利用混合多目标智能算法求解柔性流水车间调度问题

摘要

生产调度水平是现代制造业生产经营过程能否稳定高效运行的一个重要因素。在归纳国内外对于车间调度和多目标优化问题研究的基础上,本文使用带有精英策略的非支配排序遗传算法(NSGA2)进行多目标车间调度问题的优化。
　　本文结合实际的生产车间环境,建立了包含完工时间和延迟时间在内的多目标柔性流水车间调度模型。针对在使用NSGA2算法求解多目标优化问题时,NSGA2算法的计算效率和收敛速度、参数的设置及早熟现象,文章从两个方面对NSGA2算法进行了改进,得到了FLC-NSGA2算法和L-NSGA算法。FLC-NSGA2算法在NSGA2算法中加入了模糊逻辑控制器,用来改变交叉和变异概率,提高算法的性能;L-NSGA算法用Lorenz支配关系替换原算法中的Pareto支配关系,减小NSGA2算法非支配平面的范围。
　　文中分别采用上述三种算法求解多目标柔性流水车间,并对计算结果进行比较、分析,直观地显示了FLC-NSGA2算法和L-NSGA算法比NSGA2算法具有更强的搜索能力和更高的效率,对于生产实践具有很强的指导作用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 车间调度问题研究现状

1.3 本文的结构及研究内容

第二章 车间调度问题的研究

2.1 车间调度问题的描述

2.2 流水车间调度问题

2.3 车间调度问题的研究方法

2.4 车间调度问题现有的调度系统

2.5 本章小结

第三章 多目标优化问题的相关理论

3.1 多目标优化的基本概念

3.2 多目标优化的Pareto平面及其算法

3.3 多目标优化的测量标准

3.4 多目标遗传算法理论

3.5 本章小结

第四章 利用混合多目标智能算法求解柔性流水车间调度问题

4.1 柔性流水车间的问题描述及数学建模

4.2 NSGA2算法的基本理论

4.3 基于NSGA2的两种改进算法

4.4 本章小结

第五章 计算结果及分析

5.1 开发环境及数学模型

5.2 测试数据及测量标准

5.3 计算结果及分析

5.4 本章小结

第六章 总结与展望

6.1 本文总结

6.2 展望

参考文献

攻读学位期间取得的研究成果

致谢