基于遺傳算法的模糊車間作業(yè)調(diào)度問題的研究（開題報告）.doc
約4頁DOC格式手機打開展開
基于遺傳算法的模糊車間作業(yè)調(diào)度問題的研究（開題報告）,畢業(yè)設(shè)計（論文）開題報告1、課題的目的及意義（含國內(nèi)外的研究現(xiàn)狀分析或設(shè)計方案比較、選型分析等）本課題著重研究基于遺傳算法的模糊車間作業(yè)調(diào)度問題，并對實際的制造車間的生產(chǎn)調(diào)度進行仿真模擬。隨著全球經(jīng)濟一體化和知識經(jīng)濟的到來,企業(yè)間的競爭愈演愈烈。為了增強核心競爭力,企業(yè)必須要改善內(nèi)部生產(chǎn)管理,尤其是生產(chǎn)管理的核心技術(shù)—...
內(nèi)容介紹
此文檔由會員 cglina 發(fā)布
畢業(yè)設(shè)計（論文）開題報告
1、課題的目的及意義（含國內(nèi)外的研究現(xiàn)狀分析或設(shè)計方案比較、選型分析等）
本課題著重研究基于遺傳算法的模糊車間作業(yè)調(diào)度問題，并對實際的制造車間的生產(chǎn)調(diào)度進行仿真模擬。
隨著全球經(jīng)濟一體化和知識經(jīng)濟的到來,企業(yè)間的競爭愈演愈烈。為了增強核心競爭力,企業(yè)必須要改善內(nèi)部生產(chǎn)管理,尤其是生產(chǎn)管理的核心技術(shù)—生產(chǎn)調(diào)度技術(shù)。生產(chǎn)調(diào)度是企業(yè)充分利用資源、制定合理的生產(chǎn)計劃、保證按時交貨、降低制造成本、提高設(shè)備利用率的關(guān)鍵。而在此領(lǐng)域,車間作業(yè)調(diào)度問題又是最普遍、最復雜和最具難度的,并且由于其具有可推廣性和可移植性,引起了學術(shù)界和工業(yè)界的廣泛關(guān)注。然而以往人們多將目光投在確定性車間作業(yè)調(diào)度問題上,但現(xiàn)實生產(chǎn)中,受多種隨機因素的影響,加工時間和交貨期往往都是模糊的。所以，在現(xiàn)有理論的基礎(chǔ)上,較深入地研究了模糊車間作業(yè)調(diào)度問題顯得非常的必要。而遺傳算法就是后來產(chǎn)生的最有效優(yōu)化方法之一。同時考慮到制造車間復雜性與多變性，將現(xiàn)有的遺傳算法與模糊理論相結(jié)合從而得到更有效地解決的方案。 遺傳算法（Genetic Algorithm）是一類借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）演化而來的隨機化搜索方法。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應用于組合優(yōu)化、機器學習、信號處理、自適應控制和人工生命等領(lǐng)域。它是現(xiàn)代有關(guān)智能計算中的關(guān)鍵技術(shù)之一。遺傳算法的特點：
遺傳算法作為一種快捷、簡便、容錯性強的算法，在各類結(jié)構(gòu)對象的優(yōu)化過程中顯示出明顯的優(yōu)勢。與傳統(tǒng)的搜索方法相比，遺傳算法具有如下特點： 搜索過程不直接作用在變量上，而是在參數(shù)集進行了編碼的個體。此編碼操作，使得遺傳算法可直接對結(jié)構(gòu)對象（集合、序列、矩陣、樹、圖、鏈和表）進行操作。 搜索過程是從一組解迭代到另一組解，采用同時處理群體中多個個體的方法，降低了陷入局部最優(yōu)解的可能性，并易于并行化。 采用概率的變遷規(guī)則來指導搜索方向，而不采用確定性搜索規(guī)則。
對搜索空間沒有任何特殊要求（如連通性、凸性等），只利用適應性信息，不需要導數(shù)等其它輔助信息，適應范圍更廣。 遺傳算法的研究歷史與現(xiàn)狀
遺傳算法研究的興起是在80年代末和90年代初期，但它的歷史起源可追溯至60年代初期。早期的研究大多以對自然系統(tǒng)的計算機模擬為主。如Fraser的模擬研究，他提出了和現(xiàn)在的遺傳算法十分相似的概念和思想。Holland和DeJong的創(chuàng)造性研究成果改變了早期遺傳算法研究的無目標性和理論指導的缺乏。其中，Holland于1975年出版的著名著作>系統(tǒng)地闡述了遺傳算法的基本理論和方法，并提出了對遺傳算法的理論研究和發(fā)展極為重要的模式理論。這一理論首次確認了結(jié)構(gòu)重組遺傳操作對于獲得隱并行性的重要性。同年，DeJong的重要論文>將Holland的模式理論與他的計算實驗結(jié)合起來，并提出了諸如代溝等新的遺傳操作技術(shù)?？梢哉J為，DeJong所作的研究工作是遺傳算法發(fā)展過程中的一個里程碑。進入80年代，遺傳算法迎來了興盛發(fā)展時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是遺傳算法的應用領(lǐng)域也不斷擴大。目前遺傳算法所涉及的主要領(lǐng)域有自動控制、規(guī)劃設(shè)計、組合優(yōu)化、圖象處理、信號處理、人工生命等?？梢?，遺傳算法的應用研究已從初期的組合優(yōu)化求解拓展到了許多更新。更工程化的應用方面。
由于遺傳算法具有自己優(yōu)勢特點用其研究模糊車間作業(yè)調(diào)度問題具有重要的實際應用價
1、課題的目的及意義（含國內(nèi)外的研究現(xiàn)狀分析或設(shè)計方案比較、選型分析等）
本課題著重研究基于遺傳算法的模糊車間作業(yè)調(diào)度問題，并對實際的制造車間的生產(chǎn)調(diào)度進行仿真模擬。
隨著全球經(jīng)濟一體化和知識經(jīng)濟的到來,企業(yè)間的競爭愈演愈烈。為了增強核心競爭力,企業(yè)必須要改善內(nèi)部生產(chǎn)管理,尤其是生產(chǎn)管理的核心技術(shù)—生產(chǎn)調(diào)度技術(shù)。生產(chǎn)調(diào)度是企業(yè)充分利用資源、制定合理的生產(chǎn)計劃、保證按時交貨、降低制造成本、提高設(shè)備利用率的關(guān)鍵。而在此領(lǐng)域,車間作業(yè)調(diào)度問題又是最普遍、最復雜和最具難度的,并且由于其具有可推廣性和可移植性,引起了學術(shù)界和工業(yè)界的廣泛關(guān)注。然而以往人們多將目光投在確定性車間作業(yè)調(diào)度問題上,但現(xiàn)實生產(chǎn)中,受多種隨機因素的影響,加工時間和交貨期往往都是模糊的。所以，在現(xiàn)有理論的基礎(chǔ)上,較深入地研究了模糊車間作業(yè)調(diào)度問題顯得非常的必要。而遺傳算法就是后來產(chǎn)生的最有效優(yōu)化方法之一。同時考慮到制造車間復雜性與多變性，將現(xiàn)有的遺傳算法與模糊理論相結(jié)合從而得到更有效地解決的方案。 遺傳算法（Genetic Algorithm）是一類借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）演化而來的隨機化搜索方法。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應用于組合優(yōu)化、機器學習、信號處理、自適應控制和人工生命等領(lǐng)域。它是現(xiàn)代有關(guān)智能計算中的關(guān)鍵技術(shù)之一。遺傳算法的特點：
遺傳算法作為一種快捷、簡便、容錯性強的算法，在各類結(jié)構(gòu)對象的優(yōu)化過程中顯示出明顯的優(yōu)勢。與傳統(tǒng)的搜索方法相比，遺傳算法具有如下特點： 搜索過程不直接作用在變量上，而是在參數(shù)集進行了編碼的個體。此編碼操作，使得遺傳算法可直接對結(jié)構(gòu)對象（集合、序列、矩陣、樹、圖、鏈和表）進行操作。 搜索過程是從一組解迭代到另一組解，采用同時處理群體中多個個體的方法，降低了陷入局部最優(yōu)解的可能性，并易于并行化。 采用概率的變遷規(guī)則來指導搜索方向，而不采用確定性搜索規(guī)則。
對搜索空間沒有任何特殊要求（如連通性、凸性等），只利用適應性信息，不需要導數(shù)等其它輔助信息，適應范圍更廣。 遺傳算法的研究歷史與現(xiàn)狀
遺傳算法研究的興起是在80年代末和90年代初期，但它的歷史起源可追溯至60年代初期。早期的研究大多以對自然系統(tǒng)的計算機模擬為主。如Fraser的模擬研究，他提出了和現(xiàn)在的遺傳算法十分相似的概念和思想。Holland和DeJong的創(chuàng)造性研究成果改變了早期遺傳算法研究的無目標性和理論指導的缺乏。其中，Holland于1975年出版的著名著作>系統(tǒng)地闡述了遺傳算法的基本理論和方法，并提出了對遺傳算法的理論研究和發(fā)展極為重要的模式理論。這一理論首次確認了結(jié)構(gòu)重組遺傳操作對于獲得隱并行性的重要性。同年，DeJong的重要論文>將Holland的模式理論與他的計算實驗結(jié)合起來，并提出了諸如代溝等新的遺傳操作技術(shù)?？梢哉J為，DeJong所作的研究工作是遺傳算法發(fā)展過程中的一個里程碑。進入80年代，遺傳算法迎來了興盛發(fā)展時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是遺傳算法的應用領(lǐng)域也不斷擴大。目前遺傳算法所涉及的主要領(lǐng)域有自動控制、規(guī)劃設(shè)計、組合優(yōu)化、圖象處理、信號處理、人工生命等?？梢?，遺傳算法的應用研究已從初期的組合優(yōu)化求解拓展到了許多更新。更工程化的應用方面。
由于遺傳算法具有自己優(yōu)勢特點用其研究模糊車間作業(yè)調(diào)度問題具有重要的實際應用價
