基于改進(jìn)遺傳算法的車間作業(yè)調(diào)度問(wèn)題研究.pdf

1、車間作業(yè)調(diào)度問(wèn)題是企業(yè)實(shí)現(xiàn)高效率、高柔性和高可靠性生產(chǎn)的關(guān)鍵，研究有效實(shí)用的調(diào)度方法和優(yōu)化技術(shù)已成為先進(jìn)制造技術(shù)的基礎(chǔ).本論文對(duì)車間作業(yè)調(diào)度問(wèn)題展開了研究，主要內(nèi)容如下：
　　 第一章為緒論：主要介紹論文研究的背景和意義，論述了研究對(duì)象--車間作業(yè)調(diào)度問(wèn)題的基本定義、特點(diǎn)、主要研究方法以及非柔性車間作業(yè)調(diào)度問(wèn)題和柔性車間作業(yè)調(diào)度問(wèn)題的研究現(xiàn)狀。經(jīng)比較分析，本文采用各方面都有很大優(yōu)勢(shì)的遺傳算法作為本論文的主要求解方法，并對(duì)遺傳算法

2、的基本原理進(jìn)行了闡述.
　　 第二章為基于分區(qū)遺傳算法求解非柔性車間作業(yè)調(diào)度問(wèn)題，首先提出.一種能顯著減少冗余的工序編碼方式--分區(qū)編碼，然后對(duì)于小規(guī)模調(diào)度問(wèn)題，通過(guò)字典法列出分區(qū)編碼的全排列，并采用當(dāng)前可加工工序查找法對(duì)各編碼的可行性進(jìn)行判斷；對(duì)于大規(guī)模調(diào)度問(wèn)題，基于分區(qū)編碼方式，提出一種改進(jìn)遺傳算法--分區(qū)遺傳算法.由于編碼搜索空間較小，通過(guò)經(jīng)典算例驗(yàn)證，證明該算法能明顯提高收斂速度，并獲得更好的優(yōu)化結(jié)果.
　　 第

3、三章為基于嵌套遺傳算法求解柔性車間作業(yè)調(diào)度問(wèn)題.基于機(jī)器分配碼及其對(duì)應(yīng)的分區(qū)編碼，提出了一種嵌套遺傳算法，即在機(jī)器分配碼的確定過(guò)程中嵌入加工順序碼的求解過(guò)程.采用雙碼結(jié)構(gòu)編碼，使個(gè)體意義更明確，避免產(chǎn)生冗余編碼；采用擬水平均勻設(shè)計(jì)方法初始化，使個(gè)體在有限個(gè)數(shù)內(nèi)最大限度地均勻分布，保證群體多樣性；提出一種進(jìn)化環(huán)思想，并基于該思想提出了入侵選擇策略和變動(dòng)概率的變異策略，使種群進(jìn)化分階段進(jìn)行，既保證算法加速收斂，又避免早熟；基于約束理論思想提

4、出瓶頸優(yōu)化交叉方式，使交叉更具有目的性；用兩種判別規(guī)則--基于極限最優(yōu)適應(yīng)度值的判別規(guī)則和基于當(dāng)前最優(yōu)適應(yīng)度值的判別規(guī)則控制算法.通過(guò)對(duì)經(jīng)典算例的對(duì)比分析，驗(yàn)證了該算法具有較好的優(yōu)化質(zhì)量和收斂性能.
　　 第四章為基于神經(jīng)網(wǎng)絡(luò)的遺傳算法參數(shù)設(shè)計(jì).論述了遺傳算法各參數(shù)的作用，采用神經(jīng)網(wǎng)絡(luò)中能以任意精度逼近任何非線性函數(shù)的BP神經(jīng)網(wǎng)絡(luò)對(duì)遺傳算法參數(shù)進(jìn)行設(shè)計(jì).首先對(duì)不同車間調(diào)度問(wèn)題均勻設(shè)計(jì)試驗(yàn)參數(shù)，并通過(guò)大量試驗(yàn)得到各樣本問(wèn)題的最優(yōu)參