检索结果-内蒙古大学图书馆

作者：赵乐汐兰州理工大学

学位级别：硕士

智能制造是“中国制造2025”计划的五大工程之一,是现阶段制造系统的重要研究内容。制造系统的调度策略与控制算法是提高企业生产力,满足市场需求的关键和瓶颈问题。流水车间调度问题(Flow Shop Scheduling Problem,FSP)作为一种典型的... 详细信息

智能制造是“中国制造2025”计划的五大工程之一,是现阶段制造系统的重要研究内容。制造系统的调度策略与控制算法是提高企业生产力,满足市场需求的关键和瓶颈问题。流水车间调度问题(Flow Shop Scheduling Problem,FSP)作为一种典型的生产调度问题,在现代生产系统、制造系统中发挥着重要的作用,是制造行业关键支撑技术之一。在经典的流水车间调度问题中,连续机器之间具有无限的缓冲区容量。但是,在许多现实世界问题中,由于技术要求或工件的加工特性,机器间的缓冲容量有限甚至为零。此时,流水车间调度问题将转换为阻塞流水车间调度问题(Blocking Flow Shop Scheduling Problem,BFSP)。同时,随着现代生产技术的不断发展,企业中的生产模式从单一工厂变为多个工厂,具有多个工厂的分布式阻塞流水车间调度问题(Distribute Blocking Flow Shop Scheduling Problem,DBFSP)已经成为调度领域的热点问题之一。DBFSP作为一种经典的NP-Hard问题,其求解难度随着问题规模的增加呈指数式增加,传统数学方法已经无法有效的求解该问题。因此,无论从现实问题的应用层面,还是在调度问题的理论研究层面,寻求一种高效且精确的求解方法对解决分布式阻塞流水车间调度问题都有着重要意义。差分进化(Differential Evolution,DE)作为一种基于群体的启发式搜索算法,具有原理简单,易实现等优点并因此备受关注。然而由于传统DE算法通过采用浮点矢量进行编码生成种群个体,因此不能直接用于解决具有离散特征的组合优化问题。本文在深入研究了DE算法的运行机制,分析了其运行原理后,对算法的框架和算法的更新机制进行了改进,提高了算法的搜索性能和效率,并将改进的算法应用于解决单目标实值优化问题和不可分离问题中。同时,针对DBFSP问题的特性及DE算法的特性,对DE算法进行了调整,并成功的将其应用到调度问题中。本文的主要研究内容和成果主要包含以下几方面:(1).通过对传统DE算法及其变体算法的研究分析和大量经典文献的阅读之后,发现DE具有易陷入局部最优、进化初期过早收敛、对控制参数的敏感性高等缺点。为了解决上述问题,本文提出了一种具有广泛学习机制的协同LSHADE算法(A collaborative LSHADE algorithm with comprehensive learning mechanism,LSHADE-CLM)来解决单目标实值优化问题。在LSHADE-CLM算法中,提出了一种包含两种不同变异策略“DE/current to pbetter/r”和“DE/current to pbest w/1”的协同突变操作。其中,在具有学习机制的“DE/current to pbetter/r”策略中,使用基于种群的协方差矩阵去生成候选解并指导搜索方向。同时,为了解决算法对控制参数敏感性高的问题,使用带有竞争性的奖励机制去从两个不同的正弦池中自适应的调整突变因子。此外,种群的多样性在维度层面被重新考虑,当在特定的维度上发现种群处于停滞状态时,使用维度重启策略来增强种群在维度层面上的多样性。所提出的方法在标准测试集上的仿真结果和两个严格的假设检验结果表明LSHADE-CLM算法对于解决单目标实值优化问题和不可分离问题是有效的。(2).针对DE算法的理论分析匮乏的问题,本文对LSHADE-CLM算法的收敛性和时间复杂度进行了分析。通过使用有限齐次马尔科夫链模型,来证明所提LSHADE-CLM算法能够以概率1收敛到全局最优。同时,通过LOV规则将LSHADE-CLM映射到离散域中,提出了DLSHADE-CLM(Discrete LSHADECLM,DLSHADE-CLM)算法并用于解决阻塞流水车间调度问题。通过使用标准测试集得出的实验结果表明,所提出的DLSHADE-CLM是解决BFSP的有效算法。(3).通过对具有分布式的阻塞流水车间调度问题的研究,本文提出了一种基于最小化完工时间准则的集成离散差分进化算法去解决分布式阻塞流水车间调度问题(An Ensemble Discrete Differential Evolution for the Distributed Blocking Flowshop Scheduling with Minimizing Makespan Criterion,EDE)。在EDE算法中,候选解被表示为离散的工序排列,传统DE中的变异,交叉,选择操作符被重新设计,以帮助EDE算法可以直接在离散空间进行计算。同时,针对DBFSP的问题特点,通过考虑前置延迟(Front Delay)、阻塞时间(Blocking Time)、和空闲时间(Idle Time)对完

关键词：差分进化算法阻塞流水车间调度问题分布式阻塞流水车间调度问题协同策略学习机制

来源：评论

学校读者我要写书评

暂无评论

WWO算法及其在阻塞流水车间调度问题中的应用研究

WWO算法及其在阻塞流水车间调度问题中的应用研究

引用

作者：邵东去兰州理工大学

学位级别：硕士

经济全球化背景下,制造企业为了应对市场不断产生的新要求,如更短的产品交付时间或者增加产品种类等,必须设计实现更加具有竞争力的智能制造系统。车间调度作为制造系统的重要组成部分,一直是学术界和工程应用领域研究的热点。设计有效... 详细信息

经济全球化背景下,制造企业为了应对市场不断产生的新要求,如更短的产品交付时间或者增加产品种类等,必须设计实现更加具有竞争力的智能制造系统。车间调度作为制造系统的重要组成部分,一直是学术界和工程应用领域研究的热点。设计有效的调度方案帮助企业降低生产成本、提高生产效率已成为工业界和学术界亟待解决的“卡脖子”问题。流水车间调度问题因其复杂性、多约束性、多目标等特点,已被证实是一类典型的NP-难问题。随着人工智能优化技术的发展,元启发式算法通过高效的最优解搜索机制已逐渐取代传统优化方法成为求解车间调度问题的主流方法。关于流水车间生产调度问题的理论和优化算法的研究具有重要的研究意义和实际应用价值。水波优化算法（water wave optimization algorithm,WWO）是受浅水波理论启发而提出的新型元启发式算法。因其独特的运行机制和高效的全局搜索能力近年来受到研究者的广泛关注。本文首先对传统的WWO展开研究,分析了算法的三种基本操作算子和运行机制。通过提出高效的改进策略来平衡算法的全局搜索和局部搜索,改善算法的搜索能力。并且,将WWO成功运用到带有不同约束条件的流水车间调度问题中。本文的主要研究内容和工作如下:（1）WWO中的群体智能的机制是一个随机过程,这就导致了算法易陷入局部最优,收敛速度比较慢等缺点。针对该问题,本文提出了一种基于知识驱动的双种群协同的水波优化算法（A Dual-Population Cooperative Water Wave Optimization Algorithm with Knowledge-Driven Learning Mechanism,DCLWWO）。候选解携带的搜索信息被总结为三种知识来改进DCLWWO的个体变异策略。并设计了两个种群。在进化过程中,子种群间不断地进行信息的交互与共享。将改进的学习机制与不同类型子种群的搜索操作相结合,增强了算法的自学习和自适应能力。算法参数的校验,操作策略的有效性以及DCLWWO的性能都基于IEEE CEC2017基准测试集进行了分析。实验结果表明DCLWWO的性能优于WWO、WWO变体及其他先进的元启发式算法。（2）针对阻塞流水车间调度问题（Blocking flow-shop scheduling problem,BFSP）,本文提出一种以最大完工时间(Makespan或8（6）)为指标的集成离散水波优化算法（An Ensemble Discrete Water Wave Optimization Algorithm for the Blocking Flow-Shop Scheduling Problem with Makespan Criterion,EDWWO）。在EDWWO中,为了满足初始种群高稳定性和高质量的要求,提出了一种新的构造启发式算法。该启发式算法基于一个新的调度规则,并与当前被广泛使用的NEH方法相结合。WWO的特性被深入探讨,且有效的技术策略,如传播操作的数据驱动机制、在碎浪操作中引入了基于可变邻域搜索框架的块移位算子和折射操作阶段设计的扰动策略被使用来提高EDWWO在求解BFSP时的性能。在实验设计的基础上,对EDWWO中算子和参数的有效性进行了分析和校准。最后,采用著名的Taillard基准集来评估所提出的算法性能,并与其他五种具有代表性的算法进行了比较。同时,通过Friedman检验和Wilcoxon检验对结果的统计有效性进行了检验。统计结果表明EDWWO是求解BFSP的有效方法。（3）针对分布式装配阻塞流水车间调度问题（Distributed assembly blocking flow-shop scheduling problem,DABFSP）,提出了一种具有问题特性知识的水波优化算法（An Effective Water Wave Optimization Algorithm with Problem-Specific Knowledge,KWWO）来求解该问题,并以总延迟（Total tardiness,TTD）为优化目标。通过将新的调度规则与基于插入的改进步骤相结合提出了一种构造启发式算法（KBNEH）来获得高质量的初始解。在KWWO的各操作阶段使用了不同的策略,如重新设计的破坏重组操作、可变邻域搜索策略（VNS）框架下的四种局部搜索方法和路径重链策略来提高算法的性能。此外,基于900个小型基准实例和810个大型基准实例,KWWO与在此类问题上具有竞争力的方法进行了综合的对比实验。综合实验结果来看,KWWO的算法性能相比于对比算法的性能提高了1到4倍,这表明KWWO是解决DABFSP的有效方法。

关键词：水波优化算法阻塞流水车间调度问题构造启发式算法特定问题知识可变邻域搜索策略

来源：评论

学校读者我要写书评

暂无评论

基于萤火虫算法的学习遗忘效应BFSP问题研究

引用

上海理工大学学报 2014年第6期36卷 585-590页

作者：赵静叶春明上海理工大学管理学院上海200093

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习... 详细信息

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习遗忘效应BFSP问题进行求解.对Car类问题及其学习遗忘调度模型的大量仿真测试,表明了改进萤火虫算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率;而遗忘效应会使得学习效果减弱,从而导致最大完工时间的增加,学习效应和遗忘效应在生产调度中的影响是客观存在且不可忽略的.

关键词：阻塞流水车间调度问题学习效应遗忘效应学习遗忘调度模型萤火虫算法

来源：评论

学校读者我要写书评

暂无评论

引力搜索算法及其在车间调度问题中的应用研究

引力搜索算法及其在车间调度问题中的应用研究

引用

作者：薛飞龙兰州理工大学

学位级别：硕士

车间调度问题广泛存在于现代制造业系统中,是提高企业生产效率的关键支撑技术。阻塞流水车间调度问题（Blocking Flow Shop Problem,BFSP）在制造业系统中是一类非常重要的模型,也是一种典型的NP-Hard问题。随着问题规模的扩大,BFSP的... 详细信息

车间调度问题广泛存在于现代制造业系统中,是提高企业生产效率的关键支撑技术。阻塞流水车间调度问题（Blocking Flow Shop Problem,BFSP）在制造业系统中是一类非常重要的模型,也是一种典型的NP-Hard问题。随着问题规模的扩大,BFSP的求解难度呈现指数式增长并且传统的数学方法已经不能有效地求解该问题,甚至无法求出最优解。因此,无论是在生产系统的应用方面,还是在调度问题的理论研究方面,如何设计有效的调度策略仍然是本领域的研究热点和难点。引力搜索算法（Gravitational Search Algorithm,GSA）是一种受牛顿万有引力定律启发而发展出的新型智能优化算法。引力搜索算法具有易实现、原理简单等优点,已广泛应用于现实生产中的多个领域。本文在深入研究了GSA的运行机制,分析了算法存在的优缺点之后,对算法的框架和特有的更新机制进行了改进,提高了算法的搜索性能,并将其应用于解决单目标实值优化问题中。然后在深入研究了阻塞流水车间调度问题的基础上,结合GSA的特性,将算法进行改进,并成功应用到调度问题中去。本文的主要研究内容和成果如下:（1）通过对GSA算法分析之后发现,它存在着对参数敏感性高、进化后期易停滞等缺点。针对上述问题,本文提出了一种与差分进化算法结合的混合GSA算法（A Hybrid Algorithm Based on Self-Adaptive Gravitational Search Algorithm and Differential Evolution,SGSADE）用以解决单目标实值优化问题。在SGSADE中,为了克服算法对参数敏感性高的缺点,使用了一种参数自适应的机制用以调整关键参数和。通过这种机制能有效地提升算法的收敛速度并且在平衡局部搜索能力和全局搜索能力方面表现出良好的性能。在算法的位置更新操作中,使用了基于差分进化算法（Differential Evolution,DE）的交叉和变异机制。新更新方式的引入使得算法在进化后期能够保持一定的种群多样性。为了进一步增强算法局部搜索能力,使用了一种基于莱维飞行的扰动操作。在标准测试集上的仿真结果和两个严格的假设检验结果表明SGSADE优于其对比算法。（2）针对阻塞流水车间调度问题,本文提出了一种离散的的GSA优化算法（A Discrete Gravitational Search Algorithm for the blocking flow shop problem with total flow time mini mization,DGSA）用来最小化总流经时间。在DGSA中,为了得到优良的初始化种群,使用了一种新的启发式方法,即VPF（Variable Profile Fitting）与NEH结合的方法VPFNEH（n）。此方法能够有效地平衡初始化种群的质量和多样性。在种群粒子的加速度、速度以及位置的更新阶段,原始的连续更新方式不再适用于调度问题。在此阶段,使用了三个关键操作算子:变邻域操作（Variable Neighborhood Operators,VNO）、路径重连以及应用在位置更新阶段的加法操作。新加入的算子能够防止种群过早收敛并且在算法进化过程中能够有效的平衡局部搜索能力与全局搜索能力。基于标准测试集的仿真结果表明了DGSA在求解BFSP时的有效性和优越性。（3）针对GSA算法的理论分析匮乏的问题,本文对SGSADE的收敛性和DGSA的时间复杂度进行了分析。对于SGSADE,使用了有限齐次马尔科夫链模型,证明了算法能够以概率1收敛到全局最优。对于DGSA,使用了Method of Fitness-Based Partitions理论,并且给出了算法的运行时间期望的上界。

关键词：引力搜索算法阻塞流水车间调度问题自适应机制变邻域操作

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：