导读:本文包含了流水优化论文开题报告文献综述、选题提纲参考文献，主要关键词:算法,流水,车间,批量,目标,火法,果蝇。
流水优化论文文献综述写法
张晶,潘玉霞[1]（2019）在《群智能优化算法的船舶信息管理任务批量流水调度研究》一文中研究指出针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。(本文来源于《舰船科学技术》期刊2019年20期）
林硕,陈世佳,韩忠华[2]（2019）在《改进HNN算法求解柔性流水车间排产优化问题》一文中研究指出为了解决柔性流水车间中的排产优化问题(Flexible Flow Shop Schedule Problem,FFSP),提出了一种基于模拟退火原理的Hopfield神经网络算法作为全局优化算法。该算法提出了FFSP问题的换位矩阵,给出了FFSP问题的能量函数达式,并且为克服标准Hopfield神经网络算法(Hopfield Neural Networks,HNN)在解决FFSP问题时容易陷入局部最小解的缺陷,将模拟退火算法应用于Hopfield神经网络求解,确保当能量函数趋于稳定时输出可行调度解。最后,选用不同规模的实例对改进的HNN算法进行测试,并与遗传算法、紧致遗传算法、HNN算法进行对比研究,实验结果表明改进的HNN算法是求解FFSP问题的一种有效方法。(本文来源于《控制工程》期刊2019年09期）
牟健慧[3]（2019）在《面向流水车间的绿色生产多目标调度优化探析》一文中研究指出当今社会,环境恶化问题愈演愈烈,绿色制造业作为当前受社会各界关注的对象,加快转变车间生产模式、更新绿色生产技术成为主要发展方向。绿色生产多目标旨在确保产品在满足功能需求基础上,降低生产成本,提高效益。同时,减少能源浪费与环境污染,实现绿色经济可持续发展。(本文来源于《现代制造技术与装备》期刊2019年09期）
姚远远,叶春明,杨枫[4]（2019）在《双目标可重入混合流水车间调度问题的离散灰狼优化算法》一文中研究指出可重入混合流水车间调度问题普遍存在于许多高科技制造产业中,如半导体晶圆制造和TFT-LCD面板生产过程等,但目前关于可重入调度问题的相关研究还比较少。本文设计了一种改进多目标灰狼优化算法(IMOGWO)解决最小化最大完工时间和总拖期时间最小的可重入混合流水车间调度问题,针对该问题特点对基本灰狼优化算法进行了一系列改进操作。通过对小规模测试问题基准算例的数值实验,验证了所设计的IMOGWO算法求解该调度问题的有效性。实验结果表明IMOGWO算法在非劣解的收敛性和支配性方面显着优于已有的NSGA-II和MOGWO算法,在解的分布性指标方面IMOGWO稍微优于其他两种算法。(本文来源于《运筹与管理》期刊2019年08期）
陈林烽,齐学梅,陈俊文,黄琤,陈付龙[5]（2019）在《批量流水调度问题的量子候鸟协同优化算法》一文中研究指出为了求解批量流水调度问题(LFSP)的最小化最大完工时间,提出一种量子候鸟协同优化(QMBCO)算法。首先,采用Bloch量子球面编码方案扩大解空间;然后,运用FL算法优化初始解,以弥补传统随机初始解的不足,保证初始种群具有较高的质量;最后,使用候鸟优化(MBO)算法及变邻域搜索(VNS)算法进行迭代,增强算法的全局搜索能力。采用随机生成不同规模的实例仿真,将QMBCO算法与目前较优的离散粒子群优化(DPSO)算法、MBO算法和量子布谷鸟协同搜索(QCCS)算法相比较。结果表明,在两种不同运行时间下QMBCO与DPSO、MBO、QCCS相比产生的最优解平均百分比偏差(ARPD)分别平均下降65%、34%和24%,证明了QMBCO算法的有效性和高效性。(本文来源于《计算机应用》期刊2019年11期）
季松,陆荣鉴,张建红[6]（2019）在《流水清洗线系统优化设计》一文中研究指出伴随工业4.0的建设和信息自动化的全面普及,自动清洗技术在工业中的应用越来越广泛。但是由于设计自动化生产线拥有一定的复杂程度,一般自动化清洗设备在设计之初往往没有考虑到人性化设计,生产线维修、维护也比较困难。本文针对一种自动化流水清洗线产品,进行人性化结构优化设计。改进之后的生产线满足模块化设计要求,相对的维修成本也较低,整体生产线流水线拥有了可移植的便捷性。相对的高强度、稳定性、可操作性也得到了进一步的提升,整体生产线的改进设计满足了现代化设计的要求。(本文来源于《艺术科技》期刊2019年11期）
Hai-yan,WANG,Fu,ZHAO,Hui-min,GAO,John,W.SUTHERLAND[7]（2019）在《一种流水车间批量调度的高效计算叁阶段优化方法（英文）》一文中研究指出在工件含批量生产任务情况下如何进行最佳生产调度是一个重要的生产计划问题。通常将批量工件划分为子批处理(称为分批优化)。若子批数较大,则会大大增加工件完成时间的计算复杂性。现有研究未能考虑此类计算时间问题。本文考虑可变子批、准备时间以及子批批量约束(传输子批批量受传输设备容量限制),提出一种求解n个工件、m台机器流水车间分批优化调度方法。所提方法包含3个阶段:初始批量划分、基于生产周期/总流程时间指标快速评价法的工件排序优化、分批传输方案调整。为验证3阶段优化方法的有效性,采用5个标准数据集进行测试。实验结果表明,所提方法能节省大量计算时间,尤其对大规模问题能提供更优解。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年07期）
杜利珍,王震,柯善富,熊子雪,李新宇[8]（2019）在《混合流水车间调度问题的果蝇优化算法求解》一文中研究指出针对不相关并行机混合流水车间调度问题,根据果蝇优化算法种群更新方式的特点,采用基于权重的编码方式进行编码操作,通过增加权重系数来提高算法的随机搜索能力。对算法参数的设置进行了分析,得到了最优参数组合。采用标杆实例进行仿真验证并与经典算法进行对比,验证了果蝇优化算法的有效性。(本文来源于《中国机械工程》期刊2019年12期）
王鹏飞[9]（2019）在《群智能优化算法及在流水车间调度问题中的应用研究》一文中研究指出调度问题主要研究资源的分配问题,针对不同的任务,制定相应的优化目标,最后找到最优或者近似最优的解决方案。调度问题广泛的存在于社会生产生活中,尤其是各类制造企业中。精心设计的生产调度方案有助于提高生产效率,帮助企业在激烈的市场竞争中占据主动位置。从调度问题的解决方法来看,传统的运筹学算法和启发式规则在求解大规模调度问题时都面临很大的困难,它们对问题的约束条件要求很高,而且有时也很难获得令人满意的解决方案。群智能优化算法是近年来受到广泛关注的一种元启发式算法,应用其求解调度问题时,一般不需要很强的约束条件就可以建立一个较好的模型,从而获得令人满意的调度解。群智能优化算法为解决调度问题提供了一种新的有效的方法。本论文以流水车间调度问题与群智能优化算法为研究对象,在对调度问题进行深入研究分析的基础上,提出了几种改进的群智能优化算法来进行求解。论文的主要研究内容如下:针对置换流水车间调度问题(PFSP),提出了一种混合蚁群算法(HACO)来进行求解。HACO算法对蚁群算法进行了多种有效的改进,在初始化阶段使用Rajendran算法进行种群初始化,保证了初始种群的质量;在状态转换阶段,使用了基于短作业优先的启发式信息;在信息素更新阶段,提出一种指数式函数作为信息素浓度蒸发系数,随着搜索的进行自适应的进行调节;在局部搜索阶段,提出一种基于整数序列集合的局部搜索算法,对优质解的质量进一步提高;在最优解的接收准则方面,加入了模拟退火算法准则来对新生成的解进行接收的判断,增加了求解的多样性,有效的避免了算法陷入局部最优。最后的对比实验证明了所提的HACO算法在解决置换流水车间调度问题上的有效性。针对阻塞流水车间调度问题(BFSSP),在对种群间协同进化算法研究的基础上,提出一种动态多种群蚁群算法(DMACO)来进行求解。DMACO算法将蚁群分为叁种类型种群,分别是一个精英种群,多个搜索种群和一个变异种群。在算法的起始阶段只有精英种群与搜索种群参与解的搜索,当迭代到一定次数时,由每个搜索种群中的最差个体和精英种群中的最差个体动态的生成一个变异种群,变异种群首先进行重新初始化然后再参与寻优,变异种群可以跳出原来的搜索空间进行另外的搜索,增加了求解的多样性。在种群交流方面:在算法起始阶段,多个搜索种群之间首先按照一定的规则进行优质解的互换,迭代一定次数后,从所有搜索种群中选出一个最优解传递给精英种群,精英种群则将一个较差解传给相应的搜索种群;变异种群生成后在每次迭代过后都将找到的最优解与精英种群的最优解进行比较,如果优,则传给精英种群,相应的精英种群将一个较差解传给变异种群;精英种群每次迭代后对找到的一个最优解和一个次优解执行局部搜索算法,进一步提高解的质量。最后的对比实验证明了DMACO算法求解阻塞流水车间调度问题的优越性。针对以最大完工时间(Makespan)为目标阻塞流水车间调度问题(BFSSP),提出了一种改进的生物地理学算法(IBBO)来进行求解。IBBO算法使用基于工件排列的向量编码方式可以方便的将工件的序列表示成问题的解;在种群初始化阶段,使用NEH规则与随机的方式进行种群初始化,保证初始解质量的同时提高了初始种群的多样性;在迁徙阶段,改进了种群迁徙率,并且提出一种基于插入(insert)规则的迁徙操作;在变异阶段,改进了种群变异率,并且提出一种基于交换(swap)规则的变异操作;在局部搜索阶段,对每次迭代产生的最优解使用一种基于插入邻域的局部搜索算法,进一步加强算法的寻优能力;IBBO算法还通过设计精英策略来保留上一代产生的较优解。最后的仿真对比实验证明了本文所提的IBBO算法在求解以Makespan为目标的阻塞流水车间调度问题上的有效性。针对以总流水时间(Total Flow Time,TFT)为目标的中间存储有限流水车间调度问题,提出一种离散化生物地理学算法(DBBO)来进行求解。在种群初始化阶段,使用NEH和NEH_WPT两种启发式规则生成初始种群,有效的提高了初始种群的质量;在迁徙阶段,使用余弦迁徙模型,并且提出了一种基于两点式(two-point)的种群迁徙算法;在变异阶段,提出一种个体适应度值与种群最大适应度值相结合的变异模型,并且提出了一种基于置换(inverse)规则的种群变异算法;在局部搜索阶段,提出一种新型的基于插入(insert)和交换(swap)交替进行的局部搜索算法(IS算法),不仅可以有效的避免算法陷入局部最优,又可以加速算法的搜索进程;最后在实验分析阶段,设计了参数选择实验来选择合适的算法参数,并且通过与其他算法的对比实验有效的证明了DBBO算法在求解以TFT为目标的中间存储有限流水车间调度问题上的优越性。(本文来源于《吉林大学》期刊2019-06-01）
郑再思[10]（2019）在《考虑工人负荷的流水车间多目标优化调度问题研究》一文中研究指出流水车间是指是指有多条生产线均按流水车间的形式布置而形成的生产模式,普遍存在于电缆、家电、汽车制造、钢铁等行业。流水车间调度问题(Flow Shop Scheduling Problem)随着人因工程方法在车间管理中的深入应用,以及企业对职业健康安全管理制度的有效实施,考虑工人负荷对流水车间调度决策的影响,并探索建立相应的优化调度模型及其求解方法,具有重要研究价值和意义,也是对经典流水车间调度问题的有益扩展性研究。论文针对流水车间调度中工人工作负荷不平衡现象,界定了考虑工人负荷的流水车间调度问题的范围及内涵,综合考虑了客户要求、技术要求、资源配置和人因工程等多项影响因素,量化了工人能量消耗对流水车间效率的影响,立足于系统生产效率优先和工人负荷均衡,确定了以最小化所有工件的总延误时间和最小化工人作业分配负荷的标准差为决策目标,考虑了技术约束(加工约束)、顾客要求偏好(交货期)、班组资源约束、工人疲劳约束等,构建了双目标优化调度模型。论文针对模型的求解算法选用和设计问题,阐述了带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)优越性,通过文献分析,给出了选用NSGA-Ⅱ算法的合理性和适用性。结合考虑工人负荷的流水车间优化调度问题描述和决策过程,设计了基于双染色体编码的NSGA-Ⅱ算法。该算法在双染色体编码方式设计、初始种群的生成、适应度函数设置以及非支配排序和拥挤度计算、进化操作五个环节,都进行了重构和实现,最终获得模型的pareto最优解集。论文通过特征算例,进行了模型应用与求解。引入两种嵌入启发式规则的NSGA-Ⅱ-SPT和NSGA-Ⅱ-EDD算法作为对比算法,以分析双染色体NSGA-Ⅱ算法的性能表现。并采用Pareto解的个数N,Pareto前沿解误差比ER,Pareto前沿跨度K和算法运算时间T作为算法性能评价指标。对比分析表明,模型及其算法有效;双染色体NSGA-Ⅱ算法具有较好的求解优势;随着工件数量增加,模型及其双染色体NSGA-Ⅱ算法表现更稳定。(本文来源于《吉林大学》期刊2019-06-01）
流水优化论文开题报告范文
（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：
为了解决柔性流水车间中的排产优化问题(Flexible Flow Shop Schedule Problem,FFSP),提出了一种基于模拟退火原理的Hopfield神经网络算法作为全局优化算法。该算法提出了FFSP问题的换位矩阵,给出了FFSP问题的能量函数达式,并且为克服标准Hopfield神经网络算法(Hopfield Neural Networks,HNN)在解决FFSP问题时容易陷入局部最小解的缺陷,将模拟退火算法应用于Hopfield神经网络求解,确保当能量函数趋于稳定时输出可行调度解。最后,选用不同规模的实例对改进的HNN算法进行测试,并与遗传算法、紧致遗传算法、HNN算法进行对比研究,实验结果表明改进的HNN算法是求解FFSP问题的一种有效方法。
（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。
流水优化论文参考文献
[1].张晶,潘玉霞.群智能优化算法的船舶信息管理任务批量流水调度研究[J].舰船科学技术.2019
[2].林硕,陈世佳,韩忠华.改进HNN算法求解柔性流水车间排产优化问题[J].控制工程.2019
[3].牟健慧.面向流水车间的绿色生产多目标调度优化探析[J].现代制造技术与装备.2019
[4].姚远远,叶春明,杨枫.双目标可重入混合流水车间调度问题的离散灰狼优化算法[J].运筹与管理.2019
[5].陈林烽,齐学梅,陈俊文,黄琤,陈付龙.批量流水调度问题的量子候鸟协同优化算法[J].计算机应用.2019
[6].季松,陆荣鉴,张建红.流水清洗线系统优化设计[J].艺术科技.2019
[7].Hai-yan,WANG,Fu,ZHAO,Hui-min,GAO,John,W.SUTHERLAND.一种流水车间批量调度的高效计算叁阶段优化方法（英文）[J].FrontiersofInformationTechnology&ElectronicEngineering.2019
[8].杜利珍,王震,柯善富,熊子雪,李新宇.混合流水车间调度问题的果蝇优化算法求解[J].中国机械工程.2019
[9].王鹏飞.群智能优化算法及在流水车间调度问题中的应用研究[D].吉林大学.2019
[10].郑再思.考虑工人负荷的流水车间多目标优化调度问题研究[D].吉林大学.2019