基于进化算法的多目标柔性作业车间调度问题研究

摘要

在新一轮技术革命的背景下，市场需求正在向个性化和多样化转变，企业不得不被迫接受多品种、中小批量的生产方式。这种离散的生产方式造成了生产作业过程中信息的复杂性和不易控制性，容易造成商品质量得不到保证，不能按期交货，经济效益降低等问题。鉴于此，柔性作业车间调度问题已成为实际复杂制造系统中一个重要发展趋势。 本文首先介绍柔性作业车间调度的研究现状以及其应用进化算法的具体应用方法。然后对多目标柔性作业车间调度进行了详细介绍，构建以最大完工时间最小、机器最大负荷最小以及机器总负荷最小为优化目标的数学模型，并分析了使用遗传算法的原因。最后我们改进了遗传算法并应用于不同情况下的柔性作业车间调度问题。本文的主要工作如下： （1）针对多目标柔性作业车间调度问题使用遗传算法会产生非法解的问题，对基于精英策略的非支配排序遗传算法（Nondonminited Sorting Genetic AlgorithmⅡ，NSGA-Ⅱ）进行改进，加快了寻优速度，并通过多个基准实例验证了其有效性。通过大量实验分析了改进NSGA-Ⅱ算法中参数在多目标柔性作业车间调度问题的变化规律。 （2）针对目前没有大规模柔性作业车间调度问题数据集的问题，分析其对实际工业制造的重要意义并介绍如何设计产生大规模柔性作业车间调度问题的数据集。为避免因数据规模增大而使算法陷入局部最优的问题，提出一种改进的多种群NSGA-II算法，并使用生成的大规模柔性作业车间调度问题的数据集验证其算法的有效性与可行性。

目录

声明

第一章 绪论

1.1 课题的研究意义

1.2 柔性作业车间调度问题的研究现状

1.3 研究理论与方法

1.4 本文组织结构

第二章 柔性作业车间调度模型与遗传算法

2.1 柔性作业车间调度问题的描述及其分类

2.1.1 柔性作业车间调度问题的描述

2.1.2 柔性作业车间调度问题的分类

2.1.3 柔性作业车间调度问题的特点

2.2 多目标柔性作业车间调度问题的描述

2.2.1 模型参数及决策变量设置

2.2.2 多目标柔性作业车间调度的模型构建

2.2.3 模型的约束条件

2.3 遗传算法

2.3.1 遗传算法的概述

2.3.2 遗传算法的优点

2.4 本章小结

第三章 基于NSGA-II算法的多目标柔性作业车间调度问题研究

3.1 NSGA-II算法

3.1.1 NSGA-II算法的概述

3.1.2 快速非支配排序

3.1.3 拥挤度距离

3.1.4 精英保留策略

3.1.5 NSGA-II算法的优缺点

3.2 改进的NSGA-II柔性作业车间调度问题

3.2.1 基于工序与机器的分段编码

3.2.2 快速选择与随机选择初始化

3.2.3 基于工序与机器的分段交叉

3.2.4 基于工序与机器对应变异

3.2.5 改进算法描述

3.3 参数实验

3.3.1 可行性实验

3.3.2 初始种群大小与收敛代数关系实验

3.3.3 迭代次数与初始种群对运行时间变化实验

3.3.4 交叉概率与迭代次数关系实验

3.3.5 变异概率与迭代次数关系实验

3.4 基准实例测试

3.5 本章小结

第四章 基于多种群NSGA-II的大规模柔性车间调度问题研究

4.1 大规模柔性作业车间调度问题数据集

4.1.1 大规模数据的意义

4.1.2 数据设置说明

4.1.3 大规模数据生成方法

4.2 改进多种群NSGA-II算法

4.2.1 相关遗传操作

4.2.2 定向进化策略

4.2.3 改进算法描述

4.3 实例测试

4.4 本章小结

第五章 总结与展望

5.1工作总结

5.2 未来展望

附录

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢