基于混合微粒群算法求解加工时间不确定的Flow-Shop鲁棒调度问题

摘要

随着全球经济一体化的发展，企业之间的竞争日益激烈。在企业中合理规划生产的运作方式，节约生产成本，成为提高企业竞争力的一个核心问题。而合理规划生产运作方式的核心是能够得到一个最佳的调度方案。因此，研究生产调度问题具有非常重要的理论意义和现实意义。 Flow-shop调度问题(FSSP)即流水车间调度问题，是生产调度问题中一类重要的问题。由于各种原因，在实际生产过程中存在很多不确定性，本文所研究的是一种加工时间不确定的FSSP。在研究的问题中不仅考虑到不确定性存在，而且还能尽量减少在有干扰发生时对结果产生的影响。微粒群算法(Particle Swarm Optimization，PSO)是一种新兴的智能优化算法，具有原理简单，参数少，操作少，容易实现的特点，是一种高效的并行搜索算法。目前微粒群算法已经广泛用于函数优化、人工神经网络训练、组合优化等领域，成为目前进化计算研究的一个新热点。微粒群算法的研究领域不断扩大，也不断深入。本文根据对微粒群算法和其它智能优化算法的研究，提出一种混合微粒群算法，用来处理加工时间不确定的FSSP，主要做了以下工作： (1)分析了当前微粒群算法的原理和特点以及参数选择等，总结了已有的改进方法。针对微粒群算法的特点提出了一种混合微粒群算法，该算法利用其他两种算法的优势弥补了微粒群算法的缺陷。 (2)针对加工时间不确定的FSSP，提出了一种鲁棒makespan指标，通过这个指标，对两个相互冲突的目标进行折衷，从而能够得到既有鲁棒性又兼顾makespan的调度方案。基于提出的鲁棒makespan指标，对单目标和双目标的FSSP做了研究，用混合微粒群算法做了仿真实验，并和其他算法做了对比。仿真结果验证了该算法的优势。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.2生产调度问题特点及分类

1.2.1生产调度问题的特点

1.2.2生产调度问题的分类

1.2.3生产调度问题常用的性能指标

1.3生产调度中的不确定性及调度方案

1.3.1不确定因素分析

1.3.2不确定条件下的生产调度方案

1.4生产调度问题算法概述

1.4.1经典调度理论及方法

1.4.2基于人工智能技术的调度方法

1.5本课题的研究背景

1.6论文的内容安排

1.7本章小节

第2章混合微粒群算法

2.1微粒群算法基本原理

2.1.1仿生学和智能优化算法

2.1.2微粒群算法的起源

2.1.3微粒群算法的基本原理

2.1.4微粒群算法参数设定原则

2.1.5微粒群算法的改进

2.1.6微粒群算法的特点

2.2混合微粒群算法设计

2.2.1算法的提出

2.2.2算法的具体设计

2.2.3算法流程

2.2.4算法参数选择原则

2.2.5对参数选择的仿真验证

2.3本章小节

第3章基于混合微粒群算法处理加工时间不确定Flow-Shop鲁棒调度问题

3.1引言

3.2加工时间不确定的Flow-Shop调度问题(FSSP)

3.2.1模糊数的操作

3.2.2问题描述

3.2.3鲁棒目标函数设计

3.3基于混合微粒群算法处理加工时间不确定的单目标鲁棒FSSP

3.4基于混合微粒群算法处理加工时间不确定的双目标鲁棒FSSP

3.4.1多目标问题处理方法

3.4.2带约束多目标问题数学模型

3.4.3加工时间不确定的鲁棒FSSP数学模型

3.4.4处理多目标优化问题的方法

3.4.5仿真实验与分析

3.5本章小节

第4章总结与展望

4.1总结

4.2展望

参考文献

致谢

攻读硕士学位期间已发表的学术论文

攻读硕士学位期间参加的学术活动