基于量子遺傳算法的生產計劃智能調度研究.pdf

1、紡織企業(yè)生產流程復雜，目前其生產多處于半自動化程度，在實際的生產管理中主要依靠經驗豐富的管理人員和調度人員。并且紡織企業(yè)由于訂單多，產品種類多，其生產計劃難以編制，一般都是手工編制生產計劃。傳統(tǒng)的手工編制生產計劃存在效率低，準確度不高，易于延誤交貨期等缺陷。為了適應快節(jié)奏的現(xiàn)代化生產和激烈的市場競爭，本文將生產計劃智能調度應用到紡織企業(yè)中，針對紡織企業(yè)的生產計劃問題，建立其數(shù)學模型，采用量子遺傳算法進行求解，并且改進量子遺傳算法，實現(xiàn)對

2、紡織企業(yè)生產計劃智能調度的模擬優(yōu)化。 首先，本文系統(tǒng)的研究了運用量子遺傳算法求解多目標置換Flow Shop調度問題的方法。以makespan和最小化拖期時間作為調度目標函數(shù)，對目標函數(shù)采用隨機權的評價方法，增加了算法的搜索方向，并詳細的討論了多目標置換Flow Shop調度問題的量子遺傳算法求解的相關技術，包括編碼方法、適應度函數(shù)、算法參數(shù)、初始化種群、量子旋轉門、量子交叉和量子變異等操作的設計。為了進行比較，分別用遺傳算法和

3、量子遺傳算法對同一個置換Flow Shop調度問題實例進行求解。研究結果表明置換Flow Shop調度問題的量子遺傳算法求解具有種群規(guī)模小，遺傳操作簡單、尋優(yōu)性能好的特點．其次，研究了混合Flow Shop調度問題，給出了混合Flow Shop調度問題的數(shù)學模型，并提出了一種改進的量子遺傳算法。針對混合Flow Shop調度問題的特點，引入分隔符向量，設計了一種新的編碼方案，使搜索空間包含混合Flow Shop調度問題的所有半活動調度；

4、在單點交叉過程中進行基于分隔符向量的量子交叉，簡化了交叉過程。給出了改進量子遺傳算法優(yōu)化混合Flow Shop調度問題的實例，并將求解結果和標準遺產算法的求解結果進行比較，結果表明了用改進的量子遺傳算法求解混合Flow Shop調度問題的優(yōu)越性和有效性。再次，針對毛紡企業(yè)的生產特點，將毛紡企業(yè)的生產計劃問題簡化為置換混合Flow Shop調度問題，給出其數(shù)學模型，并將其應用到浙江寧波雅戈爾毛紡廠毛紡車間的生產計劃模擬優(yōu)化調度中。在此基礎