基于混合微粒群算法求解加工时间不确定的Flow-Shop鲁棒调度问题-控制理论与控制工程专业论文.docxVIP

山东大学硕士学位论文 山东大学硕士学位论文 摘要 随着全球经济一体化的发展，企业之间的竞争日益激烈。在企业中合理 规划生产的运作方式，节约生产成本，成为提高企业竞争力的一个核心问题。 而合理规划生产运作方式的核心是能够得到一个最佳的调度方案。因此，研 究生产调度问题具有非常重要的理论意义和现实意义。 Flow—shop调度问题(FSSP)即流水车间调度问题，是生产调度问题中一 类重要的问题。由于各种原因，在实际生产过程中存在很多不确定性，本文 所研究的是一种加工时间不确定的FSSP。在研究的问题中不仅考虑到不确定 性存在，而且还能尽量减少在有干扰发生时对结果产生的影响。微粒群算法 (Particle Swarm Optimization，PSO)是一种新兴的智能优化算法，具有原理 简单，参数少，操作少，容易实现的特点，是一种高效的并行搜索算法。目 前微粒群算法已经广泛用于函数优化、人工神经网络训练、组合优化等领域， 成为目前进化计算研究的一个新热点。微粒群算法的研究领域不断扩大，也 不断深入。本文根据对微粒群算法和其它智能优化算法的研究，提出一种混 合微粒群算法，用来处理加工时间不确定的FSSP，主要做了以下工作： (1)分析了当前微粒群算法的原理和特点以及参数选择等，总结了已有 的改进方法。针对微粒群算法的特点提出了一种混合微粒群算法，该算法利 用其他两种算法的优势弥补了微粒群算法的缺陷。 (2)针对加工时间不确定的FSSP，提出了一种鲁棒makespan指标，通过 这个指标，对两个相互冲突的目标进行折衷，从而能够得到既有鲁棒性又兼 顾makespan的调度方案。基于提出的鲁棒makespan指标，对单目标和双目 标的FSSP做了研究，用混合微粒群算法做了仿真实验，并和其他算法做了对 比。仿真结果验证了该算法的优势。 关键词： flow—shop调度问题；微粒群算法；遗传算法；变邻域搜索：不确 定性；鲁棒性 山东大学硕士学位论文ABSTRACT 山东大学硕士学位论文 ABSTRACT With the development of global economic integration，competition has become more and more fiercely among the business enterprises．To program operation way for production reasonably and economize production cost ale the keys for a company to survive and grow larger．However,a best scheduling is very important to program operation way for production reasonably．Therefore，the research on product scheduling has not only tremendous academic value，but also has great practical meaning． Flow—sh叩Scheduling(FSSP)is a kind of production scheduling．In the real production process，much uncertainty exists due to various factors．This paper mainly research on FSSP with uncertain processing times，considering both uncertainty and reducing the affect of the disturbance as much as possible．Particle Swarm Optimization(PSO)is a newly intelligent optimization algorithm，and it has notable characteristics，such as simple principle，less parameters and operations， moreover,it is easily realized．So it is a kind of efficient parallel search algorithm． Presently,PSO has been widely used in many fields，for example，function optimization，manual neural n