智能車間作業(yè)調度問題研究.pdf

1、車間調度問題是現(xiàn)代制造業(yè)中共存的問題。隨著制造業(yè)的發(fā)展，出現(xiàn)了大量復雜的制造系統(tǒng)，如柔性制造系統(tǒng)、計算機集成制造系統(tǒng)，為車間調度問題的研究增加新的難度和要求，迫切需要研究與之相適應的車間調度方法，因此開展這方面的研究具有重要的理論與應用意義，并將產生巨大的經濟與社會效益。近年來，智能優(yōu)化理論與技術發(fā)展很快，已經廣泛地應用于科學與技術的許多領域，為解決較大規(guī)模的優(yōu)化問題提供了新的途徑。本文著重研究了基于蟻群算法和基于人工神經網(wǎng)絡方法的車間

2、調度理論與技術，開發(fā)了車間調度優(yōu)化系統(tǒng)。本文主要研究內容如下： 首先概述了車間調度問題的研究歷程，總結了車間調度問題的研究現(xiàn)狀，指出了車間調度問題研究存在的問題以及發(fā)展趨勢，介紹了車間調度問題的描述和分類，給出了車間調度問題的數(shù)學模型、圖模型、結果表示方法、調度性能評價指標和一些常用的啟發(fā)式規(guī)則。 以TSP問題為例介紹了蟻群算法的基本原理及其理論模型，定義了其基于弧模式的信息素分布的解構造圖。然后基于JobShop調度問

3、題，將JobShop調度問題構造為類似于JSSP析取圖的圖模型，在文獻[80]提出的改進蟻群算法的基礎上，本文在信息素更新規(guī)則上加以改進，利用信息素局部更新策略和全局更新策略來進行信息素的更新，提出了一種改進混合蟻群算法求解JobShop問題，并且用benchmarks問題做了實例的仿真，實驗結果證明了改進算法的可行性和有效性。 提出了一種新的約束滿足自適應神經網(wǎng)絡模型。針對車間調度問題的特點，提出了強約束和弱約束的概念，針對不

4、同的約束類型采用不同的約束滿足機制。網(wǎng)絡在運行過程中，針對問題的不同誤差來源，自適應調節(jié)神經元連接權值，逐步消除由問題的約束沖突帶來的網(wǎng)絡誤差。為了改進約束滿足自適應神經網(wǎng)絡求解車間調度問題的性能，提出了一些啟發(fā)式算法，這些啟發(fā)式算法可以分別或者組合起來嵌入到神經網(wǎng)絡中，神經網(wǎng)絡在不同階段可有選擇地使用。最后，基于benchmarks問題進行了實驗仿真，實驗結果表明，這種神經網(wǎng)絡可以很快地找到較優(yōu)解。 最后介紹了本文所開發(fā)的車間