一、有优先顺序约束的单件车间调度问题的一种启发式算法(论文文献综述)
魏占慧[1](2020)在《考虑学习效应的零等待流水车间调度问题研究》文中进行了进一步梳理零等待流水车间调度问题是流水车间调度问题的重要分支,工件加工过程中零等待的约束更贴近钢铁炼制、生物制药、化学加工等对环境高要求的加工环节。工人是生产加工过程中的操作主体,在生产调度环节考虑工人的学习效应对生产周期的影响,有利于调度方案趋于科学高效。本文以轧辊的加工工艺流程为背景,构建了两种不同的流水车间生产调度模型,考虑了基于位置的学习效应和工件在加工过程中零等待的约束条件,论文的主要研究工作和创新点如下:(1)研究了考虑学习效应的零等待置换流水车间调度问题,建立了问题的数学模型,设计了遗传-路径重连搜索算法(GA-PR),仿真实验验证了算法的求解性能。本文考虑的学习效应是基于工件加工位置的截断函数,工件的加工时间减小到一定程度后趋于稳定状态。工件零等待的强制约束要求决策变量包括工件的加工顺序和开始加工时间。GA-PR算法在遗传算法的基础上加入精英保留策略、路径重连算子和局部搜索算子,保证算法的优化方向,加强种群多样性,加快算法的寻优速度。仿真实验表明混合算法在鲁棒性、求解效果和收敛速度等方面明显优于对比算法。(2)研究了考虑学习效应的零等待混合流水车间调度问题,设计了自适应遗传-共生生物搜索算法(AGA-SOS),通过仿真实验验证了AGA-SOS算法的求解效果。学习效应沿用基于工件加工位置的截断函数。所研究问题的目标是最小化制造跨度时间,问题的决策变量包括工件的机器分配、工件在第一道工序中的加工序列和开始加工时间。在AGA-SOS算法中,自适应性由迭代次数和适应度函数两方面共同决定。改进算法将基于轮盘赌的互利共生算子、偏利共生算子和寄生算子与自适应遗传算法相结合,优化寻优效果。仿真实验表明改进算法在稳定性和寻优效率等方面优于对比算法。研究考虑学习效应的零等待流水车间调度问题,设计更高效的搜索算法,帮助企业提高产能、降低成本,有深刻的理论研究价值和应用实践价值。
包建军[2](2020)在《农机制造车间混流生产线平衡优化和物料配送研究》文中研究表明随着智能制造的快速发展,我国农机制造的生产方式由传统的手工式生产向“智能制造”方向迅速发展,生产模式由原来的大批量少品种生产向小批量多品种生产进行转变,因此,现代农机制造车间的作业布局规划令生产线满足每日产能要求和最终交货时间的同时,更需要适应现代农机生产的特点。现代农机制造正在进入新的发展时期,生产成本、产品质量、成品交货期决定了农机制造企业的发展,而这些因素取决于生产资源是否配置合理、生产线是否均衡作业、物料配送是否高效,即能否做到生产资源的合理配置和及时优化。在此背景下,混流生产线成为实现这种转变的有效途径。混流生产线的规划主要包含两个方面,一是混流生产线平衡优化,二是混流生产线的运行优化,即物料配送优化。本文将针对S企业制造车间多种产品的混流生产设计相应的混流生产线并进行优化,主要研究内容如下:(1)首先分析S企业制造车间产品特点,并通过价值流图析技术以及精益工具,识别影响生产效率的主要因素;接着对四种具有混流生产特性的产品生产线进行分析和优化,首先计算综合作业时间和绘制作业任务优先图,运用启发式算法对产品混流生产线进行了初步构建;然后通过计算各工序在产品生产期内需要完成的实际工作量,对平衡方案进行了进一步优化,即工序同期化;最后确定了四种产品在各工位的标准作业工时,并对优化方案进行了评价,最终在对混流生产线平衡优化的同时得到了各工位最优的平衡方案,解决了车间生产线负荷不均衡的问题。(2)完成产品混流生产线初步设计和进一步平衡优化之后,接着对混流生产线的物料配送进行优化。在已构建混流生产线基础上,考虑多向图的车辆路径问题,以车辆行驶里程最短和车辆装载率最高为优化目标,设计了一种能满足多个生产工位物料需求的动态联合物料配送方案,该方案首先构建多目标VRP(Vehicle Routing Problem)非线性规划模型,接着设计蚁群算法对模型进行求解,所设计的蚁群算法在状态转移概率、信息素更新等环节进行了优化,以此提高了模型最优路径求解的全局搜索能力,最后,通过仿真实验证明了该算法的有效性,并为后续多品种混流生产线仿真与验证提供了数据支撑。(3)完成混流生产线的物料配送优化后,通过Flexsim仿真软件建立了混流生产线优化方案的仿真模型,通过运行模型对优化方案进行了最终验证和评价。本文中提出的各种优化方法,不仅对农机制造企业混流生产线平衡和物料配送问题的优化具有理论指导作用,也能为其他制造企业的混流生产线优化提供借鉴和参考意义。
金博[3](2020)在《面向零件族的工艺规程设计与柔性作业车间调度问题研究》文中研究表明当前我国经济处于转型升级向高质量发展的时期以及在全球向智能制造变革背景下,制造业中的许多中小企业面临的市场形势发生较大变化,多品种、中小批量的市场需求成为常态。在这种形势下企业生产系统如何有效组织生产满足市场需求,降低生产成本,提高生产效率,成为众多中小企业亟待解决的问题。本文以某电机公司机械加工车间为研究对象,从工序集中优化的角度出发,提出采用成组技术对多品种零件进行成组分类,并以分类成组的零件为基础采用复合零件法设计相应零件族的工艺规程,对零件族工艺路线进行优化。并以零件族工艺路线为工序约束条件,建立以完工时间、机器总负荷、加工成本的多目标柔性作业车间调度问题的模型并对其求解算法展开研究。最终通过实例验证模型和算法的有效性,为实现减少生产准备时间、缩短多品种的在制品时间和提高生产效率提供参考依据。本文主要研究内容如下:首先,基于电动机壳体类零件的数控加工生产线规划设计要求和生产图纸,通过对零件分类研究,采用成组技术将零件成组分类,得到不同类型的零件族,然后采用复合零件法优化各零件族加工工艺,其中为每种零件族设计了两种工艺规程方案,通过对主要技术指标的综合比较,从中选择最优方案,从而得到零件族的最优工艺路线,为车间调度提供工艺约束。其次,为使构建的生产调度模型更加符合机械加工车间的实际生产状况,本文构建以完工时间、机器总负荷、加工成本为优化目标的多目标柔性作业车间调度调度模型。然后,本文针对模型的求解算法选用和设计问题,描述了带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)对多目标问题的优秀求解能力;基于NSGA-Ⅱ算法运行的机理,设计符合本文遗传操作的染色体编码和解码方式、选择操作、交叉算子和变异算子,最终使得算法求解获得Pareto解。最后,基于机械加工车间各零件族最优加工工艺路线时间信息,对其整理分析设计调度算例,借助matlab软件对NSGA-Ⅱ算法编程实现仿真计算;针对优化阶段得到的多组Pareto解,利用层次分析法(AHP)帮助决策者选出满意的调度方案。结果表明本文的研究对缩短该车间的完工时间和降低生产成本是有效的。
刘苑婷[4](2020)在《工件具有入树优先约束的作业车间调度算法》文中研究表明如今,企业在市场中得以生存和发展的核心竞争力向产品多样性和个性化转变,为了提升企业经济效益,制造系统的调度问题备受关注。工件具有in-tree优先约束的作业车间调度问题(Job-shop Scheduling Problem,JSP)是当前制造领域常见的调度问题,普遍存在于装配型离散制造车间和多品种小批量生产车间中。该JSP受到工件层面和工序层面的双重生产顺序约束,在实际调度中常出现在制品库存过高的问题,是比经典JSP更为复杂的NP-hard问题。本文在对JSP和优化算法进行了较为深入的理论和应用研究的基础上,为工件具有in-tree优先约束的JSP设计了有效的算法。本文主要创新点及其相关工作内容总结如下:1.本文对近70年内JSP的研究成果进行梳理和总结后发现:遗传算法应用最为广泛和可行;逆序调度可有效控制在制品库存;对工件具有in-tree优先约束的JSP以及使用逆序调度解决JSP的研究仍比较少。针对在实际生产车间中遇到的主要痛点,结合各优化算法的优缺点,本文选择设计遗传算法和逆序调度相结合的算法,以解决工件具有in-tree优先约束的JSP。2.针对降低在制品库存的调度目标,本文总结出4个合适的调度性能评价指标。3.工件具有in-tree优先约束的JSP约束关系复杂,为了对工件内部和外部的生产顺序约束关系进行梳理,本文提出基于销售订单对所有工件构建树形图和分层。分层后,同一层级内的工件之间不存在生产顺序约束,将工件之间的in-tree优先约束简化为各层工件集合之间的链式优先约束。在此基础上:对工件具有in-tree优先约束的JSP进行描述,并建立数学模型;结合逆序调度的思想,构造算法框架,其核心是针对本文问题设计的in-tree-JSP逆序遗传算法。4.针对本文问题的特点,对in-tree-JSP逆序遗传算法的主要设计有:重新定义了基于工序的编码方式,并提出逆序的工序插入方法作为解码方式,以解码得到在制品库存更少和生产周期更短的调度方案;提出基于工件和基于销售订单的随机初始化方式,前者生成的初始种群具有较好的多样性和优良个体,后者生成的初始种群在最大化完工同步性上表现突出;提出基于工件的邻域搜索变异算子对染色体进行变异操作,以提高算法的局部搜索能力。最后,使用Python编程实现in-tree-JSP逆序遗传算法,应用实例进行验证。结果表明,in-tree-JSP逆序遗传算法具有良好的收敛性、可行性和有效性,缩短了原生产车间44.29%的加工等待时间,使得在制品库存降低,并达成100%按时交付率。
代华凤[5](2019)在《具有恶化效应的多技能资源受限项目调度问题研究》文中研究表明多技能资源受限项目调度问题(Multi-Skill Resource Constrained Project Scheduling Problem,MS-RCPSPS)作为资源受限项目调度这一NP-hard问题的一个重要分支,项目调度方案除了满足资源约束及时序约束之外,对资源任务间的匹配关系也有严格要求。对该调度问题的研究旨在满足约束的前提下,对任务的开始时间及处理该任务的资源进行合理安排,从而实现完工时间最小化、延误时间最短、成本最低等目标。在经典项目调度问题中,任务处理时间通常被假设为固定不变的常数。然而,在制造系统及服务系统中,任务加工时间存在不确定性,它同时也是会对调度结果产生关键影响的因素,而恶化效应是其中一种十分重要且普遍的不确定性主观因素。带有恶化效应的调度问题中,任务的处理时间会随任务开始时间、处理顺序的变化而有所不同。就理论研究而言,具有恶化效应的多技能资源受限项目调度问题绝大多数属于NP-hard问题,并广泛存在于软件开发、建筑、飞机制造等各个领域。因此,为此类运用广泛、求解复杂的具有恶化效应的多技能资源受限项目调度问题设计求解质量高、运行速度快的优化算法具有重要的理论价值和现实意义。本文对一般线性恶化和阶跃恶化这两种恶化效应作用下的多技能资源受限项目调度问题进行了研究,并分析了问题的复杂性。由于问题的NP-hard特性,无法在多项式时间内获得问题的最优解。因此,在对问题及解结构特征进行分析的基础上,为问题的高效、高质量求解设计了启发式算法和智能优化算法。论文的主要工作及获得的主要结论如下:1.资源有限前提下具有一般线性恶化效应的单机调度问题最大任务完工时间的优化此单机问题作为其它加工环境的特例,对该模型的分析可帮助我们加深对问题内在性质及最优调度解的结构特征的认知。针对有限资源下具有一般线性恶化效应的单机调度问题,以最小化最大完工时间为优化方向,建立0-1混合整数规划模型,并证明该问题是NP-hard的。在对问题相关性质进行分析的基础上,基于调度解结构特征和对模型的特性分析提出了比率比较启发式方法RCA以及基于比率比较法的邻域搜索算法RCA-LS。通过对计算机产生的随机算例进行仿真分析以评估算法性能,结合LINGO精确求解器对小规模算例进行求解。算例仿真结果表明,所提出的RCA-LS算法能够匹配所有精确求解器求得的小规模算例最优解,并以极少的的时间成本获得明显优于RCA的调度结果。2.阶跃恶化效应作用下多技能资源受限项目调度问题项目工期与项目成本的优化作为有限资源下具有恶化效应的单机调度问题的更一般性问题,以项目成本及项目工期为优化目标,为阶跃恶化下的多技能资源受限项目调度问题建立0-1混合整数规划模型,同时证明了该问题属于NP-hard问题。在问题模型基础上,分析最优解结构及相关性质,设计了一种集成了四种邻域结构和一个扰动步骤的改进禁忌搜索算法ITS进行求解,算法初始解的生成手段为基于SLS优先调度规则的简单启发式算法。为了检验算法的有效性,通过两组算例进行了计算机仿真分析。其中一组为MS-RCPSP领域已有的标准算例,通过对比目前已有的一些前沿算法,证明了ITS在多技能资源受限项目调度相关问题求解时寻优的能力;另一组算例则是通过修改标准案例,使算例中的任务处理时间具有阶跃恶化效应,随机算例仿真结果同样证明了ITS算法相较于其他算法的优越性。3.交货期约束下具有阶跃恶化效应的多技能资源受限项目调度问题任务总延误时间的优化在安排任务资源的调度过程中,加入对各任务交货期的要求,以总延误时间为优化方向,针对所研究问题,建立其0-1混合整数规划模型,同时证明相关问题的NPhard性质。基于调度问题最优解的结构特征,设计了基于任务优先级别PL和修正交货期MDD的启发式算法PL-MDD,同时还提出一种结合局部搜索阶段的路径重连算法PR对问题进行求解。在标准算例基础上生成随机算例进行仿真试验,对算法性能进行评估,实验结果表明PR能够对交货期下考虑阶跃恶化效应的多技能资源受限项目调度问题进行有效求解。4.一般线性恶化效应作用下多技能资源受限项目调度问题项目工期的优化以最小化完工工期为调度目标,对一般线性恶化效应下的多技能资源受限项目调度问题进行讨论,建立其对应的0-1混合整数规划模型。为求解该NP-hard问题,提出了一种集成了探寻新的解空间的重组算子与加强搜索当前解空间的局部搜索算子的基于一般变邻域搜素的模因算法(GVNS-MA)。在算法设计过程中,为节省算法运行时间,在算法寻优搜寻过程中加入能够对解质量进行快速评估的REM机制。同样,通过两组数值算例对算法求解性能进行分析。此外,设计对照试验以分析构成算法的两个重要组成部分对算法总体性能所起的作用。实验结果表明,算法GVNS-MA求解已有标准算例的结果相较于目前文献中已有的其它算法性能表现十分卓越,针对所生成的考虑了一般线性恶化的随机算例而言,GVNS-MA依旧是极其高效且稳定的,其求解能力对惩罚时间取值范围并不敏感。本论文针对具有一般线性恶化和阶跃恶化效应的任务处理时间,结合多技能资源受限项目调度问题,分别考虑了以最小化项目工期、总延误时间和项目成本为优化方向的多种调度模型,分析调度最优解的相关性质,并针对各个具体问题分别设计了对应的调度算法。本文创新性地提出在多技能资源受限项目调度问题中集成任务处理时间的恶化效应,该研究拓展了调度领域的研究内容,为求解该类问题提供了更为丰富的求解思路及方法,有利于项目实际生产缩短工期、节约资源、提高经济效益,具有重要的实际意义。
刘磊[6](2019)在《生产数据驱动的动态作业车间调度规则决策研究》文中指出如今,在智能制造趋势下数据驱动的生产管理方法研究已成为重要的研究点。在企业一般作业车间生产过程中常存在着生产异常扰动,使得做好的排产调度方案需要及时动态地进行调整,这便是动态作业车间调度问题。解决动态作业车间调度问题,启发式优先调度规则方法相比搜索优化算法、整数规划等有着排程迅速和灵活易实施的优势,因此在实际企业中调度规则的排程调度方法在需要快速响应的动态作业车间场景下得到了广泛应用。然而由于调度规则类型不一,适用的车间工况不同,关于如何选用调度规则就涉及到调度规则的决策问题。目前在实际动态作业车间调度中,调度规则选用上的决策过程还主要依赖于人工经验,这使调度规则决策结果存在着偏差,难以实时地决策出最符合当前工况的调度规则。因此,本文结合数据驱动的决策思想,对生产数据驱动的动态作业车间调度规则决策方法进行了研究。首先,在分析生产数据驱动的动态作业车间一般调度优化机制的基础上,确定了将生产系统属性数据作为驱动调度规则决策模型的输入数据,对应决策出的调度规则便是模型的输出目标,输入数据和输出目标构成了调度样本。调度规则决策模型的构建采用了机器学习的方式,为了获取构建决策模型所需的优化调度样本数据,研究了基于Multi-pass仿真机制的优化调度样本生成方法,并搭建了用于调度问题实例仿真优化的生产调度仿真平台。然后,针对调度样本的生产系统属性中所含的冗余或噪音属性会影响决策模型的精度,提出一种基于改进离散萤火虫算法EDSBFA的调度特征选择方法,并在UCI数据集和调度样本数据集上测试了其优化特征选择的性能。接着,提出基于EDSBFA调度特征选择和基于极限学习机(Extreme Learning Machine,ELM)调度样本学习的封装式调度规则决策模型构建方法。基于EDSBFA-ELM的调度规则决策方法在实验测试中综合性能要优于文献中已提数据驱动的调度规则决策方法。另外,针对调度规则决策模型在动态作业车间动态调度中的使用方式,提出了两种人机协同的动态调度机制。最后,通过某企业自制件作业车间调度问题实例以联合仿真的方式验证了所提调度规则决策方法和动态调度机制的可行性和有效性,并给出了应用系统的设计思路。
马庆吉[7](2019)在《基于改进灰狼算法的柔性作业车间调度方法研究》文中认为车间调度作为制造业的核心问题对于制造强国战略的实施,制造业的国际竞争力增强等意义重大。柔性作业车间调度问题(Flexible Job Shop Scheduling Problem,FJSP)属于调度领域的研究热点,在工业生产中广泛采用。本文研究了FJSP问题及其拓展问题,即分布式FJSP(Distributed FJSP,DFJSP)和批量流FJSP(Lot Streaming FJSP,LSFJSP),设计了改进灰狼算法(Improved Grey Wolf Optimization,IGWO)进行求解。首先,针对FJSP提出了一种IGWO算法进行求解。考虑FJSP的离散特性,结合GWO搜索能力均衡的特点,改进其社群等级制度,在给出种群内的交流机制的基础上,提出IGWO算法框架。针对FJSP改进了一种基于关键路径的邻域结构。对标准算例集合的求解结果表明,与GWO相比,IGWO在收敛速度和求解效果方面都具有较大提升。其次,提出了新的优化策略对DFJSP模型进行求解。结合分布式的生产模式,给出了数学模型。针对模型特性提出了新的编码方式,并提出一种基于启发式规则的解码方式,设计了相应优化策略。在利用IGWO对标准算例集合的求解中,刷新了部分标准算例的最优解,在求解时间以及稳定性方面领先于现阶段该领域的绝大多数算法。然后,提出了一种LSFJSP模型并设计新的优化求解策略。结合批量流的生产模式,建立了一种任务内工序重叠的等量分批的LSFJSP模型。针对任务工序的重叠特性和子批划分方式提出了一种两段式的编码策略,并给出相应的解码方式与优化策略。对于随机生成的算例集合,本章提出的求解算法收敛效果和鲁棒性等方面明显优于遗传算法(Genetic Algorithm,GA)等其他算法。接着,针对某航天院所航天结构件生产调度问题,构建了LSFJSP模型,利用改进的IGWO进行求解,求解方案符合实际生产的自动排产需求,验证了LSFSJP模型的可行性和IGWO算法的有效性。最后,对本文的主要研究工作进行总结,并展望未来的研究方向。
王思雨[8](2019)在《X公司PT板车间产线平衡与车间调度优化研究》文中认为目前,X公司PT板车间面临着产线不平衡、设备利用率偏低以及加工周期较长等一系列问题。因此,研究PT板车间生产改善问题成为公司发展必须解决的主要问题之一。本论文以X公司PT板车间生产现状为基础,以DPK750等六种产品为研究对象,开展基于SALBP模型的单条流水线平衡改善研究和基于改进遗传算法的柔性流水车间调度优化研究。论文的主要研究内容如下:(1)基于SALBP模型的单条流水线平衡改善研究。本部分首先确定单条流水线各工序的作业优先关系,并测定各工位工时与生产平衡率等指标,识别瓶颈工序和目标节拍;然后构建求解最小工作站的SALBP模型,优化各个工序的作业元素;最后结合改善实施情况,对改善效果进行对比分析。该改善方案将PT板车间单条流水线的产线平衡率和最大人均日产能分别提高11.1%和12.5%,从而有效减少了在制品堆积。(2)基于改进遗传算法的柔性流水车间调度优化研究。本部分首先构建一套适用于柔性流水车间调度问题的通用模型;然后针对该模型提出一种改进遗传算法。该算法采用实数型矩阵编码和全新染色体表达方式,使用分段多位点基因交叉和分段变异更新染色体;之后采用正交实验确定算法参数,并和其他算法进行比较;最后求解获得PT板车间柔性流水线最优调度方案,并进行改善效果对比分析。该改善方案明显缩短了各个订单完成时间,同时有效提高了设备利用率。X公司PT板车间生产改善研究提高了公司生产效率、缩短了产品生产周期。同时,研究对于提高与X公司具有相同或相似条件企业的生产效率具有一定的借鉴价值。
赵晓飞[9](2019)在《混流生产机器人制造单元调度优化方法研究》文中指出机器人制造单元是一种先进生产系统,广泛应用于纺织业、钢铁冶炼、半导体以及汽车制造等行业与领域。由于机器人制造单元应用的广泛性,使得机器人制造单元调度问题具有普遍性。另外,由于混流生产符合市场由大批量、少品种向小批量、多品种转变的要求,满足顾客个性化、定制化需求。因此,结合混流生产组织形式和机器人制造单元的应用背景,提出了混流生产机器人制造单元调度问题。合理调度混流生产机器人制造单元,提高企业资源利用率,提升企业管理水平,增强企业竞争实力,从而满足快速多变的市场需求,满足顾客对产品质量、产品价格、产品交货时间等要求。为达到上述目的,本文进行了以下内容研究:混流生产机器人制造单元调度问题方法研究。混流生产机器人制造单元调度问题是NP难题。精确算法求解大规模问题时间花费较多,启发式算法求解质量不高,为此引入化学反应优化算法求解。(1)提出了改进的化学反应优化算法。在改进的化学反应优化算法中,首先,设计顺序插入算法生成了化学反应优化算法的初始种群;其次,利用随机交换、单点顺序交叉、随机插入和距离保护交叉操作设计了基本反应算子。改进了已有研究结果。(2)设计了基于局部搜索的化学反应优化算法。在基于局部搜索的化学反应优化算法中,构建了紧后工件阻塞时间最小化交换进行局部搜索;利用正交试验,探讨了算法参数取值。仿真试验表明,基于局部搜索的化学反应优化算法能够改善改进的化学反应优化算法易于早熟的缺点。改进了改进的化学反应优化算法结果,从而提高了生产效率,提升了产量。多工作站(超过三工作站)混流生产机器人制造单元调度问题方法研究。求解混流生产机器人制造单元调度问题的思路是,将三工作站问题转化为两工作站问题,然后求得两工作站问题最优解,最后插入第三个机器人移动,得到三工作站情形满意解。工作站超过三时,按照这种求解思路,不仅繁琐,而且很难获得满意解,也不利于同时优化机器人运行顺序和工件加工顺序。为了求解多工作站混流生产机器人制造单元调度问题,首先,定义了机器人活动,将机器人运行顺序和工件加工顺序转化为机器人活动排序,即将二维排序转化为一维排序,降低了问题难度;其次,探讨了可行解性质,为算法设计、算子构建提供了理论基础;第三,提出了可行机器人活动插入法,构建问题的可行解,设计了双层过滤变宽度束搜索算法;第四,提出了有效的化学反应优化算法,设计了新的编码——机器人活动编码;构建了插入机器人活动顺序方法生成有效化学反应优化算法的初始种群;利用可行解性质设计了基本反应算子;为了有效避免陷入局部最优解,采用改进的锦标赛选择实现了选择操作。从仿真结果分析,插入机器人活动顺序方法优于随机生成可行解的方法;双层过滤变宽度束搜索算法和有效的化学反应优化算法都能求解多工作站混流生产机器人制造单元调度问题,但就文中给出的算例分析,双层过滤变宽度束搜索算法优于分支定界算法,有效的化学反应优化算法优于双层过滤变宽度束搜索算法,使得机器人制造单元生产效率得到了提高,机器人制造单元利用率得到了改善,满足了市场需求,提升了企业效益。考虑转换时间两工作站混流生产机器人制造单元调度问题方法研究。考虑转换时间,导致制造周期变长,能耗增加,单位生产成本增加,考虑转换时间两工作站混流生产机器人制造单元调度问题具有研究价值。现有求解算法易于陷入局部最优解,因此,设计了新变邻域搜索算法求解。在提出算法中,提出改进的减小关键路径长度算法生成初始解,构建了随机交换和随机插入邻域结构进行变邻域搜索,探讨了提出算法中参数取值范围。通过计算随机产生的算例表明,提出算法比已有算法能够以较快的速度搜索到更好解,从而优化了制造周期,降低了单位生产成本,提高了管理水平。
杨睿韬[10](2018)在《基于深度神经网络的分布式柔性车间调度方法研究》文中研究说明近几年来,随着经济的全球化发展,跨国、跨区域的公司分布格局、不断增加的中小型企业合作式生产,在很大程度上改变着工业生产的组织方式,与此同时,在日益激烈的全球化市场竞争中,用户的个性化定制需求促使用户订单驱动的单件生产模式成为现代化制造业的发展趋势,在这样的背景下,现代化的分布式柔性制造应运而生。分布式柔性制造具有高柔性、高动态性、高敏捷性以及制造资源地理分散性等特征,这使得其环境下的车间调度问题变得十分复杂,使用传统的调度方法难以对其进行较好的求解。随着机器学习相关技术的发展,数据驱动的智能调度方法为解决复杂生产过程调度问题带来了新的契机,受“数据+学习”思想的启发,本文以数据驱动智能为核心,研究基于深度神经网络的分布式柔性车间智能调度方法,其主要研究内容如下:首先,本文对现代化单件生产模式下的分布式柔性车间调度问题进行分析,根据分布式柔性制造三阶段调度结构,分别对三阶段的作业调度、工序调度,以及工序排序问题进行建模,并重点关注订单交付截止期限的约束,以最小化作业平均拖期惩罚为全局调度优化目标,根据各阶段的调度任务,为各调度阶段设立子优化目标。之后,本文在充分考虑分布式柔性车间调度的动态性、深入分析调度目标影响因素多样性的基础上,提出基于深度神经网络的分布式柔性车间智能调度算法。针对作业调度、工序调度阶段的资源分配问题,算法通过使用海量、多维度调度仿真历史数据对深度神经网络模型进行训练,能够根据实时获取的任务、资源相关数据,对可用资源进行有效评估,为作业、工序选择最佳资源;针对特定机器上,待加工工序的排序问题,基于深度神经网络的调度模型通过对调度仿真历史数据进行学习,能够对工序的加工优先级进行合理分配,实现调度目标优化。最后,本文基于Java、Python语言及相关工具进行软件仿真,对所提出的调度算法进行实现,并通过调度仿真对比实验,证明了算法的调度目标优化有效性。此外,本文还设计了基于多代理的分布式柔性车间智调度系统框架,并结合现代化的信息物理系统相关技术,阐述了所提出的调度算法在实际生产过程中的应用可行性。该项研究为解决现代化单件生产模式下,分布式柔性车间调度问题提供了新的思路,其对于企业效益和用户满意度的提升都具有重要意义。
二、有优先顺序约束的单件车间调度问题的一种启发式算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、有优先顺序约束的单件车间调度问题的一种启发式算法(论文提纲范文)
(1)考虑学习效应的零等待流水车间调度问题研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 研究内容及结构安排 |
1.3.1 研究内容 |
1.3.2 结构安排 |
第二章 文献综述 |
2.1 流水车间生产调度问题 |
2.1.1 问题描述 |
2.1.2 求解方法及文献综述 |
2.2 零等待流水车间生产调度问题文献综述 |
2.3 带有学习效应的流水车间生产调度问题文献综述 |
2.4 研究评述 |
第三章 考虑学习效应的零等待置换流水车间调度问题研究 |
3.1 问题描述和数学模型 |
3.2 遗传-路径重连搜索算法 |
3.2.1 算法描述 |
3.2.2 编码方案 |
3.2.3 适应度函数计算 |
3.2.4 选择算子 |
3.2.5 交叉算子 |
3.2.6 变异算子 |
3.2.7 路径重连算子 |
3.2.8 局部搜索算子 |
3.3 仿真实验与结果分析 |
3.3.1 参数设置 |
3.3.2 算法比较分析 |
3.4 本章小结 |
第四章 考虑学习效应的零等待混合流水车间调度问题研究 |
4.1 问题描述和数学模型 |
4.2 自适应遗传-共生生物搜索算法 |
4.2.1 算法描述 |
4.2.2 编码方案 |
4.2.3 适应度函数计算 |
4.2.4 基于轮盘赌的互利共生算子 |
4.2.5 基于轮盘赌的偏利共生算子 |
4.2.6 基于轮盘赌的寄生算子 |
4.2.7 选择算子 |
4.2.8 NG自适应交叉算子 |
4.2.9 NG自适应变异算子 |
4.3 仿真实验与结果分析 |
4.3.1 参数设置 |
4.3.2 算法比较分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 研究总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(2)农机制造车间混流生产线平衡优化和物料配送研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 课题来源 |
1.1.2 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 混流生产线平衡优化研究现状 |
1.2.2 物料配送研究现状 |
1.2.3 研究现状分析 |
1.3 内容结构和研究思路 |
1.4 本章小结 |
第2章 S公司制造车间生产现状与需求分析 |
2.1 S公司及其制造车间产品简介 |
2.2 制造车间生产过程 |
2.2.1 P-Q分析 |
2.2.2 产品生产线概况 |
2.2.3 确定观测次数 |
2.3 制造车间生产过程问题分析 |
2.3.1 产品价值流现状图绘制 |
2.3.2 生产过程关键问题分析 |
2.4 本章小结 |
第3章 基于启发式算法的多品种混流生产线平衡分析与优化 |
3.1 多品种混流生产线平衡问题分析 |
3.2 基于启发式算法的多品种混流生产线分析优化 |
3.2.1 启发式算法简介 |
3.2.2 计算综合作业时间 |
3.2.3 启发式算法求解 |
3.3 多品种混流生产线平衡优化效果评价 |
3.4 本章小结 |
第4章 基于蚁群算法的多品种混流生产线物料配送研究 |
4.1 多品种混流生产线物料配送特点 |
4.2 数学模型构建 |
4.2.1 确定优化目标 |
4.2.2 设定约束条件 |
4.2.3 构建数学模型 |
4.3 求解VRP-MG问题的蚁群算法 |
4.3.1 蚁群算法概述 |
4.3.2 蚁群算法求解模型步骤 |
4.3.3 实例分析 |
4.4 本章小结 |
第5章 优化后多品种混流生产线仿真与验证 |
5.1 系统仿真概述 |
5.2 Flexsim仿真软件介绍 |
5.3 优化后多品种混流生产线仿真建模 |
5.3.1 建立仿真模型 |
5.3.2 设置仿真模型参数 |
5.4 仿真结果分析 |
5.4.1 产量分析 |
5.4.2 混流生产线各工位负荷分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(3)面向零件族的工艺规程设计与柔性作业车间调度问题研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究的意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容 |
1.4 本章小结 |
第二章 零件族的工艺规程设计 |
2.1 基于成组技术设计零件族 |
2.1.1 零件分类方法选择 |
2.1.2 零件分类 |
2.2 面向零件族的成组工艺规程设计 |
2.2.1 第一类典型零件成组工艺规程设计 |
2.2.2 第二类典型零件成组工艺规程设计 |
2.2.3 第三类典型零件成组工艺规程设计 |
2.2.4 第四类典型零件成组工艺规程设计 |
2.2.5 第五类典型零件成组工艺规程设计 |
2.2.6 零件族机械加工工艺路线时间 |
2.2.7 成组工艺规程编制 |
2.3 本章小结 |
第三章 柔性作业车间调度模型构建及算法设计 |
3.1 多目标柔性作业车间调度模型构建 |
3.1.1 问题描述 |
3.1.2 符号说明 |
3.1.3 优化目标 |
3.1.4 约束条件 |
3.1.5 数学模型 |
3.2 基于NSGA-Ⅱ的多目标柔性作业车间调度算法设计 |
3.2.1 NSGA-Ⅱ算法基本思想 |
3.2.2 NSGA-Ⅱ算法运行机理 |
3.2.3 算法关键操作步骤 |
3.2.4 基于NSGA-Ⅱ的多目标FJSP调度算法设计 |
3.3 本章小结 |
第四章 加工车间作业调度实例求解 |
4.1 算例数据 |
4.2 算例求解 |
4.2.1 参数设置 |
4.2.2 实验结果 |
4.3 多目标调度决策最优解 |
4.3.1 决策分析 |
4.3.2 输出最优调度方案 |
4.4 基于成组单元的加工时间 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间获得的成果 |
附录 |
附录1 |
附录2 |
(4)工件具有入树优先约束的作业车间调度算法(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题来源与研究目的 |
1.2 研究背景和意义 |
1.3 调度问题国内外研究概况 |
1.4 本文的主要工作与结构 |
第二章 作业车间调度问题概述 |
2.1 生产调度问题及其特点 |
2.2 生产调度问题的三元组表示法 |
2.3 经典作业车间调度问题 |
2.4 JSP的甘特图表示和析取图模型 |
2.5 作业车间调度问题常用方法 |
第三章 遗传算法及其面向作业车间调度问题的设计 |
3.1 遗传算法概述 |
3.1.1 遗传算法的生物遗传原理和应用 |
3.1.2 标准遗传算法及其收敛性 |
3.1.3 遗传算法的特点 |
3.2 遗传算法的参数与设计 |
3.2.1 染色体编码和解码方法 |
3.2.2 个体适应度函数及其与目标函数的关系 |
3.2.3 算法参数设置 |
3.2.4 算法基本操作 |
3.2.5 算法终止条件 |
3.3 面向作业车间调度问题的遗传算法设计 |
3.3.1 面向JSP的GA染色体编码方式 |
3.3.2 面向JSP的GA交叉算子 |
3.3.3 面向JSP的GA变异算子 |
第四章 工件具有入树优先约束的JSP及其算法 |
4.1 工件具有入树优先约束的作业车间调度问题 |
4.1.1 入树优先约束关系的树形图和工件分层 |
4.1.2 工件具有入树优先约束的JSP描述 |
4.1.3 工件具有入树优先约束的JSP评价指标 |
4.2 工件具有入树优先约束的作业车间调度算法结构 |
4.3 工件具有入树优先约束的JSP逆序遗传算法 |
第五章 工件具有入树优先约束的JSP逆序遗传算法应用 |
5.1 案例中的作业车间调度问题描述 |
5.2 三种初始化方式的对比实验和分析 |
5.3 案例中JSP的求解过程和结果分析 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
附录A 案例中工件的加工数据 |
参考文献 |
致谢 |
作者简介 |
(5)具有恶化效应的多技能资源受限项目调度问题研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 调度问题的提出与发展 |
1.3 具有恶化效应的调度问题研究现状 |
1.4 资源受限项目调度问题研究现状 |
1.4.1 精确求解方法 |
1.4.2 启发式优化方法 |
1.5 多模式及多目标资源受限项目调度问题研究现状 |
1.6 多技能资源受限项目调度问题研究背景及现状 |
1.7 本文选题意义及研究内容 |
1.7.1 本文选题的意义 |
1.7.2 本文研究内容及章节安排 |
第2章 有限资源下求解具有一般线性恶化效应的单机调度问题 |
2.1 引言 |
2.2 问题描述 |
2.3 问题的0-1混合整数规划模型 |
2.4 算法设计 |
2.4.1 启发式优化算法 |
2.4.2 基于RCA的邻域搜索算法 |
2.5 算例仿真 |
2.5.1 实验设计 |
2.5.2 实验结果与分析 |
2.6 本章小结 |
第3章 改进禁忌搜索算法求解阶跃恶化下的多技能资源受限项目调度问题 |
3.1 引言 |
3.2 问题描述 |
3.3 算法设计 |
3.3.1 解初始化 |
3.3.2 邻域结构 |
3.3.3 变异算子 |
3.3.4 解的可行性检验 |
3.3.5 禁忌表管理及违背准则 |
3.3.6 总体框架 |
3.4 计算机仿真实验 |
3.4.1 不考虑阶跃恶化效应的计算机仿真实验 |
3.4.2 考虑阶跃恶化的计算机仿真实验 |
3.5 本章小结 |
第4章 交货期约束下考虑阶跃恶化效应的多技能资源受限项目调度问题 |
4.1 引言 |
4.2 问题描述 |
4.3 问题复杂性分析 |
4.4 启发式优化算法设计 |
4.5 路径重连算法 |
4.5.1 评价函数 |
4.5.2 路径重连算法总体框架 |
4.5.3 种群初始化 |
4.5.4 路径重连算子 |
4.5.5 随机局部搜索 |
4.5.6 种群更新准则 |
4.6 算例仿真 |
4.6.1 算例设计 |
4.6.2 参数设置 |
4.6.3 实验结果与分析 |
4.7 本章小结 |
第5章 一种求解一般线性恶化下的多技能资源受限项目调度问题的模因算法 |
5.1 引言 |
5.2 问题描述 |
5.3 算法设计 |
5.3.1 解空间及评价函数 |
5.3.2 GVNS-MA算法的总框架 |
5.3.3 种群初始化 |
5.3.4 交叉算子 |
5.3.5 一般变邻域搜索算子 |
5.3.6 种群更新机制 |
5.4 仿真实验 |
5.4.1 标准算例集 |
5.4.2 参数设置 |
5.4.3 求解MS-RCPSP的实验结果 |
5.4.4 求解MS-RCPSPLD的实验结果 |
5.5 分析和讨论 |
5.5.1 快速评价机制REM |
5.5.2 模因算法框架 |
5.6 本章小结 |
第6章 实例验证 |
6.1 案例数据输入 |
6.2 算法求解MS-RCPSP案例 |
6.3 算法求解MS-RCPSPSD案例 |
6.4 算法求解MS-RCPSPLD案例 |
6.5 本章小结 |
结论与展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
(6)生产数据驱动的动态作业车间调度规则决策研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 作业车间调度研究现状 |
1.2.1 传统调度方法研究现状 |
1.2.2 基于数据的调度方法研究现状 |
1.3 研究对象与研究路线 |
1.3.1 研究对象 |
1.3.2 研究路线 |
1.4 论文创新点与组织结构 |
1.4.1 论文创新点 |
1.4.2 论文组织结构 |
第2章 基于数据的动态作业车间生产调度相关理论基础 |
2.1 生产数据驱动的动态作业车间调度优化机制 |
2.2 生产系统属性数据与调度特征选择 |
2.2.1 生产系统属性数据 |
2.2.2 调度特征选择 |
2.3 基于调度规则的动态作业车间排程调度方法 |
2.3.1 调度规则的排程原理 |
2.3.2 调度规则的分类 |
2.3.3 常用的调度规则 |
2.3.4 调度规则的性能分析 |
2.4 本章小结 |
第3章 作业车间生产调度仿真与调度样本生成方法研究 |
3.1 作业车间调度问题 |
3.1.1 作业车间调度的概念 |
3.1.2 单件作业车间调度问题 |
3.1.3 柔性作业车间调度问题 |
3.2 基于Multi-Pass的车间生产调度机制及仿真平台设计 |
3.2.1 基于Multi-Pass仿真的生产调度机制 |
3.2.2 基于Multi-Pass的作业车间调度仿真平台设计 |
3.3 车间生产调度仿真平台搭建与优化的调度样本生成 |
3.3.1 车间生产调度仿真平台搭建 |
3.3.2 优化的调度样本生成 |
3.4 本章小结 |
第4章 基于改进离散萤火虫算法的调度特征选择方法研究 |
4.1 萤火虫算法改进研究 |
4.1.1 标准萤火虫算法 |
4.1.2 基于精英个体划分的变步长策略 |
4.1.3 改进萤火虫算法的伪代码 |
4.2 基于改进离散萤火虫算法的调度特征选择方法 |
4.2.1 萤火虫位置向量的编码 |
4.2.2 目标函数的定义 |
4.2.3 萤火虫算法的离散化实现 |
4.2.4 基于改进离散萤火虫算法的封装式调度特征选择流程 |
4.3 实验与分析 |
4.3.1 实验设置 |
4.3.2 UCI公共数据集上的算法测试 |
4.3.3 优化的调度样本数据集上的算法测试 |
4.4 本章小结 |
第5章 基于调度特征选择的动态作业车间调度规则决策研究 |
5.1 基于调度特征选择的调度规则决策模型的设计与构建 |
5.1.1 极限学习机 |
5.1.2 基于极限学习机的调度规则决策模型设计 |
5.1.3 基于调度特征选择和极限学习机的决策模型构建方法 |
5.2 动态作业车间的动态调度机制 |
5.2.1 基于事件驱动的动态调度机制 |
5.2.2 基于周期轮询的动态调度机制 |
5.3 实验与分析 |
5.3.1 实验设置 |
5.3.2 结果分析 |
5.4 本章小结 |
第6章 调度规则决策案例研究及应用系统设计 |
6.1 某企业作业车间调度问题 |
6.1.1 作业车间调度现状 |
6.1.2 作业车间调度问题实例及其数学优化模型 |
6.2 基于调度规则在线决策的动态作业车间调度实例仿真 |
6.2.1 调度规则决策模型的构建 |
6.2.2 基于事件驱动的调度规则在线决策与排程调度仿真 |
6.2.3 基于周期轮询的调度规则在线决策与排程调度仿真 |
6.3 生产数据驱动的车间调度规则决策支持系统设计 |
6.3.1 系统框架设计 |
6.3.2 系统功能及业务流程设计 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(7)基于改进灰狼算法的柔性作业车间调度方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题概述 |
1.2 国内外研究现状 |
1.3 现状总结与问题分析 |
1.4 本文的主要工作与结构 |
2 IGWO求解FJSP问题 |
2.1 FJSP模型 |
2.2 基于IGWO的FJSP算法框架 |
2.3 基于IGWO的FJSP求解方法 |
2.4 实验结果与分析 |
2.5 本章小结 |
3 基于IGWO的分布式柔性作业车间调度方法研究 |
3.1 DFJSP模型的建立 |
3.2 基于IGWO的DFJSP求解方法 |
3.3 实验结果与分析 |
3.4 本章小结 |
4 基于IGWO的批量流柔性作业车间调度方法研究 |
4.1 LSFJSP模型的建立 |
4.2 基于IGWO的LSFJSP求解方法 |
4.3 实验结果与分析 |
4.4 本章小结 |
5 工程实例验证 |
5.1 问题描述 |
5.2 案例描述 |
5.3 实验设计与结果分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
致谢 |
参考文献 |
(8)X公司PT板车间产线平衡与车间调度优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 生产线平衡研究现状 |
1.2.2 柔性流水车间调度研究现状 |
1.2.3 调度方法选择 |
1.2.4 研究述评 |
1.3 研究内容及方法 |
1.4 研究技术路线 |
第二章 生产线平衡及车间调度相关理论基础 |
2.1 生产线平衡基础理论概述 |
2.1.1 生产线平衡的概念及其分类 |
2.1.2 生产线平衡评价指标 |
2.2 车间调度问题基础理论概述 |
2.2.1 车间调度问题简介 |
2.2.2 车间调度方法—遗传算法 |
第三章 X公司PT板车间现状及其主要问题分析 |
3.1 X公司简介及生产现状 |
3.1.1 X公司简介 |
3.1.2 X公司产品现状 |
3.2 PT板车间生产线工艺流程分析 |
3.2.1 PT板车间概况及生产线介绍 |
3.2.2 PT板车间生产工艺流程 |
3.3 PT板车间生产线存在问题分析 |
3.3.1 单条流水线产线平衡问题分析 |
3.3.2 柔性流水线车间调度问题分析 |
第四章 基于SALBP模型的单条流水线平衡改善研究 |
4.1 PT板车间单条流水线平衡改善思路 |
4.2 作业优先关系确定 |
4.3 目标节拍及瓶颈工序确定 |
4.4 单条流水线装配线平衡SALBP模型构建 |
4.4.1 模型参数定义 |
4.4.2 装配线平衡SALBP模型构建 |
4.5 基于Lingo软件的SALBP模型求解 |
4.5.1 SALBP模型求解 |
4.5.2 求解方案可行性分析 |
4.6 单条流水线平衡改善效果对比 |
第五章 基于改进遗传算法的柔性流水车间调度优化研究 |
5.1 柔性流水车间调度问题描述 |
5.2 柔性流水车间调度模型构建 |
5.2.1 基本假设及参数定义 |
5.2.2 模型构建 |
5.3 改进遗传算法设计 |
5.3.1 改进遗传算法的主要操作 |
5.3.2 改进遗传算法流程 |
5.4 X公司PT板车间柔性流水线调度案例 |
5.4.1 参数确定 |
5.4.2 算法有效性验证 |
5.4.3 柔性流水线车间调度问题求解 |
5.5 改善效果对比分析 |
第六章 研究总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
附录 |
(9)混流生产机器人制造单元调度优化方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 现实意义 |
1.2.2 理论意义 |
1.3 问题描述 |
1.4 研究内容 |
1.5 研究方法和技术路线 |
1.5.1 研究方法 |
1.5.2 技术路线 |
1.6 创新之处 |
1.7 本章小结 |
第2章 文献综述 |
2.1 加工单类型工件机器人制造单元调度问题文献综述 |
2.2 混流生产简单机器人制造单元调度问题文献综述 |
2.2.1 无限等待混流生产机器人制造单元调度问题文献综述 |
2.2.2 有限等待混流生产机器人制造单元调度问题文献综述 |
2.2.3 无等待混流生产机器人制造单元调度问题文献综述 |
2.3 混流生产复杂机器人制造单元调度问题文献综述 |
2.4 本章小结 |
第3章 混流生产机器人制造单元调度化学反应算法设计 |
3.1 问题描述 |
3.2 基本化学反应优化算法 |
3.3 改进的化学反应优化算法 |
3.3.1 编码与解码 |
3.3.2 初始解生成 |
3.3.3 分子与容器壁无效碰撞 |
3.3.4 分子间无效碰撞 |
3.3.5 分解反应 |
3.3.6 合成反应 |
3.3.7 选择操作与适应度函数 |
3.3.8 局部搜索 |
3.3.9 改进化学反应优化算法步骤 |
3.3.10 算例仿真 |
3.4 基于局部搜索的化学反应优化算法 |
3.4.1 线性排序选择 |
3.4.2 局部搜索 |
3.4.3 基于局部搜索的化学反应优化算法步骤 |
3.4.4 参数设置 |
3.4.5 算例仿真 |
3.5 本章小结 |
第4章 多工作站混流生产机器人制造单元调度问题优化方法 |
4.1 问题描述 |
4.2 模型构建 |
4.3 问题分析 |
4.4 编码与解码 |
4.5 遗传算法 |
4.5.1 提出的遗传算法 |
4.5.2 算例仿真 |
4.6 双层过滤变宽度束搜索算法 |
4.6.1 可行解构建 |
4.6.2 双层过滤变宽度束搜索算法步骤 |
4.6.3 算例仿真 |
4.7 化学反应优化算法 |
4.7.1 基本化学反应优化算法 |
4.7.2 有效化学反应优化算法 |
4.7.3 算例仿真 |
4.8 本章小结 |
第5章 考虑转换时间混流生产机器人制造单元调度优化 |
5.1 问题描述 |
5.2 模型构建 |
5.3 新变邻域搜索算法 |
5.3.1 编码 |
5.3.2 初始解构建 |
5.3.3 邻域结构 |
5.4 参数设置 |
5.5 算例仿真 |
5.5.1 目标函数值比较 |
5.5.2 计算时间比较 |
5.5.3 算法收敛性 |
5.6 本章小结 |
结论 |
致谢 |
参考文献 |
附录1 |
附录2 |
攻读博士学位期间发表的论文及科研情况 |
(10)基于深度神经网络的分布式柔性车间调度方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题的背景和意义 |
1.2 国内外研究现状 |
1.3 论文主要工作 |
1.4 论文组织结构 |
第2章 相关理论基础与技术概述 |
2.1 引言 |
2.2 调度理论概述 |
2.3 神经网络概述 |
2.3.1 神经网络分类模型 |
2.3.2 神经网络优化方法 |
2.3.3 分类损失函数 |
2.4 多代理技术概述 |
2.5 本章小结 |
第3章 分布式柔性车间调度问题分析与建模 |
3.1 引言 |
3.2 分布式柔性车间调度分析 |
3.3 分布式柔性车间三阶段调度结构 |
3.4 分布式柔性车间调度问题建模 |
3.4.1 分布式柔性车间作业调度模型 |
3.4.2 分布式柔性车间工序调度模型 |
3.4.3 分布式柔性车间工序排序模型 |
3.5 本章小结 |
第4章 基于DNN的分布式柔性车间调度算法设计 |
4.1 引言 |
4.2 基于DNN的作业调度算法 |
4.2.1 作业调度阶段的样本数据属性设计 |
4.2.2 作业调度阶段的训练样本数据生成 |
4.2.3 基于DNN分类模型的作业调度 |
4.3 基于DNN的工序调度算法 |
4.3.1 工序调度阶段的样本数据属性设计 |
4.3.2 工序调度阶段的训练样本数据生成 |
4.3.3 基于DNN分类模型的工序调度 |
4.4 基于DNN的工序排序算法 |
4.4.1 工序排序阶段的训练样本数据生成 |
4.4.2 基于DNN分类模型的工序排序 |
4.5 本章小结 |
第5章 基于DNN的分布式柔性车间调度算法实验验证 |
5.1 引言 |
5.2 实验仿真模型 |
5.3 调度仿真数据的生成与DNN模型的训练 |
5.3.1 作业调度仿真数据及其DNN模型训练 |
5.3.2 工序调度仿真数据及其DNN模型训练 |
5.3.3 工序排序仿真数据及其DNN模型训练 |
5.4 实验结果分析 |
5.5 本章小结 |
第6章 基于多代理的分布式柔性车间智能调度系统框架设计 |
6.1 引言 |
6.2 分布式柔性车间调度代理分析 |
6.2.1 分布式柔性车间调度代理设计 |
6.2.2 分布式柔性车间调度代理间的协商机制 |
6.3 基于调度代理的分布式柔性车间系统架构设计 |
6.4 本章小结 |
总结与展望 |
参考文献 |
攻读学位期间发表论文与研究成果清单 |
致谢 |
四、有优先顺序约束的单件车间调度问题的一种启发式算法(论文参考文献)
- [1]考虑学习效应的零等待流水车间调度问题研究[D]. 魏占慧. 合肥工业大学, 2020(02)
- [2]农机制造车间混流生产线平衡优化和物料配送研究[D]. 包建军. 新疆大学, 2020(07)
- [3]面向零件族的工艺规程设计与柔性作业车间调度问题研究[D]. 金博. 福建工程学院, 2020(02)
- [4]工件具有入树优先约束的作业车间调度算法[D]. 刘苑婷. 西安电子科技大学, 2020(05)
- [5]具有恶化效应的多技能资源受限项目调度问题研究[D]. 代华凤. 西南交通大学, 2019(06)
- [6]生产数据驱动的动态作业车间调度规则决策研究[D]. 刘磊. 重庆邮电大学, 2019(01)
- [7]基于改进灰狼算法的柔性作业车间调度方法研究[D]. 马庆吉. 华中科技大学, 2019(01)
- [8]X公司PT板车间产线平衡与车间调度优化研究[D]. 王思雨. 南京航空航天大学, 2019(02)
- [9]混流生产机器人制造单元调度优化方法研究[D]. 赵晓飞. 西南交通大学, 2019(03)
- [10]基于深度神经网络的分布式柔性车间调度方法研究[D]. 杨睿韬. 北京理工大学, 2018(07)