论文部分内容阅读
车间调度问题是现代制造业中共存的问题。随着制造业的发展，出现了大量复杂的制造系统，如柔性制造系统、计算机集成制造系统，为车间调度问题的研究增加新的难度和要求，迫切需要研究与之相适应的车间调度方法，因此开展这方面的研究具有重要的理论与应用意义，并将产生巨大的经济与社会效益。近年来，智能优化理论与技术发展很快，已经广泛地应用于科学与技术的许多领域，为解决较大规模的优化问题提供了新的途径。本文着重研究了基于蚁群算法和基于人工神经网络方法的车间调度理论与技术，开发了车间调度优化系统。本文主要研究内容如下：
首先概述了车间调度问题的研究历程，总结了车间调度问题的研究现状，指出了车间调度问题研究存在的问题以及发展趋势，介绍了车间调度问题的描述和分类，给出了车间调度问题的数学模型、图模型、结果表示方法、调度性能评价指标和一些常用的启发式规则。
以TSP问题为例介绍了蚁群算法的基本原理及其理论模型，定义了其基于弧模式的信息素分布的解构造图。然后基于JobShop调度问题，将JobShop调度问题构造为类似于JSSP析取图的图模型，在文献[80]提出的改进蚁群算法的基础上，本文在信息素更新规则上加以改进，利用信息素局部更新策略和全局更新策略来进行信息素的更新，提出了一种改进混合蚁群算法求解JobShop问题，并且用benchmarks问题做了实例的仿真，实验结果证明了改进算法的可行性和有效性。
提出了一种新的约束满足自适应神经网络模型。针对车间调度问题的特点，提出了强约束和弱约束的概念，针对不同的约束类型采用不同的约束满足机制。网络在运行过程中，针对问题的不同误差来源，自适应调节神经元连接权值，逐步消除由问题的约束冲突带来的网络误差。为了改进约束满足自适应神经网络求解车间调度问题的性能，提出了一些启发式算法，这些启发式算法可以分别或者组合起来嵌入到神经网络中，神经网络在不同阶段可有选择地使用。最后，基于benchmarks问题进行了实验仿真，实验结果表明，这种神经网络可以很快地找到较优解。
最后介绍了本文所开发的车间调度系统。在前面章节研究的基础上，首先介绍了车间调度实验系统的软件结构和设计思想，然后利用VisualC++6.0开发工具和SQLserver2000等编程工具，基于组件技术和多线程技术，分析和设计了车间调度系统。