欢迎来到天天文库
浏览记录
ID:35082292
大小:4.81 MB
页数:68页
时间:2019-03-17
《改进的粒子群优化算法在轮胎硫化车间调度的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:学校代码;10426.2013110013密级.学号乂净订著息种化QingdaoUniversityofScience&Technology..,中;,.硕学位论.MASTERDEGREETHESIS改进的粒子群化化算法在轮胎硫化车间调度的应用研究作者:郭超指导教师;胡乃平学科专业:软件工程专业代码:083500研究方向:工业信息化201目年06月12日改进的粒子群优化算法在轮胎硫化车间调度的应用研究学位论文完成日期
2、;山。指导教师签字:7答辩委员会成员签字:—气青岛科技大学研究生学位论文改进的粒子群优化算法在轮胎硫化车间调度的应用研究摘要随着计算机时代的来临,轮胎生产这种传统工艺面临着巨大挑战,如何高效生产且满足客户要求成为国内外轮胎制造商们最需要解决的问题。硫化工序作为轮胎生产的重要工序,对其车间生产进行调度优化对提升轮胎企业生产水平至关重要。因此,本文以轮胎硫化车间作为研究对象,着重研究硫化车间生产调度问题。通过查阅大量文献,对硫化车间调度的研究现状进行阐述,分析轮胎硫化工序生产特点,根据硫化车间多目标、多约束的实际生产情
3、况,考虑各种影响硫化车间的生产因素,提出并建立硫化车间的数学模型。针对硫化车间存在的生产调度问题,提出了一种结合遗传算子的改进粒子群优化算法。该算法首先采用一种局部与全局相结合的搜索策略,引入局部极值概念对粒子群算法速度公式进行修改,避免算法早熟收敛。再与遗传算法融合,通过选择、交叉、变异算子进一步优化,使结果向最优值趋近。根据硫化车间特点,采用基于任务的编码方式,使生产任务与硫化机器一一对应。最后将改进的粒子群优化算法应用于求解单目标硫化车间调度优化问题中,验证了该算法在实际生产调度过程中的可行性。研究多目标硫化车间生产调度问题,引入Pa
4、reto解的相关概念。根据多目标硫化车间的生产特点,提出一种多目标粒子群混合算法。该算法采用自适应惯性权重对粒子速度更新公式进一步改进,保持种群的多样性,再与遗传算法相结合,提高算法的搜索性能,使改进后的算法能够满足多目标的生产需求。通过与其它优化算法在实际调度中的比较,验证了该算法的优越性。研究动态不确定状态下的多目标硫化车间生产调度问题,引入滚动窗口再调度策略,采用基于事件驱动再调度策略对动态生产调度问题进行处理,利用多目标粒子群混合算法对生产任务再调度,以硫化机故障为例进行仿真实验。通过仿真结果,证明了该方法适用于解决动态车间调度问题
5、。I改进的粒子群优化算法在轮胎硫化车间调度的应用研究关键字:硫化车间改进的粒子群算法遗传因子多目标动态调度II青岛科技大学研究生学位论文APPLICATIONANDRESEARCHOFIMPROVEDPARTICLESWARMOPTIMIZATIONALGORITHMINVULCANIZATIONWORKSHOPSCHEDULINGABSTRACTWiththearrivingofthecomputerera,traditionaltireproductionfaceshugechallenge.Howtoproductefficientl
6、yandsatisfyclients’demandsbecomesaproblemtobesolvedpresently.Sincevulcanizationprocessisanimportantprocessoftireproduction,optimizingworkshopschedulingisvitaltoimprovingproductionleveloftirecompanies.Therefore,thispapertakestirevulcanizationworkshopasresearchsubject,studyi
7、ngtheschedulingofvulcanizationworkshop.Thispaperexpoundsthecurrentresearchsituationofvulcanizationworkshopschedulingbyconsultingalargenumberofdocumentsandanalyzestheproductioncharacteristicsoftirevulcanizationprocess.Accordingtopracticalproductionsituationthatvulcanization
8、workshophasmultipletargetsandrestrains,andconsideringallkindsofproductionfactorswhichcani
此文档下载收益归作者所有