一、基于代理的并行多机提前/脱期调度研究（论文文献综述）
袁睿环[1]（2020）在《考虑设备预防性维护的单批处理机调度问题研究》文中研究指明在现代工业生产中,生产调度问题是一个比较经典的问题,批处理机调度问题是生产调度问题的一个重要分支。以往研究中,学者们通常假设机器在同一时刻只能加工一个工件,批处理机调度问题允许加工设备在同一时刻加工多个工件。故批处理机调度问题还要决策工件如何进行分批,即批处理机调度问题更复杂,已被证明是NP难问题。生产设备经过长时间使用后会发生损坏,影响整个生产进度。鉴于此,本文研究考虑设备的预防性维护约束的批调度问题,有着理论研究与实践应用中具有重要的意义。本文对考虑设备定周期和变周期预防性维护的单批处理机调度问题进行研究。建立了调度问题的数学模型,设计了蚁群优化算法和改进的蚁群算法。通过实验验证模型的正确性和算法的有效性。具体研究内容如下:首先,阐述了单批处理机调度问题和预防性维护策略的背景及研究意义,同时对当前问题的研究特点和相关问题的求解算法进行了阐述,概括总结了本文研究课题的总体思路。其次,考虑设备定周期预防性维护和变周期预防性维护限制,给出了多目标的单批处理机调度问题的定义,建立了单批调度问题的数学模型。将最小化批次的最大完工时间和最小化批次的提前/拖期惩罚费用为优化目标。再次,设计了蚁群优化算法求解设备定周期预防性维护和变周期预防性维护的批调度问题,给出了蚁群优化算法的各个求解算子,如信息素更新、转移概率值计算等。并对蚁群优化算法进行改进,设计了改进的蚁群算法求解考虑设备定周期预防性维护的单批处理机调度问题。最后,随机生成了不同规模的测试案例,进行仿真实验。为验证算法的性能,设计了选取不同参数进行蚁群算法迭代求解的实验以及应用不同算法求解本文研究问题的实验。实验结果表明本文设计的改进的蚁群算法适合求解定周期预防性维护的单批处理机调度问题,且时效性很好。同时,应用本文设计的蚁群优化算法可以求解考虑设备变周期预防性维护的单批处理机调度问题。
卢超[2]（2017）在《加工时间可控的多目标车间调度问题研究》文中进行了进一步梳理车间调度问题是现代制造系统中亟需解决的组合优化问题之一。在传统车间调度的研究中,工件加工时间通常被假定为常量,但是实际生产中的工件加工时间是可变的,它可通过消耗可用的额外资源（如,燃料、人力、机器、能耗以及资金等）加以控制。同时,由于压缩工件加工时间可在一定程度上提高生产效率,所以实际生产中工件加工时间往往会有所调整。因此,考虑加工时间可控的车间调度更加符合实际生产。然而,相比于传统车间调度问题,由于考虑了加工时间可控的特性,该问题的求解难度会更大,这也导致了针对该问题的研究进展缓慢。尽管相关研究可追溯到1980年,但是多数研究主要集中在相对简单的单机调度类型上,缺乏针对更复杂车间调度类型的研究成果。因此,亟需对加工时间可控的车间调度问题进行更系统和深入的研究。此外,由于控制加工时间需消耗额外资源,会导致成本的增加,所以该问题本质上是一个多目标优化问题。基于上述原因,本文对多种类型的加工时间可控的多目标车间调度问题开展了系统深入地研究。本文的主要工作如下:针对加工时间可控的单机调度问题,建立了以同时最小化总加工延迟时间和额外资源总消耗量为目标的数学模型,提出了一种基于遗传算法（GeneticAlgorithm,GA）与灰狼优化算法（Grey Wolf Optimizer,GWO）相混合的MODGWO方法。结合问题的特点,设计了一种新的离散编码机制,该编码机制包含了工件排序向量和工件实际加工时间向量两层信息,通过实验证明了该编码方式的可行性和有效性。为了提高算法的搜索多样性和收敛性,提出了两种策略来改善算法性能。为了测试MODGWO算法的性能,将MODGWO与NSGA-Ⅱ、PAES及SPEA2进行了实验对比。实验结果表明MODGWO在大多数问题上要优于其它算法。针对加工时间可控的不相关并行机调度问题,建立了以同时最小化Makespan和额外资源总消耗为目标的数学模型,该模型考虑了依赖工件序列的准备时间。为了求解该类调度问题,本文提出了一种基于GA与病毒优化算法（Virus Optimization Algorithm,VOA）相结合的MODVOA方法。结合问题的特点,设计了一种新的离散编码机制。为了评价MODVOA算法的性能,将MODVOA与NSGA-Ⅱ、SPEA2及MODGWO进行了实验结果对比。实验结果表明提出的MODVOA算法在大多数问题上要好于其它对比算法。针对加工时间可控的流水车间调度问题,首先建立了以同时最小化Makespan和机器负载总惩罚量为目标的数学模型,该模型考虑了依赖工件序列的准备时间与依赖工件的传输时间。由于单机调度与流水车间调度有相似的特点（均需对工序进行排序）,所以以提出的单机调度算法为基础,开发了一种多目标离散灰狼优化算法（MODGWO）来求解加工时间可控的流水车间调度问题。同时,根据问题的属性,引入了一种机器负载降低策略。为了评价MODGWO的性能,将MODGWO与NSGA-Ⅱ、SPEA2及MODVOA进行了实验对比,实验结果表明MODGWO在求解该类调度问题上要显着地优于其它算法。针对加工时间可控的柔性作业车间调度问题,构建了此类车间调度问题的数学模型,该模型的目标是同时最小化Makespan和额外附加资源总消耗。由于并行机调度与柔性作业车间调度有相似特点（均考虑机器可选）,以先前提出的并行机调度算法为基础,开发了一种混合多目标离散病毒优化算法,即MODVOA。该算法的创新点有:每个解包含了三层表达信息、改进的初始种群以及集成的更新操作算子。同时,在算法的搜索后期,采用了基于问题知识的开采机制操作以改善算法的局部搜索性能。为了评价MODVOA的性能,将MODVOA与其它MOEAs（如NSGA-Ⅱ、SPEA2和MODGWO）进行了实验对比,实验结果表明MODVOA在求解该类调度问题上要优于其它算法。本文结合上述理论成果和焊接车间以及发动机冷却风扇加工车间的生产情况,分析了实际车间中存在的加工时间可控的多目标调度问题,将本文的理论成果应用于实际车间的生产,结果表明本文提出的多目标调度优化算法的实用性。最后对全文的成果以及创新之处进行了总结,并展望了未来的研究方向。
徐建有[3]（2015）在《基于智能优化算法的生产调度问题研究》文中提出以钢铁、化工、机械等为代表的制造业是国民经济的支柱产业。近年来,随着经济全球化的发展,制造型工业企业所面临的市场竞争和资源、环境压力不断加强。生产调度是制造型工业企业生产管理的核心内容,鉴于生产调度问题的复杂性,如何利用先进的建模与优化方法来进一步提升生产调度的质量,以帮助企业提高产品质量和生产效率,降低生产成本和能源消耗,一直是当前学术界和制造型工业企业所面临的机遇和挑战。因而,针对生产调度问题的研究具有重要的理论意义和应用价值。本文主要针对制造型工业企业中普遍存在的典型生产调度问题进行了研究,提出了改进的智能优化算法,既包含问题建模与求解方法的理论探讨,也包括实际生产调度问题的应用研究。具体的研究内容包括:（1）针对两代理单机调度问题,考虑了实际生产中工件等待时间越长生产成本越大的因素,将工件的实际处理时间定义为开始时间的线性增加函数,该问题的优化目标是在工件的拖期时间不超出第二个代理所允许的上界情况下,实现第一个代理所要求的拖期工件总数目的最小化。针对该问题,提出了一个禁忌搜索算法来获得大规模问题的近优解,以及一个针对小规模问题的分枝定界算法。（2）针对流水车间调度问题,提出了一个改进的遗传算法,在算法的局部搜索中使用了一种新型的自适应邻域结构,其邻域规模随着搜索的进行能够动态变化,从而提高算法的搜索能力。使用标准Benchmark问题的测试结果表明,所提出的基于新邻域结构的遗传算法性能要优于已有文献中的相关算法。（3）与传统流水车间调度问题中工件在每个机器上只能加工一次不同,考虑了机械制造中工件可以一个机器上多次加工的实际情况,研究了可重入流水车间调度问题,提出了一个自适应Memetic算法,并在局部搜索中设计了一个邻域规模可以自适应变化的动态邻域搜索方法。（4）针对带有顺序相关调整时间的多目标流水车间调度问题,将传统的迭代局域搜索算法扩展到多目标领域,提出了一个多目标迭代局域搜索算法。在局域搜索中使用基于动态邻域的多目标变深度搜索方法,以保证搜索深度和广度的平衡,提高算法的搜索性能。通过对标准测试问题的测试结果表明了所提出算法的有效性。最后,对全文的研究工作进行了总结,并展望了在制造型工业生产调度问题上需要进行的下一步研究工作和应用前景。
刘本希[4]（2015）在《水电富集地区大小水电协调优化调度方法研究及应用》文中指出水电是我国的第二大电源,同时也是最重要的清洁能源。我国水能资源主要集中在西南地区,近年来,随着“西电东送”战略的深入推进,作为电源基地的西南地区的水电取得了跨越式发展,发电装机容量实现了持续快速攀升。同时,在经济发展需求和相关政策的导向作用下,西南地区的小水电也得到了快速开发,并对当地经济发展和电力工业水平的提高起到了十分重要的作用。然而,一方面,水电系统规模的快速增长使得水电优化调度问题规模迅速扩大,传统方法难以适应大规模水电发展需求；另一方面,由于缺乏合理规划和有效管理,西南地区的小水电长期处于无序开发状态,管理和并网混乱,并随装机规模不断增长而出现了季节性小水电供大于求的现象,既定负荷需求下的小水电与大中型水电之间以及与其它能源之间存在着相互挤占有限发电空间和输电通道的问题,导致水电汛期大规模窝电弃水,并给电网安全稳定运行造成重大影响。针对上述问题,本文以水电富集的西南地区为研究背景,以大小水电协调优化调度为研究主线,深入分析了大规模水电站群优化调度特性、大小水电的出力特性以及相互之间的水力和电力联系,开展了大规模水电站群长期优化调度、不同时间尺度下大小水电协调优化调度和大小水电及风电的短期协调优化调度问题的研究与分析。主要成果如下:（1）针对大规模水电站投产导致水电站群优化调度问题规模急剧增长,传统优化调度方法求解耗时大幅增加的问题,提出了水电站群长期优化调度多核并行禁忌遗传算法。该算法以十进制遗传算法为基础,将单一种群划分为多个子种群,并引入多种群迁移策略,避免遗传算法早熟而陷入局部最优解；通过禁忌策略避免适应值重复计算,提高算法搜索的有效性；结合近年来快速发展的多核并行技术,实现遗传算法并行化计算。以澜沧江和红水河为背景的实例研究表明,所提方法能够有效避免传统遗传算法早熟问题,并能够显着减少计算耗时,大幅提高求解效率,是求解大规模水电系统优化调度问题的一种可行方法。（2）针对水电富集地区大小水电挤占有限的输电通道、外送电力不畅的问题,提出了大小水电长期协调调度决策树模型。首先建立了决策树数据挖掘算法,然后以大小水电长期可消纳电量最大为目标,采用确定性优化方法获得历史各年理想调度过程,在此基础上,利用决策树挖掘具有普适性的大小水电长期协调调度规则。在应用阶段,采用BP神经网络并结合美国气象预测系统（CFS）的降雨预报信息预测大中型水电站径流和小水电发电能力,并将其作为决策树输入,以获得面临时段水电调度决策信息。水电富集的云南德宏地区应用结果表明,所提方法能够合理利用大中型水电的调蓄能力,汛前降低水位、腾出库容,为小水电汛期外送腾出通道,有效减少窝电弃水,提升水电总体消纳量。（3）针对水电富集地区汛期大小水电抢占有限外送输电通道资源,造成大规模窝电弃水的问题,提出了大小水电可消纳电量期望值最大协调优化调度模型。该模型根据分区小水电并网特点,将分区小水电作为整体考虑,首先分析了小水电计划和实际出力偏差,然后采用模糊聚类分析和轮廓系数构建了小水电出力场景。在此基础上,采用启发式搜索方法和关联搜索算法进行求解。针对可能存在弃电的场景,通过调整大中型水电站末水位控制条件,实现大小水电协调,并将弃电风险控制在合理的范围内。以水电富集的滇西南德宏、普洱和版纳为背景的实例研究表明,所提模型和方法能够有效利用大中型水电良好的调节能力实现大小水电协调,减少弃电,是一种可行的大小水电短期协调优化调度方法。（4）针对水电富集地区风电等新能源的大规模开发进一步加剧了汛期电力外送压力的问题,以可消纳电量最大为目标,构建了大中型水电与小水电、风电协调优化调度模型。该模型将小水电和风电作为随机变量,采用非参数核密度估计方法分析了小水电计划出力和风电预测出力的误差分布。在模型求解方面,从初始粒子生成、惯性因子动态更新并增加粒子间的交叉和变异操作等方面对粒子群优化算法进行改进,在此基础上结合蒙特卡罗模拟方法进行求解。以滇西北地区实例研究表明,改进的粒子群优化算法明显优于传统的粒子群优化算法和遗传算法,所提方法能有效考虑小水电和风电的不确定性,利用大中型水电协调风电和小水电运行,并为调度人员提供运行风险与期望消纳电量的平衡依据,是一种有效的大小水电和风电协调优化调度方法。最后对全文研究工作进行总结,分析了本文存在的不足,并对未来可能研究工作进行了展望。
谭慧娟[5]（2014）在《曲面分段建造作业计划仿真与优化》文中指出曲面分段加工是船体建造的重要部分，完善曲面车间分段建造作业计划能缩短曲面分段加工周期，提高曲面车间分段加工的生产效率，促使我国造船企业继续朝总装化，精益化路线前进。本论文针对曲面分段建造工艺和分段车间物料管理方式特点，主要做了以下工作：对船厂曲面车间分段加工方式和车间作业计划体系进行调研分析，明确曲面车间分段加工属于离散型事件，将车间所有胎位看成并行机工位，在此基础上建立仿真模型。针对曲面车间分段加工采用固定胎位式特点，分析各种作业计划优化方法和优化算法，总结生产调度策略和遗传算法理论，对于组立部门编制的曲面车间初步作业计划，利用Plant-Simulation仿真软件自带的遗传算法对初步胎位执行作业计划优化，优化过程中进行参数设置和编程工作，将优化得到的作业计划执行之后的结果与初步作业计划执行结果相比较，作业计划完成总时间缩短，为提高曲面车间分段的生产效率增加可能性。同时，分析曲面分段建造工艺流程，曲面车间物料配送方式，研究影响物料配送的资源因素，结合车间看板管理方式和精益物流思路，建立曲面车间分段装配线物料配送模型，输入之前优化后得到的某胎位的作业计划。利用仿真软件的试验管理方法，实现分段建造流程仿真和车间物料配送，并对影响因子进行优化，得到物料运输设备和线边物料堆场的优化值，降低作业计划完成总时间，为提高合理地车间资源利用实现可行性。
赵诗奎[6]（2013）在《基于遗传算法的柔性资源调度优化方法研究》文中提出随着加工技术、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。
周艳平[7]（2013）在《基于博弈理论的多目标生产调度问题研究》文中指出调度问题研究如何将单个或多个资源分配给等待处理的任务,并使某些指标得以优化。生产调度是现代制造业的重要环节,是实施计算机集成制造系统的关键。合理的调度方案可以提高生产效率和资源利用率,为企业带来显着的经济效益和社会效益。传统的调度问题研究中,一般由加工方根据交货期、机器使用效率和库存等目标要求进行调度排序。在客户驱动下的现代制造业中,每个客户都有自己的个性目标需求,如交货期、满意度和加工成本等目标,基于加工方的调度排序很难满足每个客户的个性需求。在现实生活中,存在客户采用合作或者竞争机制主动参与调度安排的情况。本文系统的探讨了基于客户成本需求的多目标生产调度问题,结合博弈理论在解决有约束、多人多目标优化问题的优势,研究利用博弈理论解决多目标生产调度问题。分别利用合作博弈理论、非合作博弈理论和进化博弈理论对基于客户成本需求的多目标生产调度问题进行分析和建模,研究了客户驱动的调度优化算法。本文主要研究成果包括：（1）归纳了生产调度问题和博弈理论的研究成果,综述了博弈理论应用于多目标生产调度问题的研究现状,阐明了博弈理论应用于多目标生产调度的可行性和思路。（2）系统介绍了合作博弈基本理论和合作博弈的核分配方法,利用合作博弈理论建立了基于客户成本需求的生产调度合作博弈模型,从而将生产调度问题转换为最大化合作博弈调度联盟的成本节省问题；分析了合作博弈调度解的存在性,证明了其存在的充要条件,讨论了合作博弈调度解和博弈核分配的关系,比较了合作博弈调度解集合和所有调度解集合、可行调度解集合、Pareto调度解集合的关系。（3）针对基本单机调度、基于交货期和拖期惩罚的单机调度、加工时间和工序相关的流水车间调度、具有相同阶段加工时间的混合流水车间调度等四类调度问题,分别建立了对应的调度合作博弈模型,证明了所建立的调度合作博弈是平衡博弈。在分析已有核分配方法不足的基础上,分别提出了比例增益成本分配方法、加权前后边际成本分配方法、平均节省成本分配的实现方法,证明了所提出的成本分配方法是核分配方法。实例分析表明,所建立的模型是有效的,所提出的成本分配方法能给出公平合理、客户满意的节省成本分配方案。（4）借鉴经济学中市场竞价的方法,在带约束的单机调度问题中,提出客户通过成本约束下的竞价来确定加工优先权,采用非合作博弈方法分析了客户的报价策略。分析了带成本约束的单机调度任务,定义了基于完全信息的带成本约束的单机调度非合作博弈模型,选择客户的报价作为策略,定义了综合考虑客户多目标的收益函数,从而将带成本约束的单机调度问题就转化为求取基于相应约束的纳什均衡解。用实例给出了在非合作博弈框架下,客户利用竞价策略竞争加工优先权的过程,验证了采用客户竞价的非合作方式能给出满足成本约束的调度排序。（5）分析了带成本约束和交货期的单机调度问题,建立了基于完全信息的带成本约束和交货期的单机调度非合作博弈模型。设计了客户的竞价机制,各客户首先根据成本约束和交货期要求给出自己的加工开始时间和报价,通过对比各客户的报价,确定各客户的加工优先权；设计了加工冲突时的冲突消解机制,给出了求解该非合作博弈调度的纳什均衡解的方法；通过实例验证了所提非合作博弈模型和利用竞价机制求取客户满意调度方案的有效性。（6）针对一类带模糊交货期的无等待流水车间调度问题,在各加工任务均要求满足最低满意度阈值的基础上,以最大化综合满意度为目标,对该调度问题进行了描述,引入进化博弈理论,构建了进化博弈调度模型,将调度任务映射到进化博弈模型中,将对调度问题的求解转化为寻找约束条件下的进化博弈均衡点。设计了一种启发式遗传算法求解进化博弈均衡点,该算法在进化过程中加入启发式竞争策略,大大提高了进化效率。仿真结果表明,用进化博弈调度模型来描述该类带模糊交货期的无等待流水车间调度问题是合理有效的,设计的求解算法,能通过反复博弈,使客户动态的调整自己的策略,克服有限理性的限制,逐步达到进化稳定均衡。本文结合博弈理论,根据合作机制是否能形成,分别采用合作博弈和非合作博弈方法,建立了各种类型的基于客户成本需求的生产调度问题的博弈模型,研究了博弈理论框架下调度问题的求解办法。该理论和方法建立了一种新的解决多目标生产调度的途径,有助于推动生产调度理论的发展,改善其性能,拓宽其应用领域,具有重要的理论意义和积极的实际意义。
吴志明[8]（2012）在《考虑资源约束及预防性维修的混合流水车间调度问题研究》文中指出本论文的研究基于四川省青年基金项目“面向迂回生产流程的多目标生产规划研究”（批准号：09ZQ026-054）。混合流水车间调度（Hybrid Flow Shop Scheduling,HFSS）问题是两类经典调度问题Flow Shop和并Parallel Shop的推广，相比之下，HFSS问题要求在整个加工流程中，至少有一个阶段具有两台及以上的并行机器，属于较为复杂的NP-Hard难题。此类问题至少需要同时解决两个问题：各工件的加工顺序以及各工件在各加工阶段加工机器的分配情况。针对目前国内外车间调度的研究现状以及存在的实际问题，本文重点研究了考虑资源约束的混合流水车间调度问题以及具有预防性维修的资源约束混合流水车间调度问题。针对混合流水车间稀缺资源约束的调度问题，将稀缺资源约束对最小化最大完工时间（makespan）的影响考虑到目标函数中建立了基于资源约束的数学规划模型，有效的解决了多台并行机因竞争稀缺资源而造成的时延等待、设备利用率低的调度问题。由于传统遗传算法存在早熟收敛的不足，提出采用NEH启发式算法产生初始种群的改进遗传算法。实例仿真结果表明，在此模型下，改进的遗传算法较传统遗传算法能更好的解决有限稀缺资源约束的混合流水车间调度问题。在生产过程中，由于需要定期对设备进行预防性维修，因此需考虑设备预防性维修对车间调度的影响。本文在建考虑资源约束调度模型的基础上，将预防性维修与稀缺资源等待对工序起始加工时间的影响考虑到目标函数中，建立具有预防性维修的资源约束混合流水车间调度模型，该模型能够满足合理优化配置有限资源以及定期对设备进行预防性维修的同时，使得设备利用率最高，生产周期最短。为解决此类复杂约束调度问题，本文提出新的启发式规则，结合遗传算法对调度模型进行求解。通过实例验证，改进的算法能够取得较好的调度方案。同时，本文通过收集某风电叶片制造厂实际车间数据，对文中所提出的两类调度模型分别与传统调度模型作对比，通过计算各项调度指标，验证了本文所建模型能够很好的解决稀缺资源约束及统筹优化设备预防性维修与调度的问题，达到提高资源利用率、缩短生产周期的目的。
刘鹏飞[9]（2012）在《混合生产形态下的作业车间调度关键技术研究》文中研究说明本论文针对混合生产形态（加工+装配）下的作业车间,以机械制造业中多品种小批量生产为主的混流装配线企业或作业式装配企业为研究背景,对其生产过程中在制品偏多、装配经常出现缺件的管理现状,从车间生产调度出发平衡管理层对经济效益的追求和生产管理部门对生产效率的要求。对于混合生产形态下的作业车间调度技术研究,传统的生产调度研究多数是针对独立的加工阶段或装配阶段的研究,忽视了加工作业和装配作业的内在并行性。本论文以大连机车车辆股份有限公司机二车间为背景,主要研究混合生产形态下的多订单调度问题和多目标调度问题,对加工阶段和装配阶段实行综合车间调度。本论文可为混合生产形态下的作业车间管理提供科学依据,其研究成果可用于企业信息化建设中,为企业决策提供有力的生产计划数据,指导车间生产工作和产品销售工作,具有广泛的应用价值。本论文的主要研究工作包括：（1）首先阐述了论文的研究背景及研究意义,在国内外混合生产形态下调度技术研究现状的基础上,总结了混合生产形态下的作业车间调度特点,分析了“加工+装配”生产的特点及其之间的冲突性,归纳了调度研究中待解决的问题。（2）针对混合生产形态下的多订单调度问题,在不同交货期的前提下,以加权订单完成最大化为调度目标,采用整数规划模型对混合生产形态下的多订单作业车间调度问题进行建模,给出了混合生产形态下一般作业车间中多订单调度相关的资源约束条件。（3）针对混合生产形态下的多目标调度问题,全面考虑与车间组织生产相关的各种构成要素,例如设备利用率、工件作业完成时间、各工序前准备时间、工序间搬运时间、存储成本、人工成本等,确定影响作业计划的各种因素,对各代价指标进行多目标调度建模。（4）传统的调度方法难以从综合调度角度求解混合生产形态下作业调度问题,本文提出了求解多订单调度问题的基于遗传算法和蚁群算法的两种综合调度算法框架。前者首先设计了新的遗传算法编码方式在算法编码时唯一确定一个装配体在产品结构中的位置,并提出了基于订单的多父辈交叉算子和基于订单权重的变异算子保证订单完成最大化；后者设计了递进式蚂蚁窗口结构以正确表述装配约束,通过一种基于订单的信息素更新策略来根据订单的完成情况合理更新路径信息素；本文采用国际标准算例构造测试数据对算法框架进行测试,证实了算法框架的有效性,并总结了两种算法框架求解该问题的特点及适用范围。（5）提出了一种基于遗传算法的多目标调度算法框架以求解混合生产形态下多目标调度问题,该框架采用多订单综合调度算法框架中提出的编码方式对问题进行编码,以成本最小和调度时间最短为调度目标,在调度任务确定和集约生产计算后,采用Pareto解集求解调度计划。通过某机车厂生产数据仿真,算法框架代入基本遗传算法,证明该算法是有效的。（6）基于基本调度方法的研究,提出了‘种面向作业车间的非均匀蚁群算法和一种改进的多种群遗传算法。实验表明,前者在求解调度问题时提高了蚁群的收敛速度,后者改善了算法易早熟的缺点。本论文研究表明,可以有效解决混合生产形态下作业车间中的多订单调度和多目标调度问题,其研究成果可以使加工与装配作业并行工作,减少在制品数量,并解决装配缺件问题,并可以有效减少车间在制品数量,减低生产成本。以上研究可在一定程度上丰富混合生产形态下的车间调度理论。
王帅[10]（2011）在《机械加工生产调度过程的优化设计及其应用研究》文中研究说明生产调度问题是生产过程中存在的经典问题之一,它伴随着工业化大生产的出现而产生,但其真正的发展还是在近几十年。在目前全球金融危机的大背景下,中国的机械加工行业将会面临更多的困难,包括经营风险加大、资金链趋紧导致流动资金严重不足、订单要求越来越高致使难以满足要求等等,这一切都使得加工企业,特别是中小型加工企业竞争加剧,如果不加以改变很可能就会被淘汰出局。而要提高其企业竞争力,增强其抵御金融危机的影响能力,除了在技术革新方面需要努力之外,更重要的是需要设计和制定出适合其企业自身特点的生产管理和调度规划计划,使之能够在现有设备基础上降低成本,提高效益,提高资金流动速度,提高对订单要求反映的及时性和有效性,提高企业信誉,从而从“软件”上提高企业的竞争力。本文以机械加工过程中的生产调度问题为研究对象,结合上海精正机械设备有限公司的生产加工的实际情况,通盘考虑各种约束条件,建立起各种不同的调度模型,然后分析模型的特征和性质,提出针对性的算法,对加工参数进行优化,并最终通过计算机编程和系统仿真的方式对其进行计算,验证模型的合理性和算法的有效性。通过对机械加工过程中各类成分构成的分析和归纳以及对加工过程前后所引起的相关成本变化进行总结,建立了成本分析模型,并且通过在此模型上添加相关约束来实现对各类生产要求的模拟,提出了相应的算法,并通过企业的实际例子验证了模型的有效性和适用性。另外,借助“准时加工”、“延时开工”等现代生产理念,对生产调度模型中两大基本的约束条件——时间约束和资源约束进行了分类和讨论,并针对部分模型提出了相应的算法或解决思路,利用算例证明了算法和思路的可行性。针对遗传算法计算时出现的诸如超平均现象、超级个体现象、收敛速度过慢现象以及计算效率不高等问题,本文提出了一系列解决方案,包括对适应度计算方式的改进、对遗传算子的改进以及对遗传方式的改革等方面,并利用改进后的算法与改进前的算法以及已有算法进行比较计算,验证了算法改进的成功性。然后在算法改进的基础和前提下,建立了面向两级用户的生产调度参数优化系统,对系统的构成原理和构成方式进行了分析并介绍了系统各部分模块运行方式和状态,并通过编程方式实现。本文的研究内容与实际加工情况紧密结合,利用上海精正机械设备有限公司的实际生产过程验证了模型的正确性和算法的有效性,说明新模型能够直接指导实际生产。本文的各种计算结果和结论均真实有效,对于机械制造企业提高现代制造水平具有一定的指导意义和参考价值。
二、基于代理的并行多机提前/脱期调度研究（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、基于代理的并行多机提前/脱期调度研究（论文提纲范文）
（1）考虑设备预防性维护的单批处理机调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 批处理机调度问题的研究现状 |
| 1.3 预防性维护综述 |
| 1.4 本文主要研究内容 |
| 第2章 批处理机调度问题研究 |
| 2.1 研究问题的综述 |
| 2.2 本文优化算法介绍 |
| 2.2.1 自然蚁群与人工蚁群算法 |
| 2.2.2 基本蚁群算法的原理 |
| 2.2.3 基本蚁群算法的模型及实现 |
| 2.3 本章小结 |
| 第3章 考虑设备预防性维护的单批处理机调度问题模型建立 |
| 3.1 单批处理机调度问题描述 |
| 3.2 定周期预防性维护策略 |
| 3.3 考虑设备定周期预防性维护的单批处理机调度问题的数学模型 |
| 3.4 变周期预防性维护策略 |
| 3.5 考虑设备变周期预防性维护的单批处理机调度问题的数学模型 |
| 3.6 本章小结 |
| 第4章 单批处理机调度问题的求解算法 |
| 4.1 蚁群优化算法的编码方式 |
| 4.2 蚁群优化算法的信息素定义 |
| 4.3 蚁群优化算法解的建立 |
| 4.3.1 候选列表集合 |
| 4.3.2 解的生成 |
| 4.4 蚁群优化算法的信息素更新 |
| 4.5 基蚁群优化算法的启发式信息定义 |
| 4.6 蚁群优化算法流程图 |
| 4.7 改进的蚁群算法 |
| 4.7.1 候选列表集合CLb |
| 4.7.2 信息素更新 |
| 4.8 本章小结 |
| 第5章 实验与结果分析 |
| 5.1 实验数据 |
| 5.2 实验设计 |
| 5.3 考虑定周期预防性维护策略的单批调度问题的实验结果分析 |
| 5.3.1 参数对蚁群优化算法性能的影响 |
| 5.3.2 不同算法求解定周期预防性维护的单批调度问题的实验结果分析 |
| 5.4 定周期预防性维护对单批调度问题的影响分析 |
| 5.5 变周期预防性维护对单批调度问题的影响分析 |
| 5.6 本章小结 |
| 第6章 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（2）加工时间可控的多目标车间调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的来源、目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 问题现状与分析 |
| 1.4 本文的研究内容及总体结构 |
| 2 加工时间可控的多目标单机调度问题研究 |
| 2.1 引言 |
| 2.2 问题描述与模型建立 |
| 2.3 基于混合GA-GWO求解加工时间可控的单机调度问题 |
| 2.4 数值实验 |
| 2.5 本章小结 |
| 3 加工时间可控的多目标并行机调度问题研究 |
| 3.1 引言 |
| 3.2 问题描述与模型建立 |
| 3.3 基于混合GA-VOA求解加工时间可控的并行机调度问题 |
| 3.4 数值实验 |
| 3.5 本章小结 |
| 4 加工时间可控的多目标流水车间调度问题研究 |
| 4.1 引言 |
| 4.2 问题描述与模型建立 |
| 4.3 基于混合GA-GWO的MODGWO求解多目标流水车间调度 |
| 4.4 数值实验 |
| 4.5 本章小结 |
| 5 加工时间可控的多目标柔性作业车间调度问题研究 |
| 5.1 引言 |
| 5.2 问题描述与模型建立 |
| 5.3 基于MODVOA求解MOFJSP-CPT |
| 5.4 数值实验 |
| 5.5 本章小结 |
| 6 加工时间可控的车间调度实例应用 |
| 6.1 引言 |
| 6.2 加工时间可控的多目标流水车间调度问题实例 |
| 6.3 加工时间可控的多目标柔性作业车间调度问题实例 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 创新之处 |
| 7.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读博士学位期间发表学术论文目录 |
（3）基于智能优化算法的生产调度问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 问题的来源及研究目的 |
| 1.1.2 问题的研究意义 |
| 1.2 生产调度问题概述 |
| 1.2.1 生产调度问题定义 |
| 1.2.2 生产调度问题的分类 |
| 1.2.3 生产调度问题的特点 |
| 1.3 生产调度问题的优化方法 |
| 1.3.1 精确算法 |
| 1.3.2 近似算法 |
| 1.4 本文的主要工作 |
| 第2章 两代理单机调度问题的禁忌搜索算法 |
| 2.1 前言 |
| 2.2 问题描述 |
| 2.3 禁忌搜索算法 |
| 2.3.1 禁忌搜索算法中的主要元素 |
| 2.3.2 算法过程 |
| 2.4 针对小规模问题的分枝定界算法 |
| 2.5 实验结果 |
| 2.5.1 实验算例 |
| 2.5.2 小规模问题的测试结果 |
| 2.5.3 大规模问题的测试结果 |
| 2.6 本章小结 |
| 第3章 流水车间调度问题的改进遗传算法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 求解PFSP问题的改进遗传算法 |
| 3.3.1 解的编码 |
| 3.3.2 种群的初始化 |
| 3.3.3 种群的分散性控制 |
| 3.3.4 交叉与变异 |
| 3.3.5 基于NEH邻域的动态局部搜索 |
| 3.3.6 改进遗传算法的流程 |
| 3.4 实验结果与分析 |
| 3.4.1 实验环境与设置 |
| 3.4.2 邻域大小对算法性能的影响 |
| 3.4.3 新种群更新策略的性能 |
| 3.4.4 动态局部搜索的性能 |
| 3.4.5 种群重新初始化策略的性能 |
| 3.4.6 与其它算法的性能比较 |
| 3.5 本章小结 |
| 第4章 可重入流水车间调度问题的自适应MEMETIC算法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 Memetic算法 |
| 4.3.1 解的编码 |
| 4.3.2 种群的初始化 |
| 4.3.3 种群更新与分散性保持策略 |
| 4.3.4 自适应随机动态邻域搜索方法 |
| 4.4 实验结果 |
| 4.4.1 实验设置 |
| 4.4.2 评价方法 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 多目标流水车间调度问题的迭代局域搜索算法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于动态邻域的MOILS算法 |
| 5.3.1 多目标优化 |
| 5.3.2 传统的ILS算法 |
| 5.3.3 MOILS算法 |
| 5.4 实验结果 |
| 5.4.1 测试问题 |
| 5.4.2 实验设置与性能评价指标 |
| 5.4.3 搜索深度d_(max)的灵敏性分析 |
| 5.4.4 与其它算法的性能比较 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来的研究方向 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间的科研情况 |
（4）水电富集地区大小水电协调优化调度方法研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图目录 |
| 表目录 |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 水电富集地区水电发展现状 |
| 1.1.2 面临的关键问题 |
| 1.1.3 开展大小水电协调优化调度的意义 |
| 1.2 小水电发展与研究现状 |
| 1.3 水电优化调度研究进展 |
| 1.3.1 水电系统优化调度综述 |
| 1.3.2 大、小水电及新能源协调优化调度研究现状 |
| 1.4 本文主要研究内容及研究思路 |
| 2 水电富集地区工程背景 |
| 2.1 引言 |
| 2.2 云南电源特点及发展情况 |
| 2.2.1 云南水电资源特点 |
| 2.2.2 云南大中型水电发展情况 |
| 2.2.3 云南小水电发展历程及其特点 |
| 2.2.4 云南其它电源发展情况 |
| 2.3 云南水电消纳受阻分析 |
| 2.3.1 云南电网建设情况 |
| 2.3.2 云南水电受阻分析 |
| 2.4 大小水电协调必要性及协调难点 |
| 2.5 本章小结 |
| 3 水电站群长期优化调度的多核并行禁忌遗传算法 |
| 3.1 引言 |
| 3.2 数学模型 |
| 3.2.1 目标函数 |
| 3.2.2 约束条件 |
| 3.3 多核并行禁忌遗传算法 |
| 3.3.1 遗传算法及其改进 |
| 3.3.2 禁忌策略 |
| 3.3.3 多核并行策略 |
| 3.3.4 MPTGA求解流程 |
| 3.4 应用实例 |
| 3.4.1 计算条件 |
| 3.4.2 计算参数选择 |
| 3.4.3 多核并行计算及结果分析 |
| 3.5 本章小结 |
| 4 基于决策树的大小水电长期协调调度模型 |
| 4.1 引言 |
| 4.2 基于决策树的大小水电协调调度模型 |
| 4.2.1 决策树学习算法 |
| 4.2.2 调度规则挖掘目标 |
| 4.2.3 大小水电协调调度规则挖掘 |
| 4.3 应用实例 |
| 4.3.1 计算条件 |
| 4.3.2 CFS降雨预报 |
| 4.3.3 大中型水电径流预报 |
| 4.3.4 小水电发电能力预测 |
| 4.3.5 决策树挖掘 |
| 4.3.6 决策树应用及结果分析 |
| 4.4 本章小结 |
| 5 大小水电可消纳电量最大短期协调优化调度模型 |
| 5.1 引言 |
| 5.2 小水电出力场景分析 |
| 5.2.1 小水电出力偏差预处理 |
| 5.2.2 模糊聚类分析 |
| 5.2.3 场景数确定 |
| 5.2.4 小水电出力场景 |
| 5.3 数学模型 |
| 5.3.1 目标函数 |
| 5.3.2 约束条件 |
| 5.4 模型求解 |
| 5.4.1 模型求解方法 |
| 5.4.2 大小水电协调策略 |
| 5.4.3 模型总体求解流程 |
| 5.5 应用实例 |
| 5.5.1 计算条件 |
| 5.5.2 小水电出力场景分析 |
| 5.5.3 大小水电协调 |
| 5.5.4 结果分析 |
| 5.6 本章小结 |
| 6 基于机会约束规划的大、小水电及风电短期协调优化调度模型 |
| 6.1 引言 |
| 6.2 模型建立 |
| 6.2.1 目标函数 |
| 6.2.2 约束条件 |
| 6.3 风电和小水电不确定性分析 |
| 6.3.1 核密度估计 |
| 6.3.2 风电出力不确定性分析 |
| 6.3.3 小水电出力不确定性分析 |
| 6.4 模型求解方法及流程 |
| 6.4.1 改进的粒子群优化算法 |
| 6.4.2 机会约束求解 |
| 6.4.3 模型求解流程 |
| 6.5 算例仿真 |
| 6.5.1 计算条件 |
| 6.5.2 出力不确定性分析 |
| 6.5.3 算例分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（5）曲面分段建造作业计划仿真与优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 国内船舶曲面分段建造现状 |
| 1.1.2 国内曲面分段生产调度现状 |
| 1.1.3 相关领域仿真研究现状 |
| 1.2 研究意义 |
| 1.3 研究步骤 |
| 1.4 论文内容和论文结构 |
| 第2章 曲面分段建造车间仿真基础 |
| 2.1 离散系统仿真应用 |
| 2.1.1 仿真技术应用范围 |
| 2.1.2 仿真软件选择 |
| 2.2 造船生产系统仿真难点 |
| 2.3 仿真系统流程设计 |
| 2.4 本章小结 |
| 第3章 曲面分段建造流程及车间作业计划体系 |
| 3.1 曲面分段建造特征 |
| 3.1.1 典型曲面分段建造流程 |
| 3.1.2 曲面分段成组技术 |
| 3.2 曲面分段胎架设计 |
| 3.2.1 胎架形式演变过程 |
| 3.2.2 胎架的形式和分类 |
| 3.3 船舶车间生产作业计划体系 |
| 3.3.1 推动式生产计划体系 |
| 3.3.2 拉动式计划体系与看板管理 |
| 3.3.3 造船拉动式生产计划制定 |
| 3.3.4 造船生产计划系统目标 |
| 3.4 作业计划优化算法分类 |
| 3.5 本章小结 |
| 第4章 曲面车间调度问题研究 |
| 4.1 生产调度概念 |
| 4.2 曲面分段生产车间静态调度 |
| 4.2.1 静态调度问题描述 |
| 4.2.2 调度约束条件与目标函数 |
| 4.3 曲面车间生产调度问题描述 |
| 4.3.1 并行机调度问题分类 |
| 4.3.2 一般并行机调度问题（PMSP） |
| 4.3.3 带工艺约束的并行机调度 |
| 4.4 遗传算法关键技术 |
| 4.4.1 遗传算法基本概念 |
| 4.4.2 遗传算法基本操作 |
| 4.4.3 遗传算法的仿真应用 |
| 4.5 本章小结 |
| 第5章 仿真实例 |
| 5.1 曲面车间胎位模型建立 |
| 5.1.1 实例描述 |
| 5.1.2 条件性假设 |
| 5.1.3 曲面车间胎位建模 |
| 5.1.4 曲面车间调度问题集成平台 |
| 5.1.5 作业计划输入 |
| 5.2 遗传算法仿真参数 |
| 5.3 曲面车间胎位计划调度仿真结果 |
| 5.3.1 一般等同并行机调度结果 |
| 5.3.2 带工艺约束同并行机调度结果 |
| 5.3.3 并行机拖期调度结果 |
| 5.4 曲面生产车间装焊物料配送流程 |
| 5.4.1 模型建立 |
| 5.4.2 生产信息输入 |
| 5.4.3 物料配送调度策略 |
| 5.4.4 仿真结果输出 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间参与的科研项目及发表的学术论文 |
| 致谢 |
| 大摘要 |
（6）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 |
（7）基于博弈理论的多目标生产调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 生产调度问题概述 |
| 1.2.1 生产调度问题及其描述 |
| 1.2.2 生产调度问题的研究方法 |
| 1.2.3 多目标生产调度问题 |
| 1.3 博弈理论研究概述 |
| 1.3.1 博弈理论的发展和描述 |
| 1.3.2 博弈理论的特征 |
| 1.3.3 博弈理论的分类 |
| 1.3.4 博弈理论与经济学 |
| 1.4 博弈理论在生产调度问题中的研究概述 |
| 1.5 本论文的研究内容及章节安排 |
| 第2章 基于合作博弈的生产调度建模与分析 |
| 2.1 引言 |
| 2.2 合作博弈基本理论 |
| 2.2.1 合作博弈的描述 |
| 2.2.2 合作博弈的核配置 |
| 2.2.3 合作博弈的平衡性 |
| 2.3 合作博弈中的核分配方法 |
| 2.3.1 不可分成本的平均分配方法 |
| 2.3.2 夏普利值分配方法 |
| 2.3.3 EGS分配方法 |
| 2.3.4 β规则分配方法 |
| 2.4 基于合作博弈的生产调度建模 |
| 2.4.1 基于客户成本需求的多目标生产调度模型 |
| 2.4.2 生产调度的合作博弈模型 |
| 2.5 合作博弈调度解分析 |
| 2.5.1 合作博弈调度解的基本性质 |
| 2.5.2 合作博弈调度解的存在性 |
| 2.5.3 合作博弈调度解和博弈核分配的关系 |
| 2.5.4 合作博弈调度解的与其他调度解的关系 |
| 2.6 本章小结 |
| 第3章 单机和流水车间调度合作博弈及成本分配 |
| 3.1 引言 |
| 3.2 基本单机调度合作博弈及成本分配 |
| 3.2.1 基本单机调度描述 |
| 3.2.2 基本单机调度合作博弈 |
| 3.2.3 比例增益成本分配方法 |
| 3.2.4 实例分析 |
| 3.3 带交货期和拖期惩罚的的单机调度博弈 |
| 3.3.1 带交货期和拖期惩罚的单机调度描述 |
| 3.3.2 带交货期和拖期惩罚的单机调度合作博弈 |
| 3.3.3 加权前后边际成本分配方法 |
| 3.3.4 实例分析 |
| 3.4 一类流水车间调度及其合作博弈 |
| 3.4.1 一类流水车间调度的描述 |
| 3.4.2 加工时间和工序相关的流水车间调度合作博弈 |
| 3.4.3 调度实例及成本分配 |
| 3.5 具有相同阶段加工时间的混合流水车间调度及其合作博弈 |
| 3.5.1 具有相同阶段加工时间的混合流水车间调度的描述 |
| 3.5.2 具有相同阶段加工时间的混合流水车间调度合作博弈 |
| 3.5.3 平均节省成本分配方法 |
| 3.5.4 调度实例及成本分配 |
| 3.6 本章小结 |
| 第4章 基于完全信息的带成本约束的单机调度非合作博弈 |
| 4.1 引言 |
| 4.2 基于完全信息的带成本约束的单机调度非合作博弈建模 |
| 4.2.1 带成本约束的单机调度任务分析 |
| 4.2.2 纳什均衡 |
| 4.2.3 基于完全信息的带成本约束的单机调度非合作博弈模型 |
| 4.3 客户竞价分析和NE解求取 |
| 4.3.1 两客户情况 |
| 4.3.2 多客户情况 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第5章 基于完全信息的带成本约束和交货期的单机调度非合作博弈 |
| 5.1 引言 |
| 5.2 带成本约束和交货期的单机调度非合作博弈建模与分析 |
| 5.2.1 带成本约束和交货期的单机调度任务分析 |
| 5.2.2 基于完全信息的带成本约束和交货期的单机调度非合作博弈模型 |
| 5.3 客户竞价分析和和NE解求取 |
| 5.4 实例与成本分析 |
| 5.5 本章小结 |
| 第6章 基于进化博弈的带模糊交货期的无等待流水车间调度 |
| 6.1 引言 |
| 6.2 进化博弈相关理论 |
| 6.2.1 进化博弈理论的产生和发展 |
| 6.2.2 进化博弈理论的基本内容 |
| 6.2.3 进化博弈理论的应用概况 |
| 6.3 带模糊交货期的无等待流水车间调度问题描述 |
| 6.4 带模糊交货期的无等待流水车间调度进化博弈模型 |
| 6.5 基于启发式遗传算法的无等待流水车间调度进化博弈求解 |
| 6.6 仿真与分析 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文研究工作总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读博士学位期间完成的论文及参与课题 |
（8）考虑资源约束及预防性维修的混合流水车间调度问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.2.1 考虑资源约束的混合流水车间调度问题的研究 |
| 1.2.2 具有预防性维修的车间调度问题的研究 |
| 1.3 研究意义 |
| 1.4 本文的研究目标及内容 |
| 1.5 论文的结构 |
| 1.6 本章小结 |
| 第二章 混合流水车间调度问题概述 |
| 2.1 混合流水车间调度的基本理论 |
| 2.1.1 混合流水车间调度问题描述 |
| 2.1.2 混合流水车间调度问题分类 |
| 2.1.3 混合流水车间调度问题的特点 |
| 2.2 车间调度问题模型与算法 |
| 2.2.1 车间调度问题模型综述 |
| 2.2.2 车间调度问题算法综述 |
| 2.3 遗传算法 |
| 2.4 启发式算法 |
| 2.5 本章小结 |
| 第三章 考虑资源约束的混合流水车间调度问题求解 |
| 3.1 问题描述 |
| 3.2 调度模型的建立 |
| 3.2.1 符号说明与假设 |
| 3.2.2 现有模型分析 |
| 3.2.3 考虑资源约束的混合流水车间调度模型建立 |
| 3.3 模型求解 |
| 3.3.1 调度算法分析 |
| 3.3.2 算法设计 |
| 3.4 实例验证 |
| 3.5 本章小结 |
| 第四章 具有预防性维修的资源约束混合流水车间调度问题求解 |
| 4.1 相关预防性维修理论 |
| 4.2 问题描述 |
| 4.3 具有预防性维修的资源约束混合流水车间调度模型的建立 |
| 4.3.1 模型假设与符号说明 |
| 4.3.2 模型分析 |
| 4.3.3 约束条件与目标函数的确定 |
| 4.4 模型求解 |
| 4.4.1 算法设计 |
| 4.4.2 实例验证 |
| 4.5 本章小结 |
| 第五章 模型评估 |
| 5.1 调度模型评估指标 |
| 5.2 资源约束的混合流水车间调度模型评估 |
| 5.3 具有预防性维修的资源约束混合流水车间调度模型评估 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
（9）混合生产形态下的作业车间调度关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 车间调度问题研究现状 |
| 1.2.1 调度问题概述 |
| 1.2.2 调度问题的研究现状 |
| 1.2.3 调度问题研究的发展趋势 |
| 1.3 混合生产形态下的车间调度技术现状 |
| 1.3.1 混合生产形态的企业特点分析 |
| 1.3.2 混合生产形态下的调度问题研究现状 |
| 1.4 混合生产形态下作业车间调度研究现状 |
| 1.4.1 混合生产形态下作业车间调度问题概述 |
| 1.4.2 混合生产形态下多订单作业调度问题研究 |
| 1.4.3 混合生产形态下多目标车间调度问题研究 |
| 1.5 论文研究主题及来源 |
| 1.6 论文研究内容、结构及拟解决关键问题 |
| 1.6.1 论文研究内容 |
| 1.6.2 论文研究意义 |
| 1.6.3 论文拟解决关键技术 |
| 1.6.4 论文研究方法 |
| 1.6.5 论文组织结构与内容 |
| 1.7 小结 |
| 第二章 混合生产形态下的作业车间调度模型研究 |
| 2.1 引言 |
| 2.2 混合生产形态下的多订单调度模型研究 |
| 2.2.1 混合生产形态下多订单问题描述 |
| 2.2.2 MOJSSP问题建模思想 |
| 2.2.3 MOJSSP问题建模 |
| 2.3 混合生产形态下的多目标调度模型研究 |
| 2.3.1 混合生产形态下多目标调度问题描述 |
| 2.3.2 基于代价的调度指标分析 |
| 2.3.3 混合生产形态下多目标问题建模 |
| 2.4 小结 |
| 第三章 混合生产形态下的综合调度算法框架设计 |
| 3.1 引言 |
| 3.2 基于遗传算法的MOJSSP算法框架设计 |
| 3.2.1 双层编码方法 |
| 3.2.2 基于订单的多父辈交叉算子 |
| 3.2.3 基于订单权重的变异算子 |
| 3.2.4 综合调度MOJSSP遗传算法流程说明 |
| 3.2.5 算例仿真及结论 |
| 3.3 基于蚁群算法的MOJSSP算法框架设计 |
| 3.3.1 递进式蚂蚁窗口设计 |
| 3.3.2 基于订单的信息素更新策略 |
| 3.3.3 综合调度MOJSSP蚁群算法流程说明 |
| 3.3.4 算例仿真及结论 |
| 3.4 两种MOJSSP算法框架调度性能总结 |
| 3.5 基于遗传算法的多目标调度算法框架设计 |
| 3.5.1 多目标调度任务确定 |
| 3.5.2 集约生产 |
| 3.5.3 多目标遗传算法步骤 |
| 3.5.4 应用实例 |
| 3.6 小结 |
| 第四章 求解调度问题的高效优化算法研究 |
| 4.1 引言 |
| 4.2 多种群遗传算法、窗口蚁群算法研究 |
| 4.2.1 多种群遗传算法概述 |
| 4.2.2 窗口蚁群算法概述 |
| 4.3 改进的多种群遗传算法在车间调度中的应用 |
| 4.3.1 划分种群 |
| 4.3.2 评估各种群吸引力 |
| 4.3.3 染色体迁移 |
| 4.3.4 染色体扩散 |
| 4.3.5 改进的多种群遗传算法步骤及特点 |
| 4.3.6 改进的多种群遗传算法求解作业车间调度问题 |
| 4.3.7 算例仿真 |
| 4.4 面向作业车间的自适应非均匀窗口蚁群算法在车间调度中应用 |
| 4.4.1 自适应调整非均匀蚂蚁窗口 |
| 4.4.2 蚂蚁跳跃窗口策略 |
| 4.4.3 面向JSP问题的改进的启发函数η_(ij) |
| 4.4.4 改进的窗口蚁群算法步骤 |
| 4.4.5 改进的窗口蚁群算法特点 |
| 4.4.6 ADWACO算法求解作业车间调度问题 |
| 4.4.7 算例仿真 |
| 4.5 本章两种算法求解作业调度问题的性能总结 |
| 4.6 小结 |
| 第五章 实例应用 |
| 5.1 引言 |
| 5.2 企业基本情况概述 |
| 5.3 调度管理信息系统分析 |
| 5.3.1 调度管理信息系统概述 |
| 5.3.2 生产计划管理流程分析 |
| 5.3.3 调度系统结构 |
| 5.3.4 软件功能与主要模块 |
| 5.4 MOJSSP实例 |
| 5.4.1 实例数据说明 |
| 5.4.2 计算结果与分析 |
| 5.5 小结 |
| 结论 |
| 展望 |
| 创新点 |
| 参考文献 |
| 攻读博士学位期间发表论文情况 |
| 攻读博士学位期间参与科研课题 |
| 致谢 |
（10）机械加工生产调度过程的优化设计及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及来源 |
| 1.2 调度问题的基本概念和国内外研究现状 |
| 1.2.1 生产调度问题的基本概念 |
| 1.2.2 生产调度问题的特点 |
| 1.2.3 生产调度问题的分类 |
| 1.2.4 生产调度问题研究现状 |
| 1.3 论文的主要工作 |
| 第2章 多工件调度中加工参数选择问题的研究与分析 |
| 2.1 加工参数选择的重要性和复杂性 |
| 2.1.1 确定合理参数的重要性 |
| 2.1.2 参数确定的复杂性 |
| 2.1.3 当前模型和其存在的问题 |
| 2.2 成本分析模型的建立 |
| 2.2.1 传统成本计算的缺点 |
| 2.2.2 成本分析模型的建立 |
| 2.3 调度排序与参数优化间的关系 |
| 2.4 遗传算法的应用和步骤 |
| 2.4.1 遗传算法的优点 |
| 2.4.2 遗传算法的基本形式 |
| 2.5 遗传算法描述及步骤 |
| 2.5.1 确定优化变量 |
| 2.5.2 确定约束条件 |
| 2.5.3 编码 |
| 2.5.4 生成初始种群 |
| 2.5.5 适应度计算 |
| 2.5.6 选择操作 |
| 2.5.7 交叉操作 |
| 2.5.8 变异操作 |
| 2.5.9 最优保存策略 |
| 2.5.10 终止条件 |
| 2.5.11 遗传算法的流程图 |
| 2.6 实例及分析 |
| 2.6.1 加工环境及工件参数 |
| 2.6.2 计算结果及讨论 |
| 2.6.3 △值的变化对模型的影响 |
| 2.7 本章小结 |
| 第3章 交货期惩罚问题及在线动态调度问题研究 |
| 3.1 交货期约束调度问题研究 |
| 3.1.1 交货期约束调度问题分类 |
| 3.1.2 交货期约束问题的复杂性分析 |
| 3.1.3 成本分析模型中交货期约束形式 |
| 3.1.4 单机交货期约束问题算法研究 |
| 3.2 多批工件在线动态调度 |
| 3.2.1 在线调度问题研究现状 |
| 3.2.2 重调度的效果和方式 |
| 3.2.3 成本分析模型的多批在线重调度形式 |
| 3.2.4 单机在线批次交货期问题 |
| 3.3 实例及分析 |
| 3.3.1 加工环境及工件参数 |
| 3.3.2 计算与分析 |
| 3.3.3 工件到达时间对总成本的影响 |
| 3.3.4 重调度系数的影响 |
| 3.4 本章小结 |
| 第4章 提前/拖后惩罚的交货期约束调度问题研究 |
| 4.1 准时加工的原理及延时加工的意义 |
| 4.1.1 准时加工的原理及研究体系 |
| 4.1.2 延时加工的思想和意义 |
| 4.2 单机延时调度模型 |
| 4.2.1 延时加工模型的建立 |
| 4.2.2 给定序列下调度算法研究 |
| 4.2.3 遗传算法解决单机延时调度问题 |
| 4.2.4 实例及分析 |
| 4.3 单件延时调度问题 |
| 4.3.1 单件准时调度模型介绍 |
| 4.3.2 并行遗传算法解决单件延时调度问题 |
| 4.3.3 实例及分析 |
| 4.4 本章小结 |
| 第5章 资源约束调度问题的研究 |
| 5.1 资源调度的分类 |
| 5.2 资源约束的数学表示 |
| 5.3 资源约束的计算方法 |
| 5.3.1 死锁问题的解决方法 |
| 5.3.2 通用性资源的性质 |
| 5.3.3 平行机资源约束算法 |
| 5.4 资源约束调度的实例及分析 |
| 5.4.1 加工环境和参数 |
| 5.4.2 算法参数及运算结果 |
| 5.4.3 资源对目标函数的影响 |
| 5.5 资源需求预测 |
| 5.5.1 最小二乘支持向量回归算法 |
| 5.5.2 基于遗传算法优化最小二乘支持向量回归的资源需求预测与调度方法 |
| 5.5.3 GA-LSSVR算例及分析 |
| 5.6 本章小结 |
| 第6章 遗传算法的讨论和改进 |
| 6.1 通用遗传算法存在的问题 |
| 6.1.1 通用遗传算法存在问题的表现 |
| 6.1.2 造成遗传算法各种问题的原因 |
| 6.2 遗传算法问题存在的本质 |
| 6.3 解决通用遗传算法所存在问题的手段 |
| 6.3.1 并行遗传算法中适应度计算的改进 |
| 6.3.2 选择算子的改进 |
| 6.3.3 交叉算子的改进 |
| 6.3.4 孤雌生殖在交叉算子中的应用 |
| 6.4 实例 |
| 6.4.1 适应度计算改进的比较分析 |
| 6.4.2 遗传算子改进的比较分析 |
| 6.5 本章小结 |
| 第7章 基于成本分析模型的生产调度参数优化系统的开发 |
| 7.1 已有生产调度系统的特点和问题 |
| 7.2 生产调度参数优化系统的体系结构 |
| 7.2.1 用户界面 |
| 7.2.2 计算引擎 |
| 7.2.3 模型组件 |
| 7.2.4 算法组件 |
| 7.2.5 数据库 |
| 7.2.6 系统结构图 |
| 7.3 体系结构的工作原理 |
| 7.3.1 用户界面输入 |
| 7.3.2 模型数据初始化 |
| 7.3.3 算法数据初始化 |
| 7.3.4 算法执行 |
| 7.3.5 实时响应的实现 |
| 7.4 软件实现方式 |
| 7.5 实例 |
| 7.6 本章小结 |
| 第8章 总结与展望 |
| 8.1 总结 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 致谢 |
| 博士在读期间发表的学术论文 |
| 附录 |
四、基于代理的并行多机提前/脱期调度研究（论文参考文献）
- [1]考虑设备预防性维护的单批处理机调度问题研究[D]. 袁睿环. 沈阳工业大学, 2020(01)
- [2]加工时间可控的多目标车间调度问题研究[D]. 卢超. 华中科技大学, 2017(10)
- [3]基于智能优化算法的生产调度问题研究[D]. 徐建有. 东北大学, 2015(08)
- [4]水电富集地区大小水电协调优化调度方法研究及应用[D]. 刘本希. 大连理工大学, 2015(03)
- [5]曲面分段建造作业计划仿真与优化[D]. 谭慧娟. 江苏科技大学, 2014(03)
- [6]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)
- [7]基于博弈理论的多目标生产调度问题研究[D]. 周艳平. 华东理工大学, 2013(06)
- [8]考虑资源约束及预防性维修的混合流水车间调度问题研究[D]. 吴志明. 电子科技大学, 2012(01)
- [9]混合生产形态下的作业车间调度关键技术研究[D]. 刘鹏飞. 大连交通大学, 2012(05)
- [10]机械加工生产调度过程的优化设计及其应用研究[D]. 王帅. 华东理工大学, 2011(05)