基于改进粒子群算法的流程工业生产调度方法研究与实现

基于改进粒子群算法的流程工业生产调度方法研究与实现

ID:36831491

大小:3.80 MB

页数:85页

时间:2019-05-16

基于改进粒子群算法的流程工业生产调度方法研究与实现_第1页
基于改进粒子群算法的流程工业生产调度方法研究与实现_第2页
基于改进粒子群算法的流程工业生产调度方法研究与实现_第3页
基于改进粒子群算法的流程工业生产调度方法研究与实现_第4页
基于改进粒子群算法的流程工业生产调度方法研究与实现_第5页
资源描述:

《基于改进粒子群算法的流程工业生产调度方法研究与实现》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、solvingsuchproblems.PSO(ParticleSwarmOptimization)isoneofthegroupintelligentoptimizationalgorithmsproposedbyKennedyandEberhartin1995,whichhasfeaturesofversatility,independentoftheproblemofinformation,capableofgroupsearchandSOOILIthasawiderangeofapplicationssinceithasbeenproposed.11

2、lispapertriestocombinetheschedulingproblemofprocessindustry、析thPSOalgorithm.Mainworksofthispaperaresummarizedasfollows:1.SincethelocalsearchabilityofPSOisnotsatisfactory,anditssearchprecisionislowandliabletofallintolocaloptimum,animprovedparticleswarmalgorithmisproposedinthepaper.I

3、nIPSOfirst,anewcriteriahasbeensuggestedinordertojudgewhetherthepopulationswouldfallintolocaloptimization.Thatis,whentheparticlesareclusteredtogether,thecurrentoptimalSOlutioncallmakegaussmutationsothatthespeciesCanleapoutoflocaloptimum.Throughlogisticchaoticmutationduringinteractio

4、n,thediversityofpopulationismaintained,andtheglobalsearchabilityisimprovedaswell.2.Thestaticschedulingmodelwiththeintermediatestorageofcontinuousandbatchprocessofcombiningmulti--productmulti·-batchbasedonuniformtimediscriminationhasbeenestablished,whichtakesday-productionmaximizati

5、onastheobjectfunction.IPSOhasbeencarriedouttosolvesomeproblemsemerginginit.Besides,suchamodelisappliedtoapracticalproblemofion-exchangemembraneelectro—chemicalplant,analysisoftheresultshasprovediiischeduling,dynamicscheduling浙江工业大学硕士学位论文摘要第1章1.11.21.31.4第2章2.12.22.42.5第3章3.13.23.3绪

6、论目录⋯⋯⋯⋯⋯⋯⋯.....⋯⋯⋯.⋯⋯⋯....⋯⋯⋯⋯⋯⋯⋯.⋯⋯..i选题目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。l流程工业生产调度问题研究现状与进展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.2.1流程工业生产调度的特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.2.2流程工业生产调度的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.41.2.3流程工业生产调度方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。41.2.4存在的问题和今后发展方向⋯⋯⋯⋯

7、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。7粒子群算法研究应用现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.91.3.1粒子群算法的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯91.3.2粒子群算法的应用现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯lO本文章节安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯lO混合变异粒子群算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..12弓l言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

8、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.12基本粒子群算法⋯⋯⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。