论文部分内容阅读
经济全球化和信息技术的飞速发展,让传统制造业面临越来越多的困难和挑战。为解决这一困境,将网格技术应用到制造业中,逐步发展出制造网格技术。制造网格技术的核心是资源调度,而资源调度问题的本质是高维目标优化问题,因此本文对高维目标优化算法进行研究,并将算法应用到制造网格资源调度这一应用中。高维目标优化是目前研究的一个热门领域,由于提出来的时间不是很长,且问题较复杂,目前的研究成果还不是很多。当前比较流行的解决高维目标优化问题的方法一是通过降维技术将目标维数降低,将问题变换到易解决的低维目标优化问题中;二是改变传统的占优机制,确立新的占优机制,使种群中个体间支配关系的确立不再那么严格,从而减少非支配解的个数,提高算法搜索效率。 论文分别从从降低目标维数和改变占优方式两个方向出发对高维目标优化算法进行研究,改进了基于降维思想的 PCA-NSGA2算法并提出了基于新的占优机制的PCA占优算法。首先对已有的高维目标降维优化算法PCA-NSGA2进行研究,考虑将算法中优化所得种群的部分优秀个体放入到下一次初始化的种群中去,利用这些优秀个体引导种群进化方向,从而加快算法的收敛速度;同时将 PCA降维后被丢弃的冗余目标通过平均加权的方式进行拟合形成新的目标,再放入到非冗余目标集中参与下一次的优化,使原始目标集的属性更多的被保留和体现,从而提高解集的分布性。其次对传统 Pareto占优在高维目标下的不合理性进行分析,并提出了一种新的占优机制,即PCA占优机制。用此占优机制来判断种群中个体间的支配关系,使个体间支配关系的建立变的更容易,从而减少种群中非支配个体的数量,提高了算法搜索效率,使算法有足够大的选择压力让种群向其 Pareto最优前沿逼近。最后给出一个制造网格中资源调度问题的应用实例,对问题进行抽象并建模,将论文中改进的 PCA-NSGA2算法和PCA占优算法应用到该资源调度问题的求解中,实现了对制造网格中资源进行合理优化调度的目的,为制造网格解决资源节点高维目标调度问题提供了一种可行的解决方法。