需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：25260 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:在車間制造業(yè)中，有效的生產(chǎn)調(diào)度方法可以很大地提高生產(chǎn)效率和降低生產(chǎn)成本.車間作業(yè)調(diào)度是一個多約束、多目標(biāo)和隨機不確定的優(yōu)化問題，同時也是屬于離散空間的非數(shù)值優(yōu)化問題，問題復(fù)雜且求解困難，一般的優(yōu)化方法難以求得最優(yōu)解. 針對車間作業(yè)調(diào)度這一難解問題，本文采用基于工序的編碼方式，以最小化最大完成時間為優(yōu)化目標(biāo)，構(gòu)建了基于標(biāo)準粒子群算法的車間作業(yè)調(diào)度問題的求解方法，并通過對兩個標(biāo)桿問題進行實驗仿真并給出仿真結(jié)果和分析.鑒于標(biāo)準粒子群算法難以求解復(fù)雜車間作業(yè)調(diào)度問題，本文把Metropolis抽樣準則融入到粒子群算法中，將模擬退火算法和粒子群算法相結(jié)合，把自適應(yīng)思想融入到粒子群算法中，構(gòu)建了兩種改進的粒子群算法——模擬退火粒子群混合算法和自適應(yīng)粒子群算法來求解這兩個標(biāo)桿問題，并對這三種算法的求解結(jié)果進行對比.結(jié)果驗證了改進粒子群算法在解決大規(guī)模生產(chǎn)調(diào)度問題時的優(yōu)越性，從而研究粒子群算法及其改進算法如何實現(xiàn)在車間調(diào)度問題上的應(yīng)用. 關(guān)鍵詞：車間作業(yè)調(diào)度；粒子群算法；模擬退火粒子群混合算法；自適應(yīng)粒子群算法
目錄 摘要 ABSTRACT 第1章 緒 論-1 1.1 論文研究背景和意義-1 1.2 車間作業(yè)調(diào)度調(diào)度問題概述-2 1.2.1 車間作業(yè)調(diào)度的描述-2 1.2.2 車間作業(yè)調(diào)度問題的分類-2 1.2.3 車間作業(yè)調(diào)度問題的特點-3 1.2.4 車間作業(yè)調(diào)度問題的優(yōu)化指標(biāo)-3 1.3 車間作業(yè)調(diào)度問題研究現(xiàn)狀-4 1.4 本文主要研究內(nèi)容-6 第2章 粒子群及模擬退火算法基本理論和自適應(yīng)思想-8 2.1 粒子群算法-8 2.1.1 粒子群算法的基本原理-8 2.1.2 粒子群算法的流程和特點-9 2.1.3 粒子群算法改進的研究方向-11 2.2 模擬退火算法-13 2.2.1 模擬退火算法的基本原理-13 2.2.2 Metropolis準則-13 2.2.3 模擬退火算法的流程及特點-14 2.3 自適應(yīng)思想-16 2.4 本章小結(jié)-16 第3章 標(biāo)準粒子群算法求解車間作業(yè)調(diào)度問題-17 3.1 車間作業(yè)調(diào)度標(biāo)桿問題-17 3.1.1 變量定義-17 3.1.2 約束條件-18 3.1.3 目標(biāo)函數(shù)-19 3.2 編碼與解碼-19 3.3 求解車間作業(yè)調(diào)度問題的標(biāo)準粒子群算法設(shè)計-21 3.4 MATLAB仿真與結(jié)果分析-22 3.5 本章小結(jié)-24 第4章 兩種改進粒子群算法求解車間作業(yè)調(diào)度問題-25 4.1 求解車間調(diào)度問題的模擬退火粒子群算法的設(shè)計-25 4.1.1 模擬退火粒子群算法基本思想-25 4.1.2 模擬退火粒子群算法的流程-25 4.2 求解車間作業(yè)調(diào)度問題的自適應(yīng)粒子群算法的設(shè)計-26 4.2.1 自適應(yīng)粒子群算法的基本原理-26 4.2.2 自適應(yīng)粒子群算法的流程-27 4.3 MATLAB仿真及其結(jié)果分析-28 4.4 本章小結(jié)-32 第5章 結(jié)論與展望-33 5.1 總結(jié)-33 5.2 展望-33 參考文獻-35 致 謝-37 |
