智能技术在生产调度及优化排产中的应用研究

摘要

在诸多的优化算法中,遗传算法(Genetic Algorithms,GAs)是一种很有前途的随机优化算法,它具有非线性性和并行处理等优点.但传统的简单遗传算法(SGA)存在着以下问题:1.SGA不可能找得到全局最优解;2.收敛速度较慢;3.由于交叉、变异操作中的随机性,优良模式经常被破坏,导致遗传算法反复波动.该论文针对SGA在求解组合优化和函数优化问题时存在的缺陷进行了改进,提出了一种新的、基于最优模式的遗传算法(BSGA),该算法将最优模式信息引入到交叉、变异算子中,从而减少了操作中的盲目性,提高了父代优良模式的生存概率.

目录

文摘

英文文摘

一 计算机集成制造系统概况

§1.1 CIMS概述

1.2 CIMS的发展与展望

§ 1.3生产调度及优化排产在CIMS中的地位和实现方法

§ 1.4智能算法及其在生产计划与优化排产中的应用

§1.5本文主要研究内容

第二章遗传算法原理及其应用

§2.1遗传算法的产生和发展

§ 2.2遗传算法的生物遗传学基础

§2.3遗传算法的基本原理与模式理论(Schema Theorem)

§2.4遗传算法的实现与主要算子介绍

§2.5遗传算法在生产计划优化中的应用

第三章改进型遗传算法在优化问题中的应用

§3.1改进型遗传算法综述

§3.2基于改进型交叉算子遗传算法的实现与仿真

§3.3基于自适应交叉、变异概率遗传算法的实现与仿真

§3.4基于杰出个体保护策略(Elitist Strategy)遗传算法的实现与仿真

§ 3.5本章小结

第四章基于最优模式改进型遗传算法的应用

§4.1引言

§4.2基于最优模式遗传算法的提出

§4.3基于最优模式改进型遗传算法

§4.4实验函数及仿真结果

§4.5基于最优模式遗传算法在大规模资源分配中的应用

§4.6本章小结

第五章遗传算法在Job-Shop中的应用

§5.1问题的描述

§5.2遗传算法在调度问题中的应用

§ 5.3 Job-Shop模型

§5.4实验与仿真

§ 5.5本章小结

结束语

致 谢

参考文献