改进自适应非支配排序遗传算法在多目标车间调度的研究与应用

《改进自适应非支配排序遗传算法在多目标车间调度的研究与应用》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：学校代号：10150UDC：密级：学号：20142194硕士学位论文改进自适应非支配排序遗传算法在多目标车间调度的研究与应用TheResearchandApplicationofImprovedAdaptiveNon-dominatedSortingGeneticAlgorithminMultiObjectiveofJobShop学生姓名：赵一霞导师及职称：梁旭教授学科门类：工科专业名称：计算机科学与技术研究方向：管理信息系统申请学位级别：硕士论文答辩日期：2017年6月18日学位授予单位：大连交通大学摘要车间调度是制造企业生产效率的重要因素之一。随着经济全球化的发展和市场

2、竞争的加剧，制造商必须保证高效稳定的运行来不断提高商业地位。因此，实现企业管理和生产资源的合理安排是企业实现利润最大化的关键因素。调度问题被称为难度最大的NP难题之一。因此，车间调度问题近年来受到学术界和工程界不断的深入研究。在复杂的实际调度问题求解中，往往是多目标优化问题，做出各种重要决策之前必须考虑到问题的各种约束条件，而且各个目标之间很可能相互冲突，解决冲突得到相对较优的解决方案是多目标优化的宗旨。近年来在对多目标车间调度的分析中，引入了多种优化算法。传统的多目标优化方法存在较多的缺陷，如优化目标加权法只是单纯的为各个目标加权和，而各个目标的单位往往不同，这为加权值的分配带来

3、了较大的主观性和不可操作性。国内外针对各种算法的特点做出了很多的改进，经调查非支配排序遗传算法(Non-dominatedSortingGeneticAlgorithmII,NSGA-II)在解的适应度分配和多样性上效果较好，但也有其不可避免的缺陷。本文针对NSGA-II算法在拥挤距离计算和精英选择方法上存在的不足，对其进行分析并改进。利用循环拥挤距离计算，排除最小距离者，保证种群均匀分布；然后按照添加精英保留的改进精英选择策略从每个非支配解集中选择出部分个体；最后根据选择策略来保证下一代个体数。本文还将改进的算法应用于作业车间调度中，提出了一种基于进化代数自动调整的自适应遗传算子

4、，避免出现“早熟”现象，并且加快了算法的收敛速度。引入局部收敛判断，防止陷入局部最优解无法跳出局部最优，提高最优解的全局性。本文采用Java编程语言来实现改进算法在作业车间调度问题的研究，并通过多个经典算例验证算法的性能。最后，通过对某企业实际车间调度过程的模拟，实现了基于本文算法的车间调度系统。关键词：作业车间调度；多目标；遗传算法；自适应算子；NSGA-IIIAbstractShopschedulingisoneoftheimportantfactorsofproductionefficiencyinamanufacturingenterprise.Withthedevelop

5、mentofeconomicglobalizationandtheintensificationofmarketcompetition,manufacturersmustensureefficientandstableoperationtocontinuouslyimprovethecommercialstatus.Therefore,therealizationofenterprisemanagementandproductionofreasonablearrangementsforenterprisesisthekeytomaximizeprofits.Schedulingpr

6、oblemsareknownasoneofthemostdifficultNPproblems.Asaresult,theshopschedulingproblemshadbeenresearchingthoroughlybyacademiaandengineeringinrecentyears.Amulti-objectiveoptimizationproblemiscommonforsolvingcomplexactualschedulingproblems.Itisnecessarytotakeintoaccountthevariousconstraintsoftheprob

7、lembeforemakingvariousimportantdecisions.Anditislikelythattheobjectivesareconflictingandthepurposeofthemulti-objectiveoptimizationistoresolveconflictstogetrelativelyoptimalsolution.Inrecentyears,avarietyofoptimizationalgorithmshavebeeni