摘 要 :对于大规模订单调度问题,由于订单数量大及加工工艺复杂等原因,会导致运算过程中涉及数据量大,过程复杂,稳定性差,容易陷入早熟,为了提高种群的多样性,使其不被局部优解限制,文章运用可重生思想对遗传算法进行改进,利用其重生机制跳出原有循环,不断更新,获得更优的解,并且运用工厂实际订单案例进行分析表明是有效的,尤其在处理大规模订单案例时,基于可重生思想的遗传算法的计算时间和订单完成率是优于标准遗传算法和标准粒子群算法的.
关 键 词 :订单生产;重生思想;遗传算法
中图分类号:F224 文献标识码:A
0 前言
本文研究的某风机企业属于多品种、小批量订单型生产企业,产品特点为品种多、更新快、加工产量变化大、交货周期短、工艺复杂、需求变动频繁;在此种背景下计划与调度要具有敏捷性,能够解决作业计划与调度的动态变更问题,适应企业动态生产调度的需求,使企业适应日益不确定的市场环境.
有关论文范文主题研究: | 关于算法的论文范文集 | 大学生适用: | 学术论文、学校学生论文 |
---|---|---|---|
相关参考文献下载数量: | 38 | 写作解决问题: | 写作资料 |
毕业论文开题报告: | 论文任务书、论文小结 | 职称论文适用: | 期刊目录、初级职称 |
所属大学生专业类别: | 写作资料 | 论文题目推荐度: | 免费选题 |
Job—Shop调度问题是NP问题,其研究的方向有两大类:精确算法和近似算法.精确算法主要包括分支定界法、基于析取图模型的枚举方法、混合整数规划模型和拉格朗日松弛法等.近似算法包括优先权规则调度算法、瓶颈转移启发式算法、邻域搜索算法和人工智能方法等.精确算法虽能保证得到全局最优解,但只能解决小规模的调度问题,无法实际应用.近年来,用邻域搜索算法,如模拟退火算法、禁忌搜索算法和遗传算法等解决Job—Shop调度问题,亦倍受关注.
当前研究较多的应用改进的遗传算法应用于生产调度,如洪刘兵、杨艳丽[1]引入人工免疫机制克隆选择算子和设计独特的交叉算子,提高算法的收敛速度和种群的多样性;曾益[2]采用的遗传算法和模拟退火算法相结合使算法能够趋于全局最优,张超勇、饶运清[3]等为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式遗传算法,传统遗传算法具有全局搜索能力,但易早熟收敛,而局部搜索善于微调,但常陷于局部最优.
为了提高种群的多样性,使其不被局部优解限制,本文运用可重生思想对遗传算法进行改进,在针对实际生产中订单调度问题调度规模大、调度复杂及计算时间长等问题,并结合企业实际建立了以最大流程时间最少为目标的订单调度模型予以优化.从而提高全局搜索能力,避免早熟.