群智能优化算法及在流水车间调度问题中的应用研究
发布时间：2025-05-07 22:06
调度问题主要研究资源的分配问题,针对不同的任务,制定相应的优化目标,最后找到最优或者近似最优的解决方案。调度问题广泛的存在于社会生产生活中,尤其是各类制造企业中。精心设计的生产调度方案有助于提高生产效率,帮助企业在激烈的市场竞争中占据主动位置。从调度问题的解决方法来看,传统的运筹学算法和启发式规则在求解大规模调度问题时都面临很大的困难,它们对问题的约束条件要求很高,而且有时也很难获得令人满意的解决方案。群智能优化算法是近年来受到广泛关注的一种元启发式算法,应用其求解调度问题时,一般不需要很强的约束条件就可以建立一个较好的模型,从而获得令人满意的调度解。群智能优化算法为解决调度问题提供了一种新的有效的方法。本论文以流水车间调度问题与群智能优化算法为研究对象,在对调度问题进行深入研究分析的基础上,提出了几种改进的群智能优化算法来进行求解。论文的主要研究内容如下:针对置换流水车间调度问题（PFSP）,提出了一种混合蚁群算法（HACO）来进行求解。HACO算法对蚁群算法进行了多种有效的改进,在初始化阶段使用Rajendran算法进行种群初始化,保证了初始种群的质量;在状态转换阶段,使用了基于短作...
【文章页数】：157 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 生产调度问题
1.2.1 生产调度问题描述
1.2.2 生产调度问题分类
1.2.3 流水车间调度问题
1.3 生产调度问题研究方法
1.3.1 传统的运筹学方法
1.3.2 启发式规则方法
1.3.3 群智能优化算法求解方法
1.4 本文主要工作与创新点
1.5 论文组织结构
第2章 相关算法综述
2.1 引言
2.2 蚁群优化算法
2.2.1 蚂蚁觅食行为
2.2.2 蚁群优化算法模型
2.2.3 蚁群算法的特点
2.2.4 蚁群算法的改进
2.2.5 蚁群算法的理论性研究
2.2.6 蚁群算法的应用
2.3 生物地理学优化算法
2.3.1 生物地理学模型
2.3.2 生物地理学算法基本原理
2.3.3 生物地理学优化算法与其他元启发算法比较
2.3.4 生物地理学算法的迁徙模型的改进
2.3.5 生物地理学算法变异模型的分析
2.3.6 算法变种
2.3.7 生物地理学算法的应用
2.4 本章小结
第3章 混合蚁群算法求解置换流水车间调度问题
3.1 引言
3.2 最小化最大完工时间的置换流水车间调度问题
3.3 混合蚁群算法(HACO)求解置换流水车间调度问题
3.3.1 种群初始化
3.3.2 状态转换策略
3.3.3 信息素更新
3.3.4 局部搜索算法
3.3.5 模拟退火算法
3.3.6 种群重新初始化
3.4 HACO算法步骤
3.5 仿真实验与分析
3.5.1 仿真实验环境
3.5.2 算法参数设置
3.5.3 实验结果与分析
3.6 本章小结
第4章 动态多种群蚁群算法求解阻塞流水车间调度问题
4.1 引言
4.2 阻塞流水车间调度问题描述
4.3 基于种间竞争的协同进化算法
4.3.1 种群增长与竞争数学模型
4.4 动态多种群蚁群算法(DMACO)
4.4.1 DMACO算法工作原理
4.4.2 精英种群
4.4.3 搜索种群
4.4.4 变异种群
4.5 DMACO算法求解阻塞流水车间调度问题的基本步骤如下所示：
4.6 仿真实验与分析
4.6.1 仿真实验环境
4.6.2 实验结果分析
4.7 本章小结
第5章 改进的生物地理学优化算法求解阻塞流水车间调度问题
5.1 引言
5.2 改进的生物地理学算法求解阻塞流水车间调度问题
5.2.1 问题编码与初始化
5.2.2 对栖息地按照HSI值排序
5.2.3 精英策略
5.2.4 迁徙操作
5.2.5 变异操作
5.2.6 基于插入邻域的局部搜索算法
5.2.7 IBBO算法流程
5.3 仿真实验与分析
5.3.1 仿真实验环境
5.3.2 算法参数设置
5.3.3 实验结果与分析
5.4 本章小结
第6章 离散化生物地理学算法求解中间存储有限流水车间调度问题
6.1 引言
6.2 最小化总流水时间的中间存储有限流水车间调度问题
6.3 求解中间存储有限流水车间调度问题一种离散化生物地理学优化算法
6.3.1 问题编码
6.3.2 问题初始化
6.3.3 迁徙操作
6.3.4 变异操作
6.3.5 基于插入(insert)与交换(swap)交替进行的新型局部搜索算法
6.3.6 DBBO算法流程
6.4 仿真实验与分析
6.4.1 仿真实验环境
6.4.2 算法参数设置
6.4.3 实验结果与分析
6.5 本章小结
第7章 总结与展望
7.1 本文工作总结
7.2 工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
本文编号：4043865
【文章页数】：157 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 生产调度问题
1.2.1 生产调度问题描述
1.2.2 生产调度问题分类
1.2.3 流水车间调度问题
1.3 生产调度问题研究方法
1.3.1 传统的运筹学方法
1.3.2 启发式规则方法
1.3.3 群智能优化算法求解方法
1.4 本文主要工作与创新点
1.5 论文组织结构
第2章 相关算法综述
2.1 引言
2.2 蚁群优化算法
2.2.1 蚂蚁觅食行为
2.2.2 蚁群优化算法模型
2.2.3 蚁群算法的特点
2.2.4 蚁群算法的改进
2.2.5 蚁群算法的理论性研究
2.2.6 蚁群算法的应用
2.3 生物地理学优化算法
2.3.1 生物地理学模型
2.3.2 生物地理学算法基本原理
2.3.3 生物地理学优化算法与其他元启发算法比较
2.3.4 生物地理学算法的迁徙模型的改进
2.3.5 生物地理学算法变异模型的分析
2.3.6 算法变种
2.3.7 生物地理学算法的应用
2.4 本章小结
第3章 混合蚁群算法求解置换流水车间调度问题
3.1 引言
3.2 最小化最大完工时间的置换流水车间调度问题
3.3 混合蚁群算法(HACO)求解置换流水车间调度问题
3.3.1 种群初始化
3.3.2 状态转换策略
3.3.3 信息素更新
3.3.4 局部搜索算法
3.3.5 模拟退火算法
3.3.6 种群重新初始化
3.4 HACO算法步骤
3.5 仿真实验与分析
3.5.1 仿真实验环境
3.5.2 算法参数设置
3.5.3 实验结果与分析
3.6 本章小结
第4章 动态多种群蚁群算法求解阻塞流水车间调度问题
4.1 引言
4.2 阻塞流水车间调度问题描述
4.3 基于种间竞争的协同进化算法
4.3.1 种群增长与竞争数学模型
4.4 动态多种群蚁群算法(DMACO)
4.4.1 DMACO算法工作原理
4.4.2 精英种群
4.4.3 搜索种群
4.4.4 变异种群
4.5 DMACO算法求解阻塞流水车间调度问题的基本步骤如下所示：
4.6 仿真实验与分析
4.6.1 仿真实验环境
4.6.2 实验结果分析
4.7 本章小结
第5章 改进的生物地理学优化算法求解阻塞流水车间调度问题
5.1 引言
5.2 改进的生物地理学算法求解阻塞流水车间调度问题
5.2.1 问题编码与初始化
5.2.2 对栖息地按照HSI值排序
5.2.3 精英策略
5.2.4 迁徙操作
5.2.5 变异操作
5.2.6 基于插入邻域的局部搜索算法
5.2.7 IBBO算法流程
5.3 仿真实验与分析
5.3.1 仿真实验环境
5.3.2 算法参数设置
5.3.3 实验结果与分析
5.4 本章小结
第6章 离散化生物地理学算法求解中间存储有限流水车间调度问题
6.1 引言
6.2 最小化总流水时间的中间存储有限流水车间调度问题
6.3 求解中间存储有限流水车间调度问题一种离散化生物地理学优化算法
6.3.1 问题编码
6.3.2 问题初始化
6.3.3 迁徙操作
6.3.4 变异操作
6.3.5 基于插入(insert)与交换(swap)交替进行的新型局部搜索算法
6.3.6 DBBO算法流程
6.4 仿真实验与分析
6.4.1 仿真实验环境
6.4.2 算法参数设置
6.4.3 实验结果与分析
6.5 本章小结
第7章 总结与展望
7.1 本文工作总结
7.2 工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
本文编号：4043865
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/4043865.html
