基于量子遗传算法的生产计划智能调度研究

摘要

纺织企业生产流程复杂，目前其生产多处于半自动化程度，在实际的生产管理中主要依靠经验丰富的管理人员和调度人员。并且纺织企业由于订单多，产品种类多，其生产计划难以编制，一般都是手工编制生产计划。传统的手工编制生产计划存在效率低，准确度不高，易于延误交货期等缺陷。为了适应快节奏的现代化生产和激烈的市场竞争，本文将生产计划智能调度应用到纺织企业中，针对纺织企业的生产计划问题，建立其数学模型，采用量子遗传算法进行求解，并且改进量子遗传算法，实现对纺织企业生产计划智能调度的模拟优化。 首先，本文系统的研究了运用量子遗传算法求解多目标置换Flow Shop调度问题的方法。以makespan和最小化拖期时间作为调度目标函数，对目标函数采用随机权的评价方法，增加了算法的搜索方向，并详细的讨论了多目标置换Flow Shop调度问题的量子遗传算法求解的相关技术，包括编码方法、适应度函数、算法参数、初始化种群、量子旋转门、量子交叉和量子变异等操作的设计。为了进行比较，分别用遗传算法和量子遗传算法对同一个置换Flow Shop调度问题实例进行求解。研究结果表明置换Flow Shop调度问题的量子遗传算法求解具有种群规模小，遗传操作简单、寻优性能好的特点．其次，研究了混合Flow Shop调度问题，给出了混合Flow Shop调度问题的数学模型，并提出了一种改进的量子遗传算法。针对混合Flow Shop调度问题的特点，引入分隔符向量，设计了一种新的编码方案，使搜索空间包含混合Flow Shop调度问题的所有半活动调度；在单点交叉过程中进行基于分隔符向量的量子交叉，简化了交叉过程。给出了改进量子遗传算法优化混合Flow Shop调度问题的实例，并将求解结果和标准遗产算法的求解结果进行比较，结果表明了用改进的量子遗传算法求解混合Flow Shop调度问题的优越性和有效性。再次，针对毛纺企业的生产特点，将毛纺企业的生产计划问题简化为置换混合Flow Shop调度问题，给出其数学模型，并将其应用到浙江宁波雅戈尔毛纺厂毛纺车间的生产计划模拟优化调度中。在此基础上，以订单的交货期为调度目标研究了其量子遗传算法的求解方法和面向订单变化的动态调度方法，并给出了计算实例。运算结果表明了该模型的正确性和算法的有效性，因此该算法对毛纺企业的生产计划的制定有极大的帮助，具有重要的现实意义。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题研究的背景和意义

1.2 生产调度理论概述

1.2.1 生产调度问题简介

1.2.2 Job Shop和Flow Shop问题

1.2.3 调度问题性能指标

1.3 多目标调度问题概述

1.4 智能优化方法概述

1.5 本文的主要工作

第二章 量子遗传算法

2.1 量子计算基础知识

2.2 量子遗传算法简介

2.2.1 量子位编码

2.2.2 量子旋转门

2.2.3 量子交叉和量子变异

2.3 量子遗传算法设计流程

2.4 量子遗传算法的研究现状

2.5 小结

第三章 多目标Fiow Shop调度算法模型设计及实例计算

3.1 置换Flow　Shop调度模型的建立

3.1.1 置换Flow Shop调度问题数学模型

3.1.2 适应值函数设计

3.1.3 多目标下解的评价

3.2 改进的遗传算法优化置换Flow Shop调度问题

3.2.1 编码和初始种群

3.2.2 随机联赛选择

3.2.3 自适应交叉和变异

3.2.4 改进的遗传算法的程序流程图

3.3 量子遗传算法优化置换Flow Shop调度问题

3.3.1 置换Flow Shop调度问题的量子位编码

3.3.2 灾变操作

3.3.3 量子门旋转的设计

3.3.4 量子交叉和变异算子设计

3.3.5 量子遗传算法的程序流程图

3.4 计算实例及结果分析

3.5 小结

第四章 混合Flow Shop车间调度算法模型设计及实例计算

4.1 混合Flow Shop车间调度模型

4.2 混合Flow Shop调度的量子遗传算法模型的设计

4.2.1 混合Flow Shop调度编码方式

4.2.2 解码

4.2.3 适应度函数设计

4.2.4 分段量子旋转门操作

4.2.5 量子交叉操作设计

4.2.6 量子变异操作设计

4.2.7 HFSP量子遗传算法流程图

4.3 计算实例及结果分析

4.4 小结

第五章 对雅戈尔毛纺厂的毛纺车间的模拟生产优化调度

5.1 引言

5.2 毛纺企业生产特点

5.2.1 企业的生产组织原则

5.2.2 企业的生产类型

5.2.3 企业的生产计划

5.3 YOUNGOR生产管理ERP简介

5.4 毛纺车间生产计划调度

5.4.1 问题描述及其数学模型

5.4.2 量子遗传算法设计

5.4.3 计算实例

5.5 小结

第六章 总结及展望

6.1 本文的主要工作

6.2 进一步工作的展望

参考文献

攻读硕士学位期间发表的学术论文

致谢