基于量子粒子群算法的流程工業(yè)生產(chǎn)計劃研究與實現(xiàn).pdf

1、生產(chǎn)計劃是流程工業(yè)CIMS的核心部分，居于CIMS五個層次的中間，上面連接決策層，下面連接生產(chǎn)過程的監(jiān)督控制層，將企業(yè)決策和實際生產(chǎn)聯(lián)系起來，起著承上啟下的紐帶作用。生產(chǎn)計劃問題是NP-Hard問題，求解比較困難。流程工業(yè)生產(chǎn)計劃問題和高效求解算法的研究一直是學(xué)術(shù)界的熱點課題。量子粒子群算法(QPSO)是一種新興的群體智能優(yōu)化算法，采用波函數(shù)來描述粒子的狀態(tài)，每一個粒子能以某一確定的概率出現(xiàn)在搜索空間中的任一位置，可以在整個可行解空間中

2、進行搜索尋找全局最優(yōu)解，具有較強的全局搜索能力、原理簡單、容易實現(xiàn)等特點，逐漸成為國內(nèi)外研究的熱點。本文結(jié)合QPSO算法來研究流程工業(yè)生產(chǎn)計劃問題。論文的主要工作歸納如下：
　　 1．針對QPSO算法求解約束優(yōu)化問題易陷入局部極值、容易早熟的缺陷，提出了一種基于概率分布變異操作的量子粒子群算法。改進算法能夠增加種群的多樣性、提高算法的全局搜索能力，從而防止陷入局部極值。通過對基準(zhǔn)函數(shù)的仿真測試驗證了改進算法的可行性和有效性。

3、r>　　 2．針對算法運行時間長、運算速度慢的缺陷，提出了一種改進的并行QPSO算法。改進算法在GPU的CUDA(Compute Unified Device Arcbitecture)平臺土運行，引入了GPU部分并行、CPU和GPU并行、GPU全并行三種不同的并行模型，使算法能夠并行地計算適應(yīng)度、更新等操作。通過對基準(zhǔn)函數(shù)的仿真測試驗證了基于GPU全并行模型的改進并行算法是一種高效的算法，能夠極大的提高算法的運行速度。
　　

4、 3．針對流程工業(yè)生產(chǎn)計劃問題，以某化工企業(yè)電化廠為研究對象，建立了以最大化全年利潤為目標(biāo)函數(shù)，綜合考慮儲罐容量、物料平衡、設(shè)備能力、產(chǎn)量計劃等多約束條件的生產(chǎn)計劃問題模型，并采用基于概率分布的改進QPSO算法和基于GPU的改進QPSO算法對該問題進行了求解。結(jié)果證明了模型的可行性以及算法的有效性和高效性。
　　 4．在上述理論工作的基礎(chǔ)上，結(jié)合化工企業(yè)的實際生產(chǎn)情況，設(shè)計并實現(xiàn)了化工企業(yè)生產(chǎn)計劃與車間智能調(diào)度系統(tǒng)。