检索结果-南通市图书馆

作者：吴统威大连交通大学

学位级别：硕士

随着市场经济的快速发展,旧的生产模式已经不适应现代化生产的要求,每个企业都在改善生产与运作管理方案,以提高企业的竞争优势。在实际生产中,企业需要对生产作业进行合理的调度安排,以提高企业的生产效益。可见研究车间调度问题具有... 详细信息

随着市场经济的快速发展,旧的生产模式已经不适应现代化生产的要求,每个企业都在改善生产与运作管理方案,以提高企业的竞争优势。在实际生产中,企业需要对生产作业进行合理的调度安排,以提高企业的生产效益。可见研究车间调度问题具有很大的理论意义和现实价值,因而越来越受到人们的关注。车间调度问题是解决如何按时间的先后分配资源来完成不同的生产任务,使预定目标最优化的问题。作业车间调度(Job-Shop调度)问题是许多实际车间调度问题的简化模型,是一个典型的NP-hard问题。本文以遗传算法和蚁群算法为基础,设计了一种新的、用于解决Job-Shop调度问题的遗传蚁群算法。针对Job-Shop调度问题的特点,本文采用了基于工件号排序的编码方式,并尝试将两个算法相互动态融合来求解Job-Shop调度问题。由于Job-Shop调度问题的基于工件号排序产生的染色体不适合交叉繁殖,本文设计了新的单亲繁殖方法,并在繁殖选择、变异时采用了动态调控机制和邻域搜索机理,避免了低效、重复的繁殖变异操作,可以快速地生成优秀染色体;一旦遗传算法变得冗余低效,立即转入蚁群算法,从其中选出适应性最强的染色体分组,并将其转换为蚁群算法中各路径上的信息素分布,利用蚁群算法的分布式、并行性、正反馈、高效性求解车间调度问题;而当蚁群算法性能减弱时,采用算法回调策略,将当前获得的一部分最优集转化为遗传算法的初始种群,利用遗传算法在该最优集中再次搜寻;如果两种算法相互回调都能产生新的最优解,算法将一直持续相互回调,直到两种算法都完全退化没有新进展,整个算法结束并输出最优解。算法回调策略确保了遗传蚁群算法在解空间的充分搜寻。最后,实现了遗传蚁群算法解决车间调度问题的模拟系统,利用Job-Shop问题中经典问题的实例进行测试检验,评估分析了算法的计算效率,并将算法应用到车间调度中,结果显示遗传蚁群算法的全局收敛效率更高,求解速度更快,在车间调度问题上有良好的实用性、高效性。

关键词：遗传蚁群算法单亲繁殖动态融合 Job-Shop调度

来源：