导读:本文包含了柔性作业车间模糊调度论文开题报告文献综述及选题提纲参考文献，主要关键词:柔性作业车间调度,模糊交货期,能耗,免疫遗传算法
柔性作业车间模糊调度论文文献综述
张晓丽[1]（2019）在《考虑能耗和模糊交货期的柔性作业车间动态调度研究》一文中研究指出作为国民经济的支柱,制造业是一项战略性的产业。在绿色发展、节约能源的战略背景下,制造业正在朝着节能降耗的绿色方向发展;以往人们多将目光投在确定性车间作业调度问题上,但现实生产中,受多种随机因素的影响,交货期往往是模糊的;此外,制造业企业在实际生产过程中,会遇到机器故障、紧急工件的到达、订单取消、原材料短缺等各种动态干扰事件,因此考虑能耗和模糊交货期的柔性作业车间动态调度对车间调度问题具有重要的理论意义和实践价值。本文在阐述柔性作业车间调度、动态调度及模糊调度等理论的基础上,针对柔性作业车间调度在机器故障扰动情况下的动态性,采用基于事件与周期混合驱动的滚动窗口再调度策略进行动态调度;针对工件具有模糊交货期的情况,根据模糊数学理论,采用梯形交货期窗口表示,并运用字典序多目标规划的方法,以最大完工时间最小、能耗最小、客户满意度最大为目标,建立了多目标柔性作业车间动态调度模型。最后,结合算例,设计了改进的免疫遗传算法,在对种群进行初始化时,将初始化机器、初始化工序及随机初始化结合在一起,同时引进自适应遗传参数,自适应地调整遗传过程中交叉算子和变异算子的概率,并对模型进行求解,将算例试验结果与遗传算法得到的优化结果进行对比,验证了算法的有效性和可行性。(本文来源于《河北工程大学》期刊2019-06-01）
徐文豪,王艳,严大虎,纪志成[2]（2018）在《花授粉算法求解多目标模糊柔性作业车间调度》一文中研究指出针对实际工厂柔性生产过程中存在的参数不确定性问题,建立了一种多目标模糊柔性作业车间调度数学模型。为求解所建模型,将加工时间、加工成本、原材料成本用叁角模糊数表示,以最小化最大完工时间和生产成本为优化目标。提出一种改进的自适应离散花授粉算法(ADMOFPA),并在初始化阶段运用离散算子将解进行离散化处理。为增强算法全局搜索和局部开发的能力,在迭代过程中引入自适应变异算子。将所提算法运用于某柔性生产车间实例进行仿真测试,并与基本花授粉算法和粒子群算法作对比,证明了所提方法的有效性。(本文来源于《系统仿真学报》期刊2018年11期）
王春,田娜,纪志成,王艳[3]（2017）在《求解模糊柔性作业车间调度的多目标进化算法》一文中研究指出针对实际制造车间中工序加工时间具有不确定性,将加工时间采用模糊数表示,建立一种多目标模糊柔性作业车间调度模型,并提出了有效求解该模型的多目标进化算法.算法采用混合机器分配和工序排序策略的方法产生初始种群,并采用插入空隙法对染色体进行解码.定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子,并将所提支配关系和拥挤算子运用于快速非支配排序.接着,提出一种基于移动模糊关键工序的局部搜索策略.实验部分首先通过田口试验方法来研究关键参数对算法性能的影响;其次,将所提算法与叁种不同的优化算法作对比.实验结果验证了所提算法的有效性.(本文来源于《电子学报》期刊2017年12期）
黄硕果[4]（2017）在《基于免疫遗传算法的模糊柔性作业车间调度问题研究》一文中研究指出车间调度涉及企业的生产计划、采购、仓库、销售等运作管理,作为生产系统的核心,车间调度方案的优化可以提高生产效益和设备利用率。由于产品趋于个性化,工艺路线更加多样化,迫切需要企业能够快速有效地实现小批量的定制化生产,提高生产系统的柔性已成为企业提升竞争力的主要手段之一。车间调度问题的研究大多是将各种参数假定为某个具体数值,此类确定性调度模型不能很好地反映实际生产情况。本文研究的模糊柔性调度能够更加准确地描述生产中的加工时间、交货期等在一定范围内不能精确描述的数值,有助于调度模型的完善。单独研究模糊和柔性的车间调度的成果已有很多,同时考虑两种特性将使问题变得复杂得多。而问题随着规模变大和约束增多会变得更加复杂,数学规划、规则启发式等方法受到限制,利用智能算法之间的混合有助于调度问题的解决,其中遗传算法由于操作简单,具有鲁棒性、兼容性好等优点,经常被用来和其他算法结合,本文采用的算法就是在免疫算法和遗传算法结合的基础上加以改进。本文针对考虑模糊加工时间和模糊交货期的柔性作业车间调度问题,使用加权目标值的方法构建了多目标模糊柔性作业车间调度模型,给出了改进的免疫遗传算法的设计流程。算法中染色体采用玄光男提出的实数串编码,并采用浓度抑制的自适应提取疫苗操作,提出了新型的采用模拟退火的疫苗接种操作,接种前先对疫苗片段上的等位基因运用检测策略进行判断,具体做法是对比新旧最优个体的对应基因位,若在记忆库中出现概率较小则严格控制交换,判断是否非法解后再决定选弃。若某基因位在连续几代的接种中疫苗基因无变化,进一步对比该基因位上出现过的其他数值所能构成最优个体,判断是否最优基因或者陷入局部最优。通过模拟退火以概率进行接种可有效地改善早熟收敛和局部搜索能力差的缺点,并加入记忆库弥补了固定的交叉变异的不灵活性。最后先通过参考文献的仿真实例证实了算法的可行性和有效性,接着以加工时间和满意度为指标对常用作标准算例的Kacem模糊柔性作业车间调度进行求解,和单目标的遗传算法的Pareto最优解比较,结果表明了该算法显着提高了全局搜索能力和收敛速度,再以加工时间和机器负荷为指标,用8?8和10?10实例进行测试,该算法比文献中的其他算法获得更好或相当的Pareto解。最后用极具欺骗性的Rastrigin函数作为Benchmark进行收敛性分析,与文献中的其他算法对比,证明了本文改进的免疫遗传算法在求解易陷入局部最优的问题时优于大部分算法,前期可快速地跳出局部收敛,并弥补了后期接近最优解时出现波动震荡的缺陷。(本文来源于《重庆交通大学》期刊2017-05-24）
黄辉,宁涛[5]（2015）在《云计算环境下的模糊柔性作业车间调度方法》一文中研究指出针对模糊环境下柔性作业车间的调度问题,以最小化平均完工时间和最大化客户满意度为目标,建立柔性作业车间调度问题的数学模型,提出了云自适应遗传算法。利用云计算方法设计云交叉算子和云变异算子进行操作,并提出改进的云自适应遗传算法。通过经典的作业车间调度算例验证了所提算法能降低早熟概率和提高迭代搜索效率。(本文来源于《信息与电脑(理论版)》期刊2015年19期）
刘晓冰,焦璇,黄明,宁涛[6]（2015）在《用混合量子算法求解模糊柔性作业车间调度问题》一文中研究指出针对模糊环境下柔性作业车间的调度问题,以最小化最大完工时间、最小化成本和最小化惩罚值为目标,建立调度问题数学模型,提出了混沌量子粒子群算法。针对实际生产交货期模糊的特点,在量子粒子群算法基础上,提出引入混沌机制建立初始群的方法;针对量子个体的更新,提出了改进的量子旋转角计算方法;针对种群可能局部早熟收敛和后期多样性丢失的问题,利用混沌机制的遍历性,提出混沌局部优化策略;通过四个经典的调度算例验证了所提出算法能降低早熟概率和提高迭代搜索效率,与其他算法比较可以获得更多的非支配解。(本文来源于《工业工程与管理》期刊2015年03期）
王晓丽,王永栓,裘力博,孟祥辉[7]（2009）在《基于混合蚁群算法的柔性模糊车间作业调度》一文中研究指出采用蚁群算法作为全局搜索算法,提出一种混合搜索策略,用于求解柔性模糊Job Shop调度问题。根据模糊Job Shop调度问题解的特性,提出基于关键工序的邻域选择方法,并将基于邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了蚁群算法局部搜索能力。最后通过仿真试验,验证了该算法的有效性。(本文来源于《航空制造技术》期刊2009年18期）
柳茂盛[8]（2009）在《基于遗传算法的柔性作业车间模糊调度的研究》一文中研究指出现有的针对FSJS问题的研究大都建立在对调度环境进行严格限制上,强调各类限制条件和生产信息预先明确,然而在实际生产环境中,存在机器、环境等因素的影响,致使包括时间参数和约束条件在内的相关信息无法准确预知,存在模糊不确定性。本文将FJSP问题从严格限定的理想环境拓展近现实的模糊环境中,使其具有更强的灵活性和实用性。首先,本论文以图的形式清晰地描述作业车间调度问题、柔性作业车间调度问题,(FJSP)和柔性作业车间模糊调度问题,并给出了解决这些问题的编码、解码算法。其次,本论文研究了以最小最大完成时间为目标的,具有模糊加工时间的柔性车间调度问题(Flexible Job-Shop Scheduling,FJSP),用六点模糊数来表征时间参数,本文引入可能性理论,采用可信性测度方法解决该问题的子问题,进行了系统的阐述,确立目标函数,最后通过遗传算法进行有效性分析。再次,本论文研究了以最小化提前/拖期惩罚为目标的,具有模糊加工时间与模糊交货期的FJSP问题。针对该问题,本文引入了六点模糊数比较大小的可能度和模糊数(?)于等于(?)的程度的概念。并通过改进的遗传算法对问题进行了有效地求解。最后,给出仿真实验结果和结论。(本文来源于《内蒙古大学》期刊2009-05-10）
卢冰原,田华,夏勇[9]（2008）在《具有模糊加工时间的偏柔性作业车间调度问题研究》一文中研究指出研究了以最小化制造跨度为目标的,具有模糊加工时间的偏柔性作业车间调度问题。针对该问题,采用叁角模糊数来表征时间参数;并采用预处理算法,将偏柔性作业车间调度问题转化为更容易处理的完全柔性作业车间调度问题,给出了基于粒子群优化的调度模型;最后通过实例验证了模型的有效性。(本文来源于《价值工程》期刊2008年01期）
袁坤,朱剑英,王细洋[10]（2006）在《基于遗传算法的模糊目标柔性作业车间调度问题》一文中研究指出针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。(本文来源于《机械科学与技术》期刊2006年10期）
柔性作业车间模糊调度论文开题报告
（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：
针对实际工厂柔性生产过程中存在的参数不确定性问题,建立了一种多目标模糊柔性作业车间调度数学模型。为求解所建模型,将加工时间、加工成本、原材料成本用叁角模糊数表示,以最小化最大完工时间和生产成本为优化目标。提出一种改进的自适应离散花授粉算法(ADMOFPA),并在初始化阶段运用离散算子将解进行离散化处理。为增强算法全局搜索和局部开发的能力,在迭代过程中引入自适应变异算子。将所提算法运用于某柔性生产车间实例进行仿真测试,并与基本花授粉算法和粒子群算法作对比,证明了所提方法的有效性。
（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。
柔性作业车间模糊调度论文参考文献
[1].张晓丽.考虑能耗和模糊交货期的柔性作业车间动态调度研究[D].河北工程大学.2019
[2].徐文豪,王艳,严大虎,纪志成.花授粉算法求解多目标模糊柔性作业车间调度[J].系统仿真学报.2018
[3].王春,田娜,纪志成,王艳.求解模糊柔性作业车间调度的多目标进化算法[J].电子学报.2017
[4].黄硕果.基于免疫遗传算法的模糊柔性作业车间调度问题研究[D].重庆交通大学.2017
[5].黄辉,宁涛.云计算环境下的模糊柔性作业车间调度方法[J].信息与电脑(理论版).2015
[6].刘晓冰,焦璇,黄明,宁涛.用混合量子算法求解模糊柔性作业车间调度问题[J].工业工程与管理.2015
[7].王晓丽,王永栓,裘力博,孟祥辉.基于混合蚁群算法的柔性模糊车间作业调度[J].航空制造技术.2009
[8].柳茂盛.基于遗传算法的柔性作业车间模糊调度的研究[D].内蒙古大学.2009
[9].卢冰原,田华,夏勇.具有模糊加工时间的偏柔性作业车间调度问题研究[J].价值工程.2008
[10].袁坤,朱剑英,王细洋.基于遗传算法的模糊目标柔性作业车间调度问题[J].机械科学与技术.2006