改進的蟻群遺傳算法在車間調度模型庫中的應用研究.pdf

1、隨著市場經濟的快速發(fā)展，制造業(yè)的生產規(guī)模日益增大。實際生產中，各種工藝約束，資源約束，生產能力約束等平行存在，這就需要對生產作業(yè)進行合理的調度安排。而一個好的調度安排需要一個好的優(yōu)化調度算法。此外，現(xiàn)有的研究工作絕大多數(shù)要么研究加工的調度要么研究裝配的調度，其研究成果在混合生產形態(tài)類型的制造業(yè)中應用情況并不樂觀，究其原因是實際生產企業(yè)中情況錯綜復雜，很少是只有加工形態(tài)或只有裝配形態(tài)，另外還需要考慮實時庫存信息，在制品進度信息，車間生產能

2、力信息等各種信息，動態(tài)地生成調度計劃，其復雜性遠遠超過了目前研究所使用的國際標準調度問題和現(xiàn)有的一些單一生產形態(tài)調度系統(tǒng)。為了解決上述問題，不僅需要一種好的優(yōu)化算法，還需要一個針對實際車間情況的動態(tài)調度方案。 本文結合蟻群算法和遺傳算法的優(yōu)點，提出了一種新的動態(tài)螞蟻遺傳混合算法。新算法采用最佳融合點評估策略來動態(tài)地交叉調用兩種算法，并針對其框架設計了相應的信息素更新方法，提高了算法的收斂速度；同時引入迭代調整閥值來控制算法后期的

3、遺傳操作和螞蟻規(guī)模，以更快地找到最優(yōu)解。該算法針對Muthand Thompson基準問題進行了仿真，結果證明了新算法的有效性。 同時，針對混合生產形態(tài)的制造企業(yè)的實際情況，本文設計了一種新的適用于實際車間問題的混合生產形態(tài)下的編碼方法，并提出了一種關注成本的多目標優(yōu)化算法模型，相較與傳統(tǒng)多目標優(yōu)化算法只關注生產約束的特點，面向成本的多目標優(yōu)化算法模型有更高的實用型。 針對某工廠的實際問題，運用上述技術，本文著重開發(fā)了車