车间调度混合遗传算法设计 论文.docx

车间调度混合遗传算法设计 论文.docx

《车间调度混合遗传算法设计 论文.docx》由会员分享，可在线阅读，更多相关《车间调度混合遗传算法设计 论文.docx（26页珍藏版）》请在冰豆网上搜索。

大学本科生毕业论文

摘 要

车间作业调度问题（JobShopSchedulingProblem）是一个著名的NP难题，具有很强的条件约束，当问题规模较大时很难找到全局最优解。

因此作业车间调度是一类求解困难的组合优化问题。

近几年各种智能计算方法逐渐被引入到作业调度问题中，如遗传算法、模拟退火算法、启发式算法等。

如何有效的安排各零件的加工顺序将直接关系到生产效率,也是本文所要解决的问题之一。

本文提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性，通过实验验证了基于混合算法的作业车间调度方法显著提高了搜索效率，GASA改进了收敛性能。

最后，本文分析了混合遗传算法的优越性。

通过VC仿真程序的模拟仿真，对比单纯遗传算法和模拟退火算法，分析了混合算法的高搜索效率，以及改进了的收敛性能！

系统的运行结果满足了调度要求，进一步证明了混合遗传算法的有效性和实用性。

关键词:

遗传算法;模拟退火算法;车间调度;仿真；

ABSTRACT

JobShopSchedulingProblemsareknownasoneofthemostdifficultNPhardproblems,havingstrictconstraintsandverydifficulttofindtheglobaloptimum.soJSSPisNPhardcombinationaloptimizationproblem.ManyintelligentcomputationmethodssuchassimulatedAnnealAlgorithm,GeneticAlgorithm,heuristicalgorithm,areintroducedintoschedulingprobleminrecentyears.

Thispaperproposesahybridgeneticalgorithmtosolveschedulingproblem.Tocombinethegeneticalgorithmandsimulatedannealing,itisusingGAexcellentwholesearchabilityandsimulatedannealingwhichisefficienttoavoidgettingintopartminimum.TheresultofthetestshowstheefficiencyofsearchisincreasedandtheconvergenceisimprovedinshopschedulingwithGASAhybridalgorithm.

Thescheudlingreusltsatisfiestherequirements，whichshowstheavailabilitiesofGASAfurther.

Keywords:

Jobshopscheduling;Geneticalgorithm;Simulatedannealing;Simulation;

目 录

第一章绪论

1.1概述

1.2课题研究的目的、背景及意义

1.3国内外研究现状

1.4课题研究方法及实验设计

第二章车间调度问题简述

2.1车间调度问题描述

2.2车间调度问题的特点及分类

2.3Jobshop和Flowshop调度问题

2.4本章小结

第三章遗传算法和模拟退火算法理论及实现技术

3.1遗传算法简介

3.2遗传算法基本流程

3.3遗传算法参数设计

3.4模拟退火算法简介

3.5模拟退火算法基本思想和步骤

3.6模拟退火算法关键参数和操作的设计

3.7本章小结

第四章混合遗传算法理论

4.1混合遗传算法的构造出发点

4.2混合遗传算法的流程和特点

第五章方案设计

5.1输入设计

5.2输出设计

5.3关键程序介绍

第六章仿真结果输出及对比分析

6.1

6.2

6.3

结论

参考文献致谢

第一章绪论

1.1概述

优化技术是一种以数学为基础，用于求解各种工程问题优化解的应用技术，作为一个重要的科学分支一直受到人们的广泛重视，并在诸多工程领域得到迅速推广和应用，如系统控制、人工智能、模式识别、生产电镀、VLSI技术、计算机工程等等。

实现生产过程的最优化，对提高生产效率、节省资源具有重要的作用。

同时，优化方法的理论研究对改进算法性能、拓宽算法应用领域、完善算法体系同样具有重要作用。

因此，优化理论和算法的研究是一个同时具有理论意义和应用价值的重要课题。

柔性制造系统是一类复杂的人造系统，具有复杂性、递阶结构、不确定性的、多目标、多约束、多资源相互协调等特点。

鉴于其重要的应用价值和理论意义，相关的分析与控制的研究方法已经受到工业界和控制界的广泛关注。

研究控制策略的目的是提高系统的性能，二系统分析的目的则是更好的优化和控制系统。

制造系统的分析和控制方法，从理论体系上可分为运筹学方法、马尔科夫链、排队论、极大极小代数、摄动分析法、Petri网、自动机/形式语言和仿真方法等。

它们涉及系统的逻辑层次、时间层次和随机层次，进而形成离散事件动态系统的理论框架。

生产调度是制造系统的一个研究热点，也是理论研究中最为困难的问题之一。

调度的任务是根据生产目标和约束，为每一个加工对象确定具体的加工路径、

时间、机器和操作等。

优良的调度策略对于提高生产系统的最优性、提高经济效益，有着极大的作用。

目前，对调度理论地研究已经受到广泛地关注，并取得了较大的进展，但还很不成熟。

如今，人们鉴于调度问题的约束性、非线性、多极小性、不确定性、大规模性、多目标性等复杂性，正努力研究和发展统计式全局搜索技术和人工智能的方法，例如模拟退火、遗传算法、禁忌搜索、进化规划、进化策略、神经网络方法、Lagrangian松弛方法和混沌优化等，而遗

传算法则是其中研究及应用最广的一类优化算法。

提高车间生产效率已成为各生产企业的研究重点之一。

本文着眼于如何有效的安排各工件的加工顺序，以达到该批工件的总加工时间最短，提高生产效率。

采用混合遗传算法对加工顺序进行优化求解，并针对不同规模进行模拟仿真，对比基本遗传算法和模拟退火算法，说明混合遗传算法的有效性和优越性。

采用VC++6.0软件进行仿真。

1.2课题研究的目的、背景及意义

进入90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。

尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。

此外一些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力。

遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。

1.3国内外研究现状

1967年，Holland的学生J.D.Bagley在博士论文中首次提出“遗传算法

（Genetic Algorithms）”一词。

此后，Holland指导学生完成了多篇有关遗传算法研究的论文。

1971年，R.B.Hollstien在他的博士论文中首次把遗传算法用于函数优化。

1975年是遗传算法研究历史上十分重要的一年。

这一年Holland出版了他的著名专著《自然系统和人工系统的自适应》（AdaptationinNaturalandArtificialSystems），这是第一本系统论述遗传算法的专著，因此有人把1975年作为遗传算法的诞生年。

Holland在该书中系统地阐述了遗传算法的基本理论和方法，并提出了对遗传算法的理论研究和发展极其重要的模式理论（schema

theory）。

该理论首次确认了结构重组遗传操作对于获得隐并行性的重要性。

同年，K.A.DeJong完成了他的博士论文《一类遗传自适应系统的行为分析》（AnAnalysisoftheBehaviorofaClassofGeneticAdaptiveSystem）。

该论文所做的研究工作，可看作是遗传算法发展进程中的一个里程碑，这是因为，他把Holland的模式理论与他的计算实验结合起来。

尽管DeJong和Hollstien一样主要侧重于函数优化的应用研究，但他将选择、交叉和变异操作进一步完善和系统化，同时又提出了诸如代沟（generationgap）等新的遗传操作技术。

可以认为，De

Jong的研究工作为遗传算法及其应用打下了坚实的基础，他所得出的许多结论，

迄今仍具有普遍的指导意义。

进入八十年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。

1985年，在美国召开了第一届遗传算法国际会议（InternationalConferenceonGeneticAlgorithms

，ICGA），并且成立国际遗传算法学会（International Society of GeneticAlgorithms ，ISGA），以后每两年举行一次。

1989年，Holland的学生

D.E.Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》（GeneticAlgorithmsinSearch,Optimization,andMachineLearning）。

该书总结了遗传算法研究的主要成果，对遗传算法及其应用作了全面而系统的论述。

同年，美国斯坦福大学的Koza基于自然选择原则创造性地提出了用层次化的计算机程序来表达问题的遗传程序设计（geneticprogramming, GP）方法，成功地解决了许多问题。

在欧洲，从1990年开始每隔一年举办一次ParallelProblemSolvingfromNature学术会议，其中遗传算法是会议主要内容之一。

此外，以遗传算法的理论基础为中心的学术会议还有FoundationsofGeneticAlgorithms，该会也是从1990年开始隔年召开一次。

这些国际会议论文，集中反映了遗传算法近些年来的最新发展和动向。

1991年，L.Davis编辑出版了《遗传算法手册》

（HandbookofGeneticAlgorithms），其中包括了遗传算法在工程技术和社会生活中的大量应用实例。

1992年，Koza发表了他的专著《遗传程序设计:

基于自然选择法则的计算机程序设计》”。

1994年，他又出版了《遗传程序设计，第二册:

可重用程序的自动发现》深化了遗传程序设计的研究，使程序设计自动化展现了新局面。

有关遗传算法的学术论文也不断在《Artificial Intelligence》、

《MachineLearning》、《Informationscience》、《ParallelComputing》、《GeneticProgramming and Evoluable Machines》\《IEEE Transactions on Neural

Net