改進(jìn)的自適應(yīng)遺傳算法在知識庫中的應(yīng)用研究.pdf

1、當(dāng)今社會，各種調(diào)度規(guī)則與人工智能技術(shù)的結(jié)合已經(jīng)成為目前調(diào)度問題研究的熱點(diǎn)?；谥R庫的調(diào)度是在一個群體中，建立知識庫實(shí)現(xiàn)優(yōu)化，作為一個關(guān)鍵模塊，調(diào)度規(guī)則與知識庫結(jié)合是整個先進(jìn)生產(chǎn)制造系統(tǒng)實(shí)現(xiàn)管理技術(shù)、運(yùn)籌技術(shù)、優(yōu)化技術(shù)、自動化與計(jì)算機(jī)技術(shù)發(fā)展的核心。有效的調(diào)度方法和知識庫優(yōu)化技術(shù)的研究與應(yīng)用，是實(shí)現(xiàn)先進(jìn)制造和提高生產(chǎn)效益的基礎(chǔ)和關(guān)鍵。改善調(diào)度方案，可大大提高生產(chǎn)效益和資源利用率，進(jìn)而增強(qiáng)企業(yè)的競爭能力。將優(yōu)化方法的理論研究引入到車間生產(chǎn)

2、調(diào)度領(lǐng)域中，改進(jìn)算法性能、拓寬算法應(yīng)用領(lǐng)域、完善算法體系，是一個同時具有理論意義和應(yīng)用價(jià)值的課題，具有重要的意義。 本文針對自適應(yīng)遺傳算法在求解作業(yè)車間調(diào)度問題時前期收斂速度慢和容易陷入局部最優(yōu)的不足，引用一種依賴于進(jìn)化時間的時間算子，從而克服了自適應(yīng)遺傳算法交叉和變異概率無法隨進(jìn)化時間做相應(yīng)調(diào)整的缺陷。并在算法結(jié)構(gòu)上采用了分層結(jié)構(gòu)，可以充分體現(xiàn)調(diào)度問題的特性，在提高收斂速度的同時保持種群的多樣性，避免早熟。同層結(jié)構(gòu)內(nèi)的子種群針

3、對作業(yè)車間調(diào)度問題的自身特點(diǎn)，分別以時間最優(yōu)和成本最優(yōu)兩個目標(biāo)同時進(jìn)化；層與層之間采用基本遺傳算法。系統(tǒng)地研究了調(diào)度和知識庫的理論及其發(fā)展?fàn)顩r，針對某制造企業(yè)車間生產(chǎn)控制中存在的問題提出了一種具有完善的理論和可靠的實(shí)踐基礎(chǔ)、可行性較高的解決方案，設(shè)計(jì)并實(shí)現(xiàn)了一個車間調(diào)度知識庫系統(tǒng)平臺。深入研究了調(diào)度和知識庫理論的優(yōu)化算法模型，將提出的改進(jìn)算法用Muth and Thompson基準(zhǔn)問題測試，結(jié)果表明，該算法具有較高的優(yōu)化效率，提高了解的