一、一种求解JOB SHOP问题的多向交叉遗传算法（论文文献综述）
张桐瑞[1]（2021）在《基于数字孪生的柔性车间调度方法研究》文中进行了进一步梳理在经济发展进入新常态阶段的当下,我国制造业也积极地向质量型和效率型的生产方式转变。与此同时,在数字经济的不断推动下,制造业的生产特征也发生了巨大的变化,从原先单一产品的刚性生产逐渐转变为多种类、小批量的柔性生产,这让生产过程进一步复杂化,变得难以管控。车间调度是生产过程的重要一环,实现具有智能化、主动化的车间调度对企业重新获得竞争力有着重要意义。智能调度的研究目标是在更复杂、更贴近实际的调度场景下实现具有自主性、先见性的生产调度,但如果无法有效地将虚拟的数据与现实物理车间相映射融合,车间调度的智能性和自主性将难以实现。为了探索智能化的车间调度方式,结合数字孪生,本文对柔性作业车间调度问题进行研究,内容如下:（1）设计了一种基于数字孪生的车间调度方式。为充分利用生产数据来指导车间调度,实现具有自主性、快速响应等特征的生产调度,设计了一种基于数字孪生的车间调度方式,并搭建了其总体架构,同时利用数字孪生的特性搭建智能调度决策服务,并规划了其主要组成部分的运行机制以及工作方式。（2）设计了一种用于初始调度方案生成的混合改进的竞争群优化算法。针对现有算法的计算效率低、求解质量差的问题,在保留原有竞争群优化算法全局搜索能力的基础上,在其优胜个体的更新策略中引入POX交叉（Precedence Operation Crossover）、环形拓扑结构和邻域搜索,提高种群的搜索能力。最后,通过对FJSP基准算例和车间加工实例进行仿真,验证所提算法的求解稳定性。（3）提出一种孪生数据驱动的动态调度决策方法。为了使智能调度决策服务进一步满足实际生产调度的需求,提出了一种孪生数据驱动的动态调度决策方法。首先,设计一种基于实时状态数据的重调度驱动机制,利用孪生网络将车间的隐性扰动转换为随机事件,实现更精准的扰动感知;然后,利用伪孪生网络获取生产状态与调度决策动作的映射关系作为调度规则指导动态调度决策;最后,通过调度实例的仿真验证了所提调度方法的可行性。（4）实现了一个柔性作业车间调度管理系统。综合研究成果,针对车间调度问题设计该调度管理系统的逻辑架构和功能架构,并基于Java Script开发,最终搭建出一个包含机器管理、工件管理、算法管理、日志管理、用户管理、任务管理、初始调度、动态调度和生产状态监测等功能的调度管理系统。
陈绍芬[2]（2020）在《求解柔性作业车间调度问题的混合遗传算法》文中研究指明调度通过将系统中有限的资源在给定的时间内分配给若干任务,以达到降低库存、缩短工期和提高设备利用率等目的。随着柔性制造系统的引入,柔性作业车间调度问题（Flexible Job-shop Scheduling Problem,FJSP）已成为实际生产中亟待解决的一类问题,受到越来越广泛的关注。FJSP问题是NP-hard问题,精确方法难以在合理时间内求得问题的最优解。近年来,元启发式方法的出现和发展,为求解FJSP问题提供了新的有效手段。由于单一算法难以同时满足搜索的探索性和勘探性,混合算法得到了广泛应用。其中,遗传算法和禁忌搜索算法的混合应用取得了较好结果。遗传算法应用于FJSP问题的首要问题是染色体表示问题。本研究通过对现有FJSP问题染色体表示形式进行总结和分析,认为现有染色体表示形式造成了遗传操作的多样性不足。因此本研究提出了一种新的染色体表示,即MSOS-III,不仅保证了染色体的可行性,还增加了遗传操作的多样性。而禁忌搜索算法应用于FJSP问题的首要问题是邻域结构和移动评价策略。本研究提出了一种改进邻域结构可以将邻域构造过程与移动评价策略相融合,解决了以往基于邻域结构的局部搜索算法需要在移动评价上耗费大量时间的问题。同时,为保证局部搜索的连通性,提出了两级邻域搜索策略,提高了禁忌搜索算法的求解质量。最后,基于本研究提出的染色体表示、邻域结构和两级邻域搜索策略设计了混合遗传算法,并选择了四组具有不同规模和柔性的FJSP实例进行了对比实验。实验表明:本研究设计的混合遗传算法能获得大部分实例的历史最优解,且更新了8个实例的历史最优解,其结果优于其他先进算法,具有良好的性能。
谭修源[3]（2020）在《基于改进遗传算法的智能锻造生产线物流调度的分析与优化》文中研究说明“智能制造示范线技术”属于中央军委装发预研项目之一,通过围绕面向环形件热模锻加工生产线的示范应用课题,以搭建生产线形式实现示范应用。本课题立足于环形件热模锻加工生产线的实际情况,开展关于优化生产线调度问题,以及开发基于热模锻生产线的MES系统的研究。目的是解决生产线生产瓶颈点,减少加工时间以及加工能耗的问题,并实现开发系统实现管控生产线生产全流程的目的。这对环形件热模锻加工生产线生产效率的提升具有极其重要的意义。本文研究的主要内容如下:分析环形件热模锻加工生产线的当前生产情况,包括产品现状、加工工艺流程、设备情况,加工情况等。并通过开发分析软件去分析计算出生产线的加工时间和加工能耗等。分析出当前生产线存在的问题,瓶颈点等。通过对分析得出的生产线问题和瓶颈点,提出改善方法和解决的方案。通过提出的改善方法和解决方案建立生产线调度的数学模型。求解数学模型需要结合遗传算法,为了使算法求解更快更准确,对算法进行改进。结合改进的遗传算法,求解建立的生产线调度数学模型。通过开发优化软件,将模型和算法搭载进去,使得整套优化过程可以广泛地被使用。围绕热模锻生产线的生产过程,建立面向模锻生产线远程监控信息管理的MES管理系统,该MES系统的主要功能模块包含生产管理模块,数据管理模块和系统设置模块。
韦伟[4]（2020）在《面向精益化生产管理系统的生产调度算法研究》文中指出随着我国制造业的不断发展以及国际竞争环境的日趋激烈,精益化的生产管理越来越受到企业重视。其中生产调度是精益化生产管理的重要研究课题之一,因此生产调度问题成为了工业界和学术界的研究热点。制造企业可以通过合理的生产调度缩短产品的生产周期,提高设备的利用率,将半成品、成品等的库存控制在合理范围内。柔性化作业车间调度问题（job shop scheduling problem,FJSP）符合较多制造企业的实际生产情况。同时,有学者已经证明FJSP问题属于NP-hard问题。因此研究该问题不仅具有重要的理论价值,而且对提升企业生产效率、增强企业市场竞争力有着极大的实际意义。本文研究了已有文献解决柔性化作业车间调度问题的相关解决方法,其中精确方法适用于小规模问题的求解,当面对大规模生产调度问题时,精确方法难以保证在合理的时间范围内求解出答案。近似方法近年来发展迅速,其中群智能算法在求解FJSP问题具有较好的效果。本文在研究了相关的群智能算法后总结了该类算法的算法流程及相关的改进方法,并提出了改进的遗传算法和萤火虫算法用于解决FJSP问题。本文的主要工作如下:（1）在研究了群智能算法解决FJSP问题的相关文献后归纳总结了群智能算法的算法流程及关键步骤,并对其中的编解码方法、种群的初始化原则、常用的局部搜索方法进行了介绍。（2）对解决FJSP问题的遗传算法进行改进,提出了一种评价种群分散性的指标,并根据该种群分散性指标来选择新个体进入下一代种群的策略,对种群在解空间的分布进行控制。最后通过三个标准的FJSP问题验证了算法的可行性和有效性。（3）首先详细介绍了原始萤火虫算法的原理及相关参数对算法的影响,然后基于离散型的单目标优化FJSP问题,提出了一种基于优秀个体邻域搜索的离散型萤火虫算法,最后同样用标准FJSP问题验证算法的可行性和有效性。（4）将上述改进的算法应用到齿轮生产车间的生产调度上,设计了生产调度的流程。最后在精益化生产管理平台中实现了相关的功能模块。
邱豪[5]（2020）在《基于改进遗传算法的柔性作业车间调度研究》文中研究说明随着我国由制造大国向制造强国迈进,节能增效已经成为现代制造业升级转型的必由之路。现阶段制造业中以降低能耗为研究目标有较强的实用意义。考虑到现代多品种、小批量的制造模式和节能降耗的制造背景,本文以符合现代生产模式的柔性作业车间为研究对象,以降低完工时间和减少能耗量为研究目标,通过改进混合遗传算法和改进非支配遗传算法来求解单目标和多目标调度问题。通过各类经典算例以及实际生产数据验证了本文提出算法的可靠性。首先,本文系统地研究并阐述了柔性作业车间的类型、特点、表示方法、调度问题的一般目标,总结了单目标、多目标柔性作业车间调度问题的求解方法。然后,针对遗传算法的局部搜索能力较差和进化后期搜索效率较低问题,本文通过与局部搜索能力较强的禁忌算法进行结合,提出了一种改进的混合遗传算法,本算法弥补了单一遗传算法较差的局部搜索能力和禁忌算法过度依赖初始解的缺点,采用了改进的全局搜索策略生成初始种群,可以有效改善初始种群质量,改进了优先工序交叉方法,避免了交叉后的子代与父代个体基因值相同。禁忌算法中通过扰动关键工序产生邻域有效的减少了无用的邻域解提高了计算效率。以Mk算例来验证算法可用性,并与其他文献中不同的算法进行对比,本文算法在求解Mk算例时均取得了较优解。通过与标准遗传算法的迭代曲线进行对比,表明了本文算法在寻优效率、初始种群质量和解的稳定性上都有较为明显的提升。通过求解两个实例问题,本文算法求得结果均优于其他文献所得结果,证明了本文算法的先进性。最后,在第三章单目标柔性作业车间调度模型的基础上,通过分析现代柔性作业车间的生产能耗组成,确定各类能耗的计算方式,加入了机器启停能耗约束和空载能耗约束,建立了以完工时间最短和车间能耗量最小为目标的调度模型。以本文第三章改进混合遗传算法中的种群初始化操作和遗传操作为优化思路设计了非支配遗传算法,通过实际生产案例数据验证了本文建立的调度模型和算法的有效性。
石飞[6]（2019）在《基于遗传算法的产品加工与装配综合调度方法研究》文中研究说明生产调度是影响企业生产效率的关键因素,合理有序的调度可以有效缩短生产周期,提高设备利用率,减少在制品库存和资金占用,从而提升企业竞争力。生产调度种类繁多,方法多样,其中传统的作业车间调度（Job Shop Scheduling Problem,JSP）是最基本、最着名的机器调度问题,同时也是典型的NP-hard问题,几十年来得到国内外学者的广泛研究,促进了大量算法的发展,如遗传算法、禁忌搜索算法、模拟退火算法、移动瓶颈算法、邻域搜索及相关混合算法等。传统的JSP问题只针对产品的加工阶段,不考虑其装配阶段,适用于相同产品的大批量生产。本文研究的产品加工与装配综合调度问题（简称为产品综合调度问题）将加工与装配过程一同考虑,适用于多品种小批量的生产过程,能快速响应社会对个性化产品需求日益增多的情况,其研究具有较强的实际意义。同时产品综合调度问题作为JSP问题的扩展,也是典型的NP-hard问题。JSP问题的研究已经积累了大量的高效求解方法,而产品综合调度问题的研究方法尚不成熟,原因在于产品综合调度问题比JSP问题多了更加复杂的装配约束关系,导致已有的各种编码技术和局部搜索保障技术均失效,因此研究产品综合调度问题的高效求解方法迫在眉睫。首先,本文综述了产品综合调度问题的研究现状,总结分析了现有研究方法的不足,进而提出本文的研究内容。通过分析传统JSP问题中常用的优化目标,并结合产品工艺树给出了产品综合调度问题的数学模型。分别阐述了基本遗传算法和移动瓶颈算法的基本流程与算法特点,为后续遗传算法和移动瓶颈算法的改进研究奠定基础。然后,针对文献中所提基于虚拟零部件级别分区编码方法存在的不足,设计了一种基于工序约束链的编码方法,以弥补其不足之处,并给出了具有工件加工装配顺序约束关系的主动解码方法;针对交叉、变异操作产生的不可行解,设计了一种基于邻接矩阵的修复方法;进而提出一种基于工序约束链编码的遗传算法,实验测试结果验证了所提算法的有效性。其次,为弥补单一算法的不足、进一步提高算法的求解性能,提出一种融合改进扩展移动瓶颈算法和遗传算法的混合求解方法。混合遗传算法采用基于工序约束链编码的遗传算法实现全局搜索,基于改进扩展移动瓶颈算法实现局部搜索。在扩展移动瓶颈算法的改进研究中,给出了产品综合调度问题对应的扩展析取图模型,研究了基于扩展析取图的工序头尾长度计算方法,以及关键工序的查找方法,采用带扰动的Schrage算法求解单机调度子问题,增加了瓶颈机器的选择标准,设计了一种贪婪式的瓶颈机器再优化过程。结合文献中给出的相关算例进行测试分析,验证了所提改进扩展移动瓶颈算法和混合遗传算法的有效性。最后,基于上述理论研究成果,结合实际案例开发了产品综合调度软件原型系统。介绍了原型系统的应用背景、系统开发环境和主要功能模块,通过测试实际案例,简介系统运行过程,验证了原型系统的有效性。
任晓莉[7]（2015）在《LSO改进CGA解决多目标作业车间调度问题》文中研究指明针对传统方法在处理作业车间调度问题时很难将库存容量考虑在内的问题,提出了基于局部搜索算子（LSO）改进交叉遗传算法（CGA）的多目标作业车间调度模型。为了提高所提模型的效率,首先设计一种基于关键路径的交叉遗传算子;然后,设计一种新的局部搜索算子来提高遗传算法的局部搜索能力;最后,基于这两种算子,设计混合遗传算法框架,在考虑调度总完成时间的同时将库存容量作为目标进行优化。所提算法的有效性在FT10、LA01、LA06、LA11、LA21和LA36等基准问题测试中得到验证。仿真结果表明,与较为先进的非劣分层遗传算法（NSGA-II）相比,使用所提算法获得了更好的非支配解,从而更好地解决了多目标作业车间调度问题。
付志军[8]（2014）在《遗传算法和粒子群优化算法在车间作业调度问题中的应用》文中研究说明车间作业调度问题是一类重要的组合优化问题，生产生活中许多问题都可以抽象为车间作业调度问题。同时，车间作业调度问题的求解在理论研究中也是重要的研究方向。对车间作业调度问题进行精确求解已经被证明是NP-完全问题。进化算法是一类模仿生物进化行为的随机优化算法，这种算法理论上能跳出局部最优，并且对问题模型的依赖小，能有效弥补传统优化方法的不足。当前，用进化算法求解车间作业调度问题是热门的研究课题。本文首先用多步交叉遗传算法求解车间作业调度问题。本文的算法基于经典遗传算法和局部搜索方法的结合，算法中交叉算子不再是经典遗传算法中父代解的直接交叉，而是将父代解作为局部搜索的初始值进行迭代，经过局部搜索得到新一代的解。进而，把车间作业调度问题的可行解用析取图编码，并相应定义了可行解之间的析取图距离，AS型邻域和CB型邻域。其次用离散粒子群优化算法求解车间作业调度问题。本文在粒子群优化算法的迭代方程中引入了随机因子，从而增强了粒子种群的多样性。并借鉴经典遗传算法中交叉和变异的思想实现了粒子的运动。进而，用双向量对车间作业调度问题进行编码，将离散粒子群优化算法应用于车间作业调度问题的求解。最后用实验结果比较了经典遗传算法，多步交叉遗传算法和离散粒子群优化算法在求解车间作业调度问题的效果。
赵诗奎[9]（2013）在《基于遗传算法的柔性资源调度优化方法研究》文中指出随着加工技术、自动化技术的发展,柔性制造系统和数控加工中心等带有一定柔性的生产系统逐渐出现,具有柔性资源选择的柔性车间逐渐成为企业应对动态突变市场环境和机器故障等突发事件的有力工具。互联网、云计算、物联网等新一代信息技术的迅猛发展,与制造技术相融合,孕育了一种新的先进制造模式：云制造。云制造将巨大的社会制造资源连接在一起,提供各种制造服务,柔性资源调度技术是云制造中的一项关键技术。结合课题组的相关项目,论文围绕柔性资源调度问题展开研究。首先,重点对柔性车间环境的柔性作业车间调度问题（Flexible Job Shop Scheduling Problem,FJSP）进行深入研究,然后,对云制造环境下的柔性资源服务调度问题进行初步的探讨研究。第一章,介绍了课题的研究背景及意义。对调度问题和云制造进行了概述,综述了论文相关领域的国内外研究现状,并对现状进行了总结和分析,提出了论文的研究内容,给出了论文的章节结构。第二章,对FJSP问题研究的总体技术框架进行了研究。首先,对FJSP问题进行了描述,给出了其数学模型；然后,确定选用遗传算法对问题进行求解,研究了基于遗传算法求解FJSP问题的总体技术框架,确定了总体研究思路,为后续各章对FJSP问题的不断深入研究提供指导。第三章,研究了基于遗传算法优化的FJSP问题机器选择初始方法。提出一种基于短用时和设备均衡策略的遗传算法优化初始机器链方法,通过遗传算法计算产生定量优化的机器选择链群体；将上述机器选择链优化群体作为FJSP问题求解遗传算法的机器链初始群体；采用基准算例进行测试,验证了所提方法的有效性。第四章,研究了FJSP问题基于极限调度完工时间最小化的快捷高效机器选择初始方法。初始机器选择链时,宏观上采用全局选择和局部选择分别侧重于实现对最大机器负荷和最大工件加工时间指标的优化；微观上采用随机次序取代工件工艺顺序选择工序,在考虑可选机器负荷基础上,进一步比较加工时间选择机器,兼顾最大机器负荷和最大工件加工时间指标的优化；对基准算例的测试结果验证了所提方法的有效性。第五章,研究了FJSP问题求解遗传算法的工序链种群初始方法和基于工序编码邻域搜索机制。设计了采用主动调度、无延迟调度与启发式规则相结合的工序链群体初始方法；提出了与基于工序编码方式相结合的关键工序邻域搜索方法,避免了不可行解的产生以及染色体的检测修复等工作；提出一种基于调度甘特图的染色体标准化处理方法,对得到的标准化染色体进行邻域搜索提高了算法的搜索质量；对基准算例进行测试,验证了所提方法的有效性。第六章,研究了FJSP问题求解遗传算法的基于空闲时间的邻域搜索机制。设计了一种基于空闲时间的邻域结构,通过查找关键工序的机器空闲时间,确定关键工序的移动位置；给出了工序移动时保证可行解的工序移动条件及证明；分析了同一机器上相邻两工序间的空闲时间,给出了最大限度查找关键工序的机器空闲时间方法；对关键工序查找对应机器所存在的空闲时间,在保证可行解条件下,将关键工序移动到空闲时间位置进行邻域搜索；采用基准算例和企业实际案例进行测试,验证了所提方法的有效性。第七章,对云制造环境下的柔性资源服务调度进行了研究。构建了云制造环境下具有网状结构复杂产品的柔性资源服务调度优化数学模型；基于遗传算法对问题进行求解,设计了一种基于任务级别的分区编码方式；给出了多种针对分区编码可行的交叉与变异操作方式,研究了具有运输时间和任务顺序约束关系的解码方法；采用仿真算例进行测试,验证了所提方法的有效性。第八章,对全文工作和创新点进行了总结,并对进一步的研究进行了展望。
鲁平[10]（2013）在《基于实时工况信息的Job Shop车间重调度方法研究》文中研究指明调度问题是一类重要而又困难的组合优化问题,其求解具有相当难度。有效的生产调度方法,可以大大提高生产效益和生产资源的利用率。生产调度的核心问题是模型和算法,其中有效的调度算法是生产调度问题的重要研究内容。车间调度问题具有高度的复杂性和不确定性,经常受到实时工况信息变化的干扰如机器故障,工件的突然插入,工件突然取消,交货期突然提前等。本文主要针对系统中断后,对未加工的工件进行重调度。通过调研某厂的生产流程,针对某厂的生产调度中的单机,flowshop,jobshop进行调度及重调度。首先,经过调研分析某厂的生产订单的流程,针对该厂单机环境下,三种实时工况信息的变化实例进行重调度,应用相应的策略与方法。接着介绍了可以求解NP-hard的遗传算法,为求解flowshop、jobshop这样的NP-hard问题打下理论基础。针对flowshop,分别采用CDS启发式算法、遗传算法对系统进行静态调度,经过比较确实遗传算法为最优调度,然后采用遗传算法对中断后的系统进行重调度,实验证明,优化后系统得到良好结果。对于jobshop,采用遗传算法及基于机床属性的间接编码方式对目标函数进行求解,得到了较好的结果。通过实验比较,本文的方法要优于文献55中的方法。当jobshop系统发生动态干扰时,依然采用本文算法对系统进行重调度,经实验检验,优化后的排序产生的费用要明显少于原排序产生的费用。因此算例表明,本文算法不仅可行,且具有简洁、高效的优点。
二、一种求解JOB SHOP问题的多向交叉遗传算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种求解JOB SHOP问题的多向交叉遗传算法（论文提纲范文）
（1）基于数字孪生的柔性车间调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔性作业车间调度的概述 |
| 1.2.2 柔性作业车间调度问题的分类 |
| 1.2.3 柔性作业车间调度求解方法的研究现状 |
| 1.2.4 数字孪生研究现状 |
| 1.3 本文主要内容 |
| 第二章 基于数字孪生的车间调度 |
| 2.1 引言 |
| 2.2 柔性作业车间调度问题的描述 |
| 2.3 基于数字孪生的车间调度的架构 |
| 2.4 智能调度决策服务 |
| 2.4.1 初始调度方案的生成 |
| 2.4.2 孪生数据驱动的动态调度决策 |
| 2.5 本章小结 |
| 第三章 基于混合竞争群算法的初始调度方案生成 |
| 3.1 引言 |
| 3.2 竞争群优化算法原理 |
| 3.3 混合竞争群优化算法 |
| 3.3.1 编码机制 |
| 3.3.2 机器选择策略 |
| 3.3.3 基于环形拓扑结构的POX交叉 |
| 3.3.4 邻域搜索 |
| 3.3.5 算法复杂度分析 |
| 3.3.6 HCSO求解FJSP问题的步骤 |
| 3.4 仿真实验分析 |
| 3.4.1 基准算例分析 |
| 3.4.2 车间实例仿真 |
| 3.5 本章小结 |
| 第四章 孪生数据驱动的动态调度决策 |
| 4.1 引言 |
| 4.2 基于实时状态数据的重调度驱动机制 |
| 4.2.1 孪生网络的基本原理 |
| 4.2.2 基于孪生网络的隐性扰动检测 |
| 4.2.3 孪生网络的子网络的设计 |
| 4.2.4 孪生网络的输入输出处理 |
| 4.3 基于历史生产数据的调度规则挖掘 |
| 4.3.1 基于伪孪生网络的调度规则挖掘 |
| 4.3.2 伪孪生网络的输入输出处理 |
| 4.3.3 伪孪生网络调度规则的运用 |
| 4.4 仿真实验分析 |
| 4.4.1 仿真环境搭建 |
| 4.4.2 隐性扰动检测的仿真验证 |
| 4.4.3 调度规则的仿真验证 |
| 4.5 本章小结 |
| 第五章 柔性作业车间调度管理系统设计 |
| 5.1 引言 |
| 5.2 系统的设计 |
| 5.2.1 系统需求分析 |
| 5.2.2 系统架构设计 |
| 5.2.3 系统功能设计 |
| 5.3 系统的实现 |
| 5.3.1 系统开发准备 |
| 5.3.2 系统的功能界面 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间的科研成果 |
（2）求解柔性作业车间调度问题的混合遗传算法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容 |
| 1.3 论文结构和技术路线 |
| 1.3.1 论文结构 |
| 1.3.2 创新点 |
| 1.4 本章小结 |
| 2 理论综述及研究现状 |
| 2.1 FJSP问题概述 |
| 2.1.1 FJSP问题的定义 |
| 2.1.2 FJSP问题的数学模型 |
| 2.1.3 FJSP问题的优化方法 |
| 2.1.4 元启发式方法及其在FJSP问题领域的应用 |
| 2.1.5 FJSP问题的调度类型 |
| 2.2 基于遗传算法的FJSP问题研究 |
| 2.2.1 遗传算法的基本原理 |
| 2.2.2 遗传算法的染色体表示 |
| 2.2.3 遗传算法的遗传算子 |
| 2.3 基于禁忌搜索的FJSP问题研究 |
| 2.3.1 禁忌搜索的基本原理 |
| 2.3.2 FJSP问题的邻域结构 |
| 2.4 本章小结 |
| 3 FJSP问题的描述模型及邻域结构 |
| 3.1 FJSP问题的析取图模型 |
| 3.2 FJSP问题的邻域移动 |
| 3.3 FJSP问题的改进邻域结构 |
| 3.4 本章小结 |
| 4 FJSP问题的混合遗传算法设计 |
| 4.1 混合遗传算法求解流程 |
| 4.2 染色体表示 |
| 4.2.1 染色体编码方法 |
| 4.2.2 染色体解码方法 |
| 4.3 初始化 |
| 4.4 遗传操作 |
| 4.4.1 选择算子 |
| 4.4.2 交叉算子 |
| 4.4.3 变异算子 |
| 4.5 局部搜索 |
| 4.5.1 禁忌搜索算法框架 |
| 4.5.2 邻域搜索 |
| 4.5.3 禁忌列表和禁忌列表长度 |
| 4.6 本章小结 |
| 5 实验仿真 |
| 5.1 实验数据及参数 |
| 5.2 实验结果 |
| 5.2.1 实验一 |
| 5.2.2 实验二 |
| 5.2.3 实验三 |
| 5.2.4 实验四 |
| 5.3 讨论 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）基于改进遗传算法的智能锻造生产线物流调度的分析与优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 作业车间调度问题国内外研究现状 |
| 1.2.2 MES系统国内外研究现状 |
| 1.3 课题来源和主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 第2章 生产线物流调度现状及主要问题分析 |
| 2.1 生产线产品现状 |
| 2.2 环形件热加工模锻生产线工艺流程分析 |
| 2.2.1 车间概况及生产线介绍 |
| 2.2.2 环形件热加工模锻生产线生产工艺流程 |
| 2.3 环形件热加工模锻生产线存在问题分析 |
| 2.3.1 生产线能耗及时间计算 |
| 2.3.2 生产线加工现状分析 |
| 2.4 本章小结 |
| 第3章 生产线平衡改善及解决瓶颈问题研究 |
| 3.1 生产线平衡改善思路 |
| 3.2 机械臂指令优先级确定 |
| 3.3 加热炉炉门开关优化 |
| 3.3.1 加热炉相关工序 |
| 3.3.2 加热炉能耗分析 |
| 3.3.3 加热炉相关工序优化 |
| 3.4 生产线平衡改善效果对比 |
| 3.5 本章小结 |
| 第4章 基于改进遗传算法的生产线时间及能耗优化 |
| 4.1 生产线调度问题描述 |
| 4.2 生产线调度模型构建 |
| 4.2.1 参数定义及决策变量 |
| 4.2.2 模型构建 |
| 4.3 改进遗传算法设计 |
| 4.3.1 改进遗传算法的主要操作 |
| 4.3.2 改进遗传算法流程 |
| 4.4 生产线调度案例 |
| 4.4.1 参数确定 |
| 4.4.2 开发软件求解生产线调度问题 |
| 4.4.3 改善效果对比分析 |
| 4.5 本章小结 |
| 第5章 生产线制造执行系统(MES)的开发 |
| 5.1 制造执行系统(MES)的概述 |
| 5.2 制造执行系统(MES)的需求分析与总体架构设计 |
| 5.2.1 制造执行系统(MES)的需求分析 |
| 5.2.2 制造执行系统(MES)的总体架构设计 |
| 5.3 制造执行系统(MES)的结构设计 |
| 5.3.1 开发技术选型 |
| 5.3.2 功能结构设计 |
| 5.4 制造执行系统(MES)的功能实现 |
| 5.4.1 服务器运行环境 |
| 5.4.2 登录界面和授权认证功能实现 |
| 5.4.3 主界面的实现 |
| 5.4.4 生产管理模块的实现 |
| 5.4.5 数据管理模块的实现 |
| 5.4.6 系统设置模块的实现 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（4）面向精益化生产管理系统的生产调度算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 生产调度问题概述 |
| 1.2.1 生产调度问题的特点 |
| 1.2.2 生产调度问题的评价指标 |
| 1.2.3 生产调度问题的分类 |
| 1.2.4 FJSP问题 |
| 1.3 生产调度问题的国内外研究历史与现状 |
| 1.3.1 精确方法 |
| 1.3.2 近似方法 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 群智能算法 |
| 2.1 群智能算法的结构 |
| 2.2 编码与解码策略 |
| 2.2.1 集成编码 |
| 2.2.2 分段编码 |
| 2.3 群智能算法的改进 |
| 2.3.1 种群初始化 |
| 2.3.2 局部搜索 |
| 2.4 本章小节 |
| 第三章 基于遗传算法的FJSP研究 |
| 3.1 遗传算法的产生 |
| 3.2 遗传算法介绍 |
| 3.2.1 遗传算法相关概念 |
| 3.2.2 遗传算法的原理 |
| 3.2.3 遗传算法参数分析 |
| 3.3 柔性化作业车间遗传算法研究 |
| 3.3.1 编码、解码 |
| 3.3.2 初始化种群 |
| 3.3.3 适应度函数 |
| 3.3.4 遗传操作 |
| 3.3.5 改进的遗传算法流程 |
| 3.4 算法有效性验证 |
| 3.5 本章小结 |
| 第四章 基于萤火虫算法的FJSP研究 |
| 4.1 萤火虫算法的产生 |
| 4.2 萤火虫算法介绍 |
| 4.2.1 萤火虫算法的原理及流程 |
| 4.2.2 萤火虫算法参数分析 |
| 4.3 柔性化作业车间萤火虫算法研究 |
| 4.3.1 萤火虫算法离散化 |
| 4.3.2 局部搜索 |
| 4.3.3 萤火虫算法改进 |
| 4.4 算法有效性验证 |
| 4.5 本章小节 |
| 第五章 生产调度算法的应用 |
| 5.1 建安公司及产品介绍 |
| 5.2 生产调度设计 |
| 5.2.1 调度流程设计 |
| 5.2.2 调度流程实现 |
| 5.3 生产调度算法应用 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附表 |
（5）基于改进遗传算法的柔性作业车间调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 求解单目标柔性作业车间调度研究现状 |
| 1.2.2 求解多目标柔性作业车间调度研究现状 |
| 1.2.3 现状总结 |
| 1.3 主要研究内容与结构 |
| 第2章 柔性作业车间调度问题理论 |
| 2.1 柔性作业车间调度问题的描述 |
| 2.1.1 柔性作业车间调度问题的符号表达 |
| 2.1.2 柔性作业车间调度问题的评价指标 |
| 2.1.3 柔性作业车间调度问题的求解方法 |
| 2.2 多目标柔性作业车间调度问题 |
| 2.2.1 多目标优化问题基本理论 |
| 2.2.2 多目标柔性作业车间调度求解方式 |
| 2.3 本章小结 |
| 第3章 改进混合遗传算法求解单目标柔性作业车间调度问题 |
| 3.1 单目标柔性作业车间调度数学模型建立 |
| 3.2 改进混合遗传算法流程 |
| 3.3 改进混合遗传算法设计 |
| 3.3.1 混合遗传算法染色体编码和解码 |
| 3.3.2 混合遗传算法初始种群的生成 |
| 3.3.3 混合遗传算法的遗传过程 |
| 3.3.4 禁忌算法 |
| 3.4 实验分析 |
| 3.4.1 算例仿真 |
| 3.4.2 实例仿真 |
| 3.5 本章小结 |
| 第4章 考虑能耗的柔性作业车间调度模型 |
| 4.1 柔性作业车间能耗分析 |
| 4.2 降低生产能耗策略分析 |
| 4.3 考虑能耗的柔性作业车间多目标调度模型建立 |
| 4.4 本章小结 |
| 第5章 改进NSGA-Ⅱ算法求解考虑能耗的柔性作业车间多目标调度 |
| 5.1 NSGA-Ⅱ算法基本理论 |
| 5.1.1 NSGA-Ⅱ算法的特殊操作 |
| 5.1.2 NSGA-Ⅱ算法流程 |
| 5.2 改进NSGA-Ⅱ算法设计 |
| 5.2.1 染色体编码和解码 |
| 5.2.2 种群初始化 |
| 5.2.3 快速非支配排序和拥挤距离计算 |
| 5.2.4 遗传操作 |
| 5.2.5 精英保留策略 |
| 5.3 改进NSGA-Ⅱ算法流程 |
| 5.4 实例验证 |
| 5.4.1 计算设置 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
（6）基于遗传算法的产品加工与装配综合调度方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统作业车间调度研究现状 |
| 1.2.2 产品综合调度研究现状 |
| 1.2.3 现状总结与问题分析 |
| 1.3 研究内容与章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 产品综合调度问题模型及求解算法基础理论 |
| 2.1 引言 |
| 2.2 产品综合调度问题 |
| 2.2.1 问题描述 |
| 2.2.2 数学模型 |
| 2.3 遗传算法基础理论 |
| 2.3.1 遗传算法基本流程 |
| 2.3.2 遗传算法的特点 |
| 2.4 移动瓶颈算法基础理论 |
| 2.4.1 移动瓶颈算法基本流程 |
| 2.4.2 移动瓶颈算法的特点 |
| 2.5 本章小结 |
| 第三章 基于工序约束链编码的遗传算法求解产品综合调度问题 |
| 3.1 引言 |
| 3.2 遗传算法设计 |
| 3.2.1 编码分析与设计 |
| 3.2.2 遗传操作 |
| 3.2.3 基于邻接矩阵修复不可行解 |
| 3.2.4 具有顺序约束的主动解码 |
| 3.2.5 算法整体流程 |
| 3.3 实验结果与分析 |
| 3.3.1 编码方法对比 |
| 3.3.2 算法性能对比 |
| 3.4 本章小结 |
| 第四章 融合改进扩展移动瓶颈的混合遗传算法求解产品综合调度问题 |
| 4.1 引言 |
| 4.2 改进扩展移动瓶颈算法 |
| 4.2.1 扩展析取图模型 |
| 4.2.2 带扰动的Schrage单机调度 |
| 4.2.3 瓶颈机器确定和再优化 |
| 4.3 混合遗传算法设计 |
| 4.3.1 编码与解码 |
| 4.3.2 遗传操作和修复操作 |
| 4.3.3 混合算法整体流程 |
| 4.4 实验结果与分析 |
| 4.4.1 改进扩展移动瓶颈算法实验结果与分析 |
| 4.4.2 混合算法实验结果与分析 |
| 4.5 本章小结 |
| 第五章 原型系统开发与测试 |
| 5.1 引言 |
| 5.2 应用背景 |
| 5.3 系统简介 |
| 5.4 系统运行与测试 |
| 5.5 本章小结 |
| 第六章 全文总结与研究展望 |
| 6.1 全文总结与创新点 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录1 本文算法对部分算例求得的最好解 |
| 附录2 攻读硕士学位期间科研情况与获奖情况 |
（8）遗传算法和粒子群优化算法在车间作业调度问题中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 车间作业调度问题国内外研究现状 |
| 1.3 主要研究内容 |
| 第2章 遗传算法和粒子群优化算法理论基础 |
| 2.1 遗传算法理论基础及研究现状 |
| 2.2 粒子群优化算法理论基础及研究现状 |
| 第3章 多步交叉遗传算法及其在车间作业调度问题求解中的应用 |
| 3.1 车间作业调度问题的编码方案 |
| 3.2 局部搜索 |
| 3.3 多步交叉算子 |
| 3.4 求解车间作业调度问题的多步交叉遗传算法 |
| 第4章 离散粒子群优化算法及在车间作业调度问题求解中的应用 |
| 4.1 车间作业调度问题的编码方案 |
| 4.2 离散粒子群优化算法 |
| 第5章 实验及结果分析 |
| 5.1 实验结果 |
| 5.2 结论和展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 后记和致谢 |
（9）基于遗传算法的柔性资源调度优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 图表目录 |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 调度问题概述 |
| 1.2.1 问题描述及性能指标 |
| 1.2.2 车间调度问题的分类 |
| 1.3 云制造概述 |
| 1.3.1 概念及体系结构 |
| 1.3.2 云制造中的关键技术 |
| 1.4 论文相关领域国内外研究现状 |
| 1.4.1 车间调度问题的精确求解方法 |
| 1.4.2 车间调度问题的近似求解方法 |
| 1.4.3 柔性作业车间调度问题求解方法 |
| 1.4.4 云制造下的资源服务调度研究 |
| 1.5 现状总结与问题分析 |
| 1.6 论文研究内容及章节安排 |
| 1.6.1 研究内容 |
| 1.6.2 章节安排 |
| 2 FJSP研究的总体技术框架 |
| 2.1 引言 |
| 2.2 FJSP问题描述 |
| 2.3 FJSP数学模型 |
| 2.3.1 符号定义和说明 |
| 2.3.2 调度决策变量 |
| 2.3.3 调度决策的目标函数 |
| 2.4 基于遗传算法的FJSP问题求解技术框架 |
| 2.5 小结 |
| 3 基于遗传算法优化的FJSP机器选择初始方法 |
| 3.1 引言 |
| 3.2 FJSP求解算法流程设计 |
| 3.3 机器选择优化初始方法 |
| 3.3.1 已有方法分析 |
| 3.3.2 机器链优化遗传算法GA-Ⅱ |
| 3.4 遗传操作与解码 |
| 3.5 求解实例与分析 |
| 3.6 小结 |
| 4 基于极限调度完工时间最小化的FJSP机器选择初始方法 |
| 4.1 引言 |
| 4.2 机器选择方法 |
| 4.2.1 机器选择分析 |
| 4.2.2 方法思路设计 |
| 4.2.3 方法具体实现 |
| 4.3 FJSP求解遗传算法 |
| 4.4 求解实例与分析 |
| 4.4.1 初始机器链性能对比分析 |
| 4.4.2 FJSP算例求解 |
| 4.5 小结 |
| 5 基于工序编码邻域搜索遗传算法求解FJSP |
| 5.1 引言 |
| 5.2 工序顺序链启发式初始方法 |
| 5.3 邻域结构与搜索策略 |
| 5.3.1 邻域结构 |
| 5.3.2 基于工序编码染色体的邻域搜索方法 |
| 5.3.3 基于工序编码染色体的双向标准化 |
| 5.4 求解算法 |
| 5.5 求解实例与分析 |
| 5.5.1 实验一 |
| 5.5.2 实验二 |
| 5.6 小结 |
| 6 基于空闲时间邻域搜索遗传算法求解FJSP |
| 6.1 引言 |
| 6.2 析取图模型 |
| 6.3 基于空闲时间的邻域结构 |
| 6.3.1 解码方式分析 |
| 6.3.2 保证可行解工序移动条件 |
| 6.3.3 空闲时间查找与邻域结构 |
| 6.4 求解算法 |
| 6.5 求解实例与分析 |
| 6.5.1 实验一 |
| 6.5.2 实验二 |
| 6.6 与相关文献中算法结果汇总对比 |
| 6.7 企业应用 |
| 6.8 小结 |
| 7 云制造环境下的柔性资源服务调度研究 |
| 7.1 引言 |
| 7.2 产品制造过程分析 |
| 7.3 云制造服务 |
| 7.4 云制造资源服务调度优化数学模型 |
| 7.4.1 问题描述 |
| 7.4.2 约束条件 |
| 7.4.3 目标函数 |
| 7.5 求解算法 |
| 7.5.1 基于任务级别的分区编码 |
| 7.5.2 遗传操作 |
| 7.5.3 具有运输和任务顺序约束的解码 |
| 7.5.4 适应度函数 |
| 7.6 求解算例 |
| 7.7 小结 |
| 8 总结与展望 |
| 8.1 全文总结与创新点 |
| 8.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录1 本文算法和相关文献中算法对FJSP基准算例求解结果汇总对比 |
| 附录2 本文算法求得的部分mk算例甘特图 |
| 附录3 本文算法求得的部分BCdata算例甘特图 |
| 附录4 某汽轮机公司车间工件加工数据信息 |
| 攻读博士学位期间参加的科研项目和发表(录用)的学术论文 |
（10）基于实时工况信息的Job Shop车间重调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一章 调度问题概述 |
| 1.1 调度相关概念及相关理论体系 |
| 1.2 调度分类 |
| 1.3 影响调度的因素 |
| 1.4 调度性能指标 |
| 1.5 调度问题的特点 |
| 1.6 求解调度问题的算法 |
| 1.6.1 经典的最优化方法 |
| 1.6.2 启发式方法 |
| 1.6.3 邻域搜索方法 |
| 1.6.4 基于仿真的方法 |
| 本章小结 |
| 第二章 干扰管理的理论与方法 |
| 2.1 干扰管理的定义 |
| 2.2 干扰管理与其他管理方法的区别 |
| 2.3 干扰管理的应用研究 |
| 2.3.1 机器生产调度的干扰管理 |
| 2.3.2 单机干扰管理 |
| 2.3.3 平行机干扰管理 |
| 2.3.4 Flow shop及Job shop干扰管理 |
| 2.4 干扰管理的调度策略 |
| 2.5 干扰管理在调度中评价指标 |
| 本章小结 |
| 第三章 针对某厂的生产调度研究 |
| 3.1 针对某企业订单生产流程的分析 |
| 3.2 单机调度问题 |
| 3.2.1 单机问题描述 |
| 3.2.2 单机数学模型及算法 |
| 3.2.3 算例1 |
| 3.2.4 算例2 |
| 3.2.5 算例3 |
| 3.3 遗传算法 |
| 3.3.1 遗传编码 |
| 3.3.2 适应度函数 |
| 3.3.3 参数选择 |
| 3.3.4 种群初始化 |
| 3.3.5 遗传算子 |
| 3.3.6 遗传算法终止条件 |
| 3.3.7 遗传算法的优点 |
| 3.3.8 遗传算法程序设计 |
| 本章小结 |
| 第四章 Flow Shop调度问题 |
| 4.1 问题描述 |
| 4.2 CDS启发式算法数学模型 |
| 4.3 遗传算法的数学模型 |
| 4.3.1 表达方法 |
| 4.3.2 评估函数 |
| 4.3.3 交叉与变异 |
| 4.3.4 实例验算 |
| 4.4 遗传算法求解flow shop重调度问题 |
| 本章小结 |
| 第五章 Job Shop调度 |
| 5.1 Job Shop调度问题 |
| 5.2 Job shop的描述及数学模型的建立 |
| 5.3 遗传算法的设计 |
| 5.3.1 遗传算子的设计 |
| 5.4 job shop动态重调度 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
四、一种求解JOB SHOP问题的多向交叉遗传算法（论文参考文献）
- [1]基于数字孪生的柔性车间调度方法研究[D]. 张桐瑞. 江南大学, 2021(01)
- [2]求解柔性作业车间调度问题的混合遗传算法[D]. 陈绍芬. 大连理工大学, 2020(06)
- [3]基于改进遗传算法的智能锻造生产线物流调度的分析与优化[D]. 谭修源. 北京工业大学, 2020(06)
- [4]面向精益化生产管理系统的生产调度算法研究[D]. 韦伟. 电子科技大学, 2020(07)
- [5]基于改进遗传算法的柔性作业车间调度研究[D]. 邱豪. 兰州理工大学, 2020(12)
- [6]基于遗传算法的产品加工与装配综合调度方法研究[D]. 石飞. 济南大学, 2019
- [7]LSO改进CGA解决多目标作业车间调度问题[J]. 任晓莉. 计算机应用与软件, 2015(03)
- [8]遗传算法和粒子群优化算法在车间作业调度问题中的应用[D]. 付志军. 吉林大学, 2014(09)
- [9]基于遗传算法的柔性资源调度优化方法研究[D]. 赵诗奎. 浙江大学, 2013(06)
- [10]基于实时工况信息的Job Shop车间重调度方法研究[D]. 鲁平. 大连交通大学, 2013(06)