
1.3 车间调度问题 |
13-20 |
|
1.3.1 车间调度问题的描述 |
13-14 |
|
1.3.2 车间调度问题的特点和分类 |
14-15 |
|
1.3.3 车间调度问题的研究方法及策略 |
15-19 |
|
1.3.4 车间调度研究存在的问题及发展趋势 |
19-20 |
|
1.4 微粒群算法在生产调度领域的研究现状 |
20-21 |
|
1.5 论文研究的研究意义 |
21-22 |
|
1.6 论文的主要研究内容 |
22-23 |
|
第二章 微粒群优化算法 |
23-31 |
|
2.1 引言 |
23 |
|
2.2 基本原理 |
23-26 |
|
2.2.1 基本算法 |
23-24 |
|
2.2.2 算法流程 |
24-26 |
|
2.2.3 参数分析 |
26 |
|
2.2.3.1 惯性参数 |
26 |
|
2.2.3.2 加速参数 |
26 |
|
2.3 微粒群算法的研究现状 |
26-29 |
|
2.3.1 算法的改进 |
26-28 |
|
2.3.1.1 与其他理论结合的改进 |
26-27 |
|
2.3.1.2 与其他算法结合的改进 |
27-28 |
|
2.3.2 算法的应用 |
28-29 |
|
2.4 微粒群算法研究的发展趋势 |
29-30 |
|
2.5 本章小结 |
30-31 |
|
第三章 基于微粒群算法的Job-shop调度方法 |
31-44 |
|
3.1 引言 |
31 |
|
3.2 Job-shop调度问题描述 |
31-33 |
|
3.3 求解Job-shop调度问题的微粒群算法设计 |
33-42 |
|
3.3.1 编码方式 |
33-36 |
|
3.3.2 算法的设计 |
36-39 |
|
3.3.2.1 设计微粒表示方法的关键问题 |
36-37 |
|
3.3.2.2 PSO求解JSP问题速度进化方程 |
37-39 |
|
3.3.3 算法的流程 |
39 |
|
3.3.4 算法的应用 |
39-41 |
|
3.3.5 求解结果的分析 |
41-42 |
|
3.4 本章小结 |
42-44 |
|
第四章 基于微粒群算法的Flow-shop调度方法 |
44-54 |
|
4.1 引言 |
44 |
|
4.2 Flow-shop调度问题描述 |
44-45 |
|
4.3 流水车间调度问题的启发式算法 |
45-47 |
|
4.4 求解Flow-shop调度问题的微粒群算法设计 |
47-53 |
|
4.4.1 算法的设计 |
48 |
|
4.4.2 算法的流程 |
48-51 |
|
4.4.3 算法的应用 |
51-52 |
|
4.4.4 求解结果的分析 |
52-53 |
|
4.5 本章小结 |
53-54 |
|
第五章 智能生产计划与调度系统 |
54-62 |
|
5.1 引言 |
54 |
|
5.2 系统功能模块 |
54-57 |
|
5.2.1 生产计划模块 |
54-55 |
|
5.2.2 调度管理模块 |
55-56 |
|
5.2.3 智能计划与调度算法库 |
56-57 |
|
5.3 系统总体设计 |
57-61 |
|
5.3.1 系统开发环境 |
57 |
|
5.3.2 系统框架与界面 |
57-61 |
|
5.3.2.1 系统总体框架 |
57-58 |
|
5.3.2.2 系统的界面 |
58-61 |
|
5.4 本章小结 |
61-62 |
|
第六章 总结与展望 |
62-65 |
|
6.1 论文的研究成果 |
62-63 |
|
6.2 进一步的研究工作 |
63-65 |
|
参考文献 |
65-71 |
|
致谢 |
71-72 |
|
作者读研期间参与的科研项目与发表的论文 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.386341 |
