检索结果-南通市图书馆

基于果蝇优化算法的分布式置换流水车间调度问题研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于果蝇优化算法的分布式置换流水车间调度问题研究

作者：郭恒伟聊城大学

学位级别：硕士

随着客户需求的多样化和经济全球化的快速发展,生产制造企业面临的市场竞争压力越来越大。为了提高生产效益、降低生产成本,生产制造企业将传统的集中式生产调度扩展到分布式环境中,在不同的地理位置建立多个工厂。分布式置换流水车间... 详细信息

随着客户需求的多样化和经济全球化的快速发展,生产制造企业面临的市场竞争压力越来越大。为了提高生产效益、降低生产成本,生产制造企业将传统的集中式生产调度扩展到分布式环境中,在不同的地理位置建立多个工厂。分布式置换流水车间调度问题(Distributed Permutation Flowshop Problem,DPFSP)属于NP-hard问题,是最困难的组合优化问题之一。DPFSP作为一种分布式生产调度,需要同时处理工厂间的分配和工厂内的工件调度,以达到某个目标的最优。对该问题的研究具有实际意义,受到诸多研究人员的重视。本文利用离散的果蝇优化算法(Fruit Fly Optimization Algorithm,FFO)解决DPFSP问题,根据问题特征设计了高效的群智能优化算法。主要工作内容如下:(1)针对分布式置换流水车间调度问题,建立数学模型,使用FFO对总流经时间(Total flowtime)的目标进行优化。采用基于置换的编码方式,使FFO适应离散问题,设计出离散的果蝇优化算法(Discrete FFO,DFFO)。根据问题特点设计了三种邻域扰动算子用于果蝇个体寻找新的解决方案。针对基本的参考局部搜索方法(Referenced Local Research,RLS),考虑到具有多个相同目标值的情况,提出改进的参考局部搜索方法(Modified RLS,MRLS)。另外,为果蝇算法设计了一种组合更新机制,在保持果蝇种群多样性的同时,提高果蝇种群的质量。采用正交实验对DFFO的参数校准,通过大量的仿真试验,证明了所提算法在解决DPFSP时显著优于其它智能优化算法。(2)针对工业生产中机器的准备时间(Setup Times)会受到工件处理顺序影响的情况,提炼出带序列相关准备时间(Sequence-dependent Setup Times,SDST)的分布式置换流水车间调度问题(Distributed Permutation Flowshop Problem with Sequence-dependent Setup Times,DPFSP/SDST),并以最小化最大完工时间为目标建立数学规划模型。根据DPFSP/SDST问题的特点设计嗅觉搜索机制;为了增强果蝇之间的协作,提出一种差异飞行策略,并利用基于关键工厂和工件块的局部搜索方法改进果蝇的搜索能力。通过仿真试验证明了所提算法的有效性和优越性。(3)考虑到实际的工业生产中,机器故障、工人疲劳、缺勤以及资源限制等不确定因素会影响工件处理时间的情况,在DPFSP/SDST的基础上,考虑了处理时间的不确定性,利用区间场景方法研究了鲁棒的分布式流水车间调度问题。设计了4种有效的启发式方法,并将其用于改进的果蝇优化算法。试验结果表明了所提算法的有效性。(4)在算法研究的基础上,根据某汽车公司发动机连杆加工车间的生产状况,分析了实际存在的序列相关准备时间的分布式置换流水车间调度问题。将所提算法用于该实际案例,验证了所提算法的有效性。最后,对全文的工作进行了总结,并对下一步的研究工作进行了讨论和展望。

关键词：分布式置换流水车间调度序列相关准备时间鲁棒调度果蝇优化算法

基于迭代贪婪算法的分布式置换流水车间调度问题研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于迭代贪婪算法的分布式置换流水车间调度问题研究

作者：韩雪聊城大学

学位级别：硕士

随着制造业的快速增长和全球化的发展,分布式生产模式应运而生。分布式生产模式在提升企业生产效率的同时降低了生产成本,成为了当前企业中十分常见的生产模式。分布式流水车间调度问题是分布式生产模式在工业应用中面临的主要的问题。... 详细信息

随着制造业的快速增长和全球化的发展,分布式生产模式应运而生。分布式生产模式在提升企业生产效率的同时降低了生产成本,成为了当前企业中十分常见的生产模式。分布式流水车间调度问题是分布式生产模式在工业应用中面临的主要的问题。合理的生产调度方案可以起到节约成本,提高生产效率以及节约能源的作用。鉴于此,在分布式调度问题中,最小化最大完工时间(Minimizing Makespan,min)是很多文献中十分常见的优化目标。除此之外,多个工厂由于地理位置的差异,直接或间导致了企业间生产成本的不同。考虑到多个企业间的均衡发展,为促进区域间的协调共进,本文还提出了生产成本平衡的优化目标。在实际生产过程中,由于生产环境的不同以及生产工艺的差异,在传统的分布式置换流水车间调度问题的基础上,还需要同时考虑一种或多种约束。由于约束的复杂性以及问题规模的增加,普通求解方法很难在多项式时间内获得合理且优秀的解。因此,使用智能优化算法对带有约束的分布式置换流水车间调度问题进行研究是十分有意义的。本文主要的研究内容如下:首先,阐述并总结了分布式置换流水车间调度问题(Distributed Permutation FlowShop Scheduling Problem,DPFSP)的研究背景及意义,分析了分布式置换流水车间调度问题的国内外现状。从实际生产需求出发,考虑了序列相关准备时间约束。同时,针对DPFSP的特点,对迭代贪婪算法进行改进,提出了两阶段的迭代贪婪算法。设计大量的实验,验证了所提算法的有效性。其次,在传统分布式置换流水车间调度问题的基础上,同时考虑阻塞和序列相关准备时间约束,针对带有序列相关准备时间的分布式阻塞流水车间调度问题(Distributed Blocking Permutation FlowShop Scheduling Problem with Sequence-Dependent Setup Times,DBFSP＿SDST)进行研究。除此之外,考虑平衡区域发展以及企业间的发展平衡,提出了能耗成本平衡的优化目标。根据上述问题以及研究目标,构建了具有序列相关准备时间的分布式阻塞流水车间调度问题的混合线性整数规划模型。根据问题特性,提出了一种基于可变邻域搜索策略的迭代贪婪算法。最后,针对DBFSP＿SDST,提出了基于群体优化的迭代贪婪算法。该算法针对零缓冲区和多工厂生产模式,设计了基于问题特性的启发式方法;针对迭代贪婪算法的优势和不足,设计了基于群体的局部搜索策略,通过多种邻域搜索结构以及增强的跨工厂破坏重构策略,进一步平衡所提算法的全局探索和局部搜索能力。通过大量的仿真实验,验证了基于群体优化的迭代贪婪算法的优越性。

关键词：分布式置换流水车间调度阻塞约束最小化最大完工时间能耗成本平衡迭代贪婪算法

带机器人约束的分布式置换流水车间调度优化算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

带机器人约束的分布式置换流水车间调度优化算法研究

作者：李文涵山东师范大学

学位级别：硕士

近年来,国家以“互联网+先进制造业”为重要支撑,深入推进实施《中国制造2025》部署的制造强国战略,智能制造业的创新和发展迎来了重大机遇,智能制造技术逐渐应用到制药行业,其中针对调度问题的优化是提高智能制造业生产效能的重要环节... 详细信息

近年来,国家以“互联网+先进制造业”为重要支撑,深入推进实施《中国制造2025》部署的制造强国战略,智能制造业的创新和发展迎来了重大机遇,智能制造技术逐渐应用到制药行业,其中针对调度问题的优化是提高智能制造业生产效能的重要环节。分布式置换流水车间调度问题（Distributed permutation flowshop scheduling problem,DPFSP）是生产制药过程中一种经典的调度问题,从实际加工和调度情况出发,深入了解相关问题先验知识和理论,结合了机器人装卸工件等现实约束,提炼出了带机器人约束的DPFSP,根据问题的结构特性,探索出了改进的迭代贪婪算法（Improved iterated greedy,IIG）,并设计了多种有效的策略。本文研究工作包括以下内容:1.针对带机器人约束的DPFSP,以最小化工厂的最大完工时间为目标,建立了数学规划模型,给出了考虑机器人约束的编码、解码方案。首先在IIG算法初始化阶段,提出了两种分配工件到工厂的方法使初始种群多样化;其次在算法的局部搜索阶段,应用了交换和插入邻域结构以平衡算法搜索解的能力;然后嵌入了模拟退火（Simulated annealing,SA）算法,避免陷入局部最优;最后在毁坏和重构阶段设定了删除工件的规模,测试工件插入位置以确定工件最佳调度序列。2.针对带机器人约束和订单约束的DPFSP,根据求解目标和订单分配的约束建立了数学模型,给出了使同一个订单的工件分配到同一个工厂加工的编码和解码方案,提出了IIG算法进行求解。首先设计了三种分配订单方式;其次使用了多种邻域结构策略以强化局部搜索,融合了SA算法,将其作为接受准则;然后改进了毁坏和重构策略,进一步提高了解的质量,增强了算法的收敛能力;最后比较了不同参数水平的影响。3.在模型和优化算法的基础上,首先以制药业的生产调度为背景构建了仿真算例;然后以最小化生产工厂的最大完工时间为目标,提出IIG算法求解带机器人约束和添加了订单分配约束的DPFSP;最后比较分析了不同算法进行仿真实验的结果,验证了IIG算法解决所提出问题的可行性和有效性。

关键词：分布式置换流水车间调度机器人运输恶化加工时间迭代贪婪算法制药调度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式置换流水车间低碳调度问题

分布式置换流水车间低碳调度问题

作者：卞珺生沈阳大学

学位级别：硕士

随着全球经济一体化的发展,分布式调度已成为企业关注的热点之一,优化分布式置换流水车间的生产效率更是各企业关注的重要研究方向之一。本文旨在解决这一问题,设计一种算法来优化工件分配和排序阶段,从而提高低碳调度的效率。通过本文... 详细信息

随着全球经济一体化的发展,分布式调度已成为企业关注的热点之一,优化分布式置换流水车间的生产效率更是各企业关注的重要研究方向之一。本文旨在解决这一问题,设计一种算法来优化工件分配和排序阶段,从而提高低碳调度的效率。通过本文的研究,期望能够为实际生产提供有益的启示,为企业提高经济效益、提升竞争力提供帮助。首先,为解决分布式置换流水车间工件分配问题,提出了一种考虑低碳问题的分布式置换流水车间调度模型,并采用NEH-D(NEH-DBSCAN)启发式算法进行求解,该算法结合了DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类与NEH算法,将加工时间相近的工件利用DBSCAN算法聚类,从而将加工时间相近的工件分配到相似类簇,并计算类簇均值做代表点,利用NEH算法将类簇排序,从而解决NEH方法计算量较大的问题。再依据该顺序依次将类聚集中的工件平均随机分配到各个工厂,从而得到初始调度串,重复进行类簇内工件分配操作得到初始调度串集,从而解决车间之间负载不平衡的问题。其次,为解决分布式置换流水车间工件排序问题,提出了一种改进的松鼠搜索算法(Fitness Peak Clustering-Improved Squirrel search Algorithm,FPC-SSA)来解决分布式置换流水车间低碳调度问题。该算法结合了适应度峰值聚类算法(Fitness Peak Clustering,FPC)的思想,改进了松鼠算法的搜索策略,以应对松鼠算法容易过早收敛的问题,并解决了橡树样本选择和算法停止条件确定的问题;提出以样本多样性为基础的类簇合并与分裂策略以及松鼠算法普通树交互学习策略,使改进松鼠算法在算法前期重视全局搜索,防止算法过早收敛,算法后期重视局部搜索,加快算法收敛;改进FPC-SSA算法夏季搜索策略,增强算法对解空间的搜索能力;提出季节常数计算策略和FPC-SSA算法冬季随机样本生成策略,从而防止算法陷入局部最优。在某电液控系统制造企业案例和某汽车左侧围外板加工车间的实际工程案例数据上,采用NEH-D算法和FPC-SSA算法解决分布式置换流水车间低碳调度车问题,并于其他方法进行比较。评估结果显示本文的方法具有较好的鲁棒性和准确性,可为工业生产流程优化提供参考。

关键词：分布式置换流水车间调度低碳调度问题 NEH 松鼠算法聚类算法

混合L-SHADE算法及其在分布式车间调度问题中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

混合L-SHADE算法及其在分布式车间调度问题中的应用研究

作者：李泽楷兰州理工大学

学位级别：硕士

在经济全球化的背景下,企业之间的合作日益增多,分布式制造逐渐成为制造业中普遍的生产模式。在分布式制造模式中,高效的调度优化方案不仅可以有效地提升企业综合生产效益,而且能够对分布式生产资源进行整合,从而降低生产成本。分布式... 详细信息

在经济全球化的背景下,企业之间的合作日益增多,分布式制造逐渐成为制造业中普遍的生产模式。在分布式制造模式中,高效的调度优化方案不仅可以有效地提升企业综合生产效益,而且能够对分布式生产资源进行整合,从而降低生产成本。分布式车间调度问题是以不同企业之间的合作生产为背景,研究工件在工厂间的分配方案,确保各工厂内工件的加工顺序对某项指标的最优化。在数学上,分布式车间调度问题已被证明是NP-hard问题。随着生产规模的增大,其求解难度更加复杂,因而分布式生产车间调度问题具有重要的学术意义和实际应用价值。面对较大规模的分布式调度问题,传统方法已无法满足实际生产需求。因此,对于分布式车间调度问题的理论分析及其优化方案的研究依然是该领域的研究热点。L-SHADE算法是基于线性种群规模缩减（Linear Population Size Reduction,LPSR）和成功历史的参数自适应差分进化算法（Success History-based Adaptive Differential Evolution,SHADE）,是差分进化算法系列最有效的家族算法之一。L-SHADE算法因其特有的更新和运行机制以及容易实现等优点受到广泛的关注。本文针对L-SHADE算法进行进一步的分析研究,并通过理论分析和实验深入探究了L-SHADE的优缺点。在L-SHADE算法基础之上进行改进,平衡算法的全局搜索和局部搜索能力,并将其用于解决连续优化问题和流水车间调度问题中。本文的主要研究内容如下:（1）通过对L-SHADE算法研究分析之后发现,它存在进化后期种群停滞和多样性较差以及对参数敏感性高等问题。针对上述问题,本文提出一种基于知识驱动的差分协方差矩阵自适应协同算法（A Knowledge-Based Differential Covariance Matrix Adaptation Cooperative Algorithm,DCMAC）。在DCMAC中,首先提出一种带有动态贪婪值的加权变异策略和基于差分向量的CMA-ES自适应采样机制。同时,利用前一代优化过程中获取的知识来选择变异策略,以在下一代中生成新的候选解。其次,引入一种参数学习机制,通过使用两个正弦公式和柯西分布来平衡DCMAC的探索和开发性能。最后,通过小生境种群规模缩减机制来维持种群的多样性。此外,利用马尔可夫模型分析了DCMAC的收敛性,并且通过实验设计（DOE）验证DCMAC算法中参数的最优组合。在CEC2017标准测试函数上的实验结果证明了DCMAC在解决复杂的连续优化问题的有效性和高效性。（2）针对零等待流水车间调度问题（No-wait Flow Shop Problem,NWFSP）,将DCMAC算法引入到该问题中进行求解。使用Taillard标准测试集对DCMAC进行测试,相比于求解NWFSP的其他经典算法,DCMAC的收敛精度更高。本文还通过假设检验等科学的统计分析方法对仿真实验结果进行分析。（3）针对分布式置换流水车间调度问题（Distributed permutation flow shop scheduling problem,DPFSP）提出一种知识驱动的离散差分进化算法（A Knowledge-Based Discrete Differential Evolution Algorithm for the Distributed Permutation Flow Shop Scheduling Problem,KDDE）。首先提出一种改进的NEH方法来产生有希望的初始解,并采用Taillard加速方法来提高KDDE的运算效率。其次,保留了DE的标准框架,引入新的离散变异策略来提高KDDE的搜索能力。最后,引入基于工厂分配和工件顺序调整机制的四个邻域结构,以确保候选解在搜索过程中可以逃离局部最优。同时,基于知识的优化策略可以自适应的选择当前最合适的邻域搜索机制。通过DOE证明了KDDE算法中参数的最佳组合,并且在标准测试集上的仿真结果表明KDDE优于其他对比算法。

关键词：差分进化算法零等待流水车间调度分布式置换流水车间调度协同算法学习机制