【摘 要】
:
经济全球化背景下,制造企业为了应对市场不断产生的新要求,如更短的产品交付时间或者增加产品种类等,必须设计实现更加具有竞争力的智能制造系统。车间调度作为制造系统的重要组成部分,一直是学术界和工程应用领域研究的热点。设计有效的调度方案帮助企业降低生产成本、提高生产效率已成为工业界和学术界亟待解决的“卡脖子”问题。流水车间调度问题因其复杂性、多约束性、多目标等特点,已被证实是一类典型的NP-难问题。随着
论文部分内容阅读
经济全球化背景下,制造企业为了应对市场不断产生的新要求,如更短的产品交付时间或者增加产品种类等,必须设计实现更加具有竞争力的智能制造系统。车间调度作为制造系统的重要组成部分,一直是学术界和工程应用领域研究的热点。设计有效的调度方案帮助企业降低生产成本、提高生产效率已成为工业界和学术界亟待解决的“卡脖子”问题。流水车间调度问题因其复杂性、多约束性、多目标等特点,已被证实是一类典型的NP-难问题。随着人工智能优化技术的发展,元启发式算法通过高效的最优解搜索机制已逐渐取代传统优化方法成为求解车间调度问题的主流方法。关于流水车间生产调度问题的理论和优化算法的研究具有重要的研究意义和实际应用价值。水波优化算法(water wave optimization algorithm,WWO)是受浅水波理论启发而提出的新型元启发式算法。因其独特的运行机制和高效的全局搜索能力近年来受到研究者的广泛关注。本文首先对传统的WWO展开研究,分析了算法的三种基本操作算子和运行机制。通过提出高效的改进策略来平衡算法的全局搜索和局部搜索,改善算法的搜索能力。并且,将WWO成功运用到带有不同约束条件的流水车间调度问题中。本文的主要研究内容和工作如下:(1)WWO中的群体智能的机制是一个随机过程,这就导致了算法易陷入局部最优,收敛速度比较慢等缺点。针对该问题,本文提出了一种基于知识驱动的双种群协同的水波优化算法(A Dual-Population Cooperative Water Wave Optimization Algorithm with Knowledge-Driven Learning Mechanism,DCLWWO)。候选解携带的搜索信息被总结为三种知识来改进DCLWWO的个体变异策略。并设计了两个种群。在进化过程中,子种群间不断地进行信息的交互与共享。将改进的学习机制与不同类型子种群的搜索操作相结合,增强了算法的自学习和自适应能力。算法参数的校验,操作策略的有效性以及DCLWWO的性能都基于IEEE CEC2017基准测试集进行了分析。实验结果表明DCLWWO的性能优于WWO、WWO变体及其他先进的元启发式算法。(2)针对阻塞流水车间调度问题(Blocking flow-shop scheduling problem,BFSP),本文提出一种以最大完工时间(Makespan或8(6))为指标的集成离散水波优化算法(An Ensemble Discrete Water Wave Optimization Algorithm for the Blocking Flow-Shop Scheduling Problem with Makespan Criterion,EDWWO)。在EDWWO中,为了满足初始种群高稳定性和高质量的要求,提出了一种新的构造启发式算法。该启发式算法基于一个新的调度规则,并与当前被广泛使用的NEH方法相结合。WWO的特性被深入探讨,且有效的技术策略,如传播操作的数据驱动机制、在碎浪操作中引入了基于可变邻域搜索框架的块移位算子和折射操作阶段设计的扰动策略被使用来提高EDWWO在求解BFSP时的性能。在实验设计的基础上,对EDWWO中算子和参数的有效性进行了分析和校准。最后,采用著名的Taillard基准集来评估所提出的算法性能,并与其他五种具有代表性的算法进行了比较。同时,通过Friedman检验和Wilcoxon检验对结果的统计有效性进行了检验。统计结果表明EDWWO是求解BFSP的有效方法。(3)针对分布式装配阻塞流水车间调度问题(Distributed assembly blocking flow-shop scheduling problem,DABFSP),提出了一种具有问题特性知识的水波优化算法(An Effective Water Wave Optimization Algorithm with Problem-Specific Knowledge,KWWO)来求解该问题,并以总延迟(Total tardiness,TTD)为优化目标。通过将新的调度规则与基于插入的改进步骤相结合提出了一种构造启发式算法(KBNEH)来获得高质量的初始解。在KWWO的各操作阶段使用了不同的策略,如重新设计的破坏重组操作、可变邻域搜索策略(VNS)框架下的四种局部搜索方法和路径重链策略来提高算法的性能。此外,基于900个小型基准实例和810个大型基准实例,KWWO与在此类问题上具有竞争力的方法进行了综合的对比实验。综合实验结果来看,KWWO的算法性能相比于对比算法的性能提高了1到4倍,这表明KWWO是解决DABFSP的有效方法。
其他文献
微信、抖音、微博等社交媒体已渗透入人类生活与社交的方方面面,频繁地使用社交媒体成为现代人的常态,使得网络中的交互变得复杂与多元。网络通常呈现复杂的结构,且网络结构会随时间,或随人类社会活动而动态变化。信息化迅速发展的今天,在线社交网络中亿万规模的用户群体于信息传播活动中扮演着不可或缺的角色,且为学者们提供了海量的研究数据。社交网络作为信息传播最重要的载体,对其结构的研究便显得尤为重要。因此,本文重
随着深度学习在音乐与计算机技术领域的广泛应用,音乐自动生成研究作为艺术与科技的结合逐渐成为研究热点,它利用神经网络学习音乐样本中的音乐特征与风格,生成符合乐理规则的新音乐。该任务可以不依赖专业音乐人,快速高效的定制音乐,生成的可以用于抖音、快手等平台短视频的背景音乐,游戏场景音效、音乐治疗等众多场景。本文针对流行音乐的两类音乐进行生成:多轨道音乐生成和吉他和弦生成,主要研究内容如下:(1)在多轨道
真皮成纤维细胞(dermal fibroblasts, DFs)是真皮的主要细胞类型,负责细胞外基质(extracellular matrix, ECM)的合成和重构。不同解剖层次、不同发育和演变阶段、不同物理环境的成纤维细胞对创面损伤的反应和功能不同,它们以自己的方式重塑细胞外基质,并在不同的程度上演变为肌成纤维细胞参与创面愈合和皮肤再生。现就成纤维细胞的异质性及不同的成纤维细胞参与创面修复的不
短路故障使电网信号中存在暂态的衰减直流分量,影响基频稳态信号的电气特征量提取速度。为此,针对单相接地故障中的DDC分量提出dq0坐标下的三点采样检测算法,该方法在延时采样周期的双dq变换基础上进行改进,通过先提取出0轴的DDC分量,将提取结果与dq坐标系下的正序和负序分量相结合,滤除含有DDC分量的部分后,再从dq坐标下滤除二次谐波,从而快速且准确地提取出基波的正序和负序分量。最后,通过PSCAD
随着物联网的快速发展,信息的安全性成为人们生活中重点关注的焦点,而车联网(Internet of Vehicles,IoV)作为物联网领域的重要组成部分之一,已经成为许多学者研究的热点课题之一。但是车联网作为移动自组网络,由于其网络的开放性与移动性,随之而来面临着各种各样的信息安全隐患,这将严重影响车联网的安全性。因此,设计出高效的车联网消息安全传输方案是车联网领域未来研究与发展的关键点。为此,针
车联网与云计算相结合的技术近几年得到了飞速发展,使得车联网服务云平台得到了广泛应用。其自身具有的开放性、动态性、随机性的特点,使其具有较高的竞争力。但同时也使部分攻击者冒充合法车联网用户通过身份认证后窃取、篡改或损毁车联网服务云平台中存储的敏感数据,造成数据的完整性、机密性和可用性受到严重损害。而访问控制技术能有效避免用户对任何数据进行未授权访问。所以本文通过借鉴车联网领域访问控制方面已有的研究成
现如今,互联网技术迅速的提升,人们每天所能接触的信息也越来越越多。在线社交网络给人带来了便利的同时,也使许多不法分子有了可乘之机。许多网民在面对形形色色的信息时不能辨别真实性所以很容易上当受骗造成人身财产安全的损失。如何能够有效控制信息的传播、促进有利信息的传播、抑制不良信息的传播就成为了一个亟待解决的现实问题。现实生活中,事物的结果会对当事人起到一定反馈的作用,从而影响到当事人之后的行为。所以本
随着物联网的快速发展,车联网因为有着广泛的研究空间,从技术和行业的角度看,车联网已成为一个重要的研究领域。然而,车联网复杂化的网络环境,以及动态变化的网络拓扑结构导致其容易受到信息篡改、资源泄露和更复杂的网络攻击。因此车辆间的通信急需建立可靠地信任机制和访问控制来保障通信与数据的安全。所以,对车联网中通信节点的信任评估与访问控制的研究将具有重要的现实意义。本文在基于已有的研究成果之上,提出了访问控
随着城市化水平的逐渐加快,人们对于出行的要求越来越高,进而导致交通问题日趋严重,而智能交通系统能有效解决交通拥堵问题、缓解路网交通压力。因此,智能交通系统的发展越来越受到人们的关注。交通流预测作为智能交通系统的重要部分,能够为人们的出行提供诱导,并为相关部门的道路建设规划提供可靠支持。目前大多数交通流预测方法都是基于交通流的时间特性进行研究,而忽略了交通流的空间相关性,虽然有些方法考虑了交通流的空
当前社会的信息产业发展迅速,各式各样的网络服务快速普及,随之而来的是大规模网络数据的激增。新闻、微博以及各类评论性的网络平台,每天都产生着大量的数据信息,如果能对这些数据进行充分挖掘并有效利用,无论是对于个人还是社会都有着十分重要的意义。本文在深度学习方法的基础上,经过大量的理论研究和实验验证,提出了基于预训练混合优化模型的中文短文本分类方法,用于中文短文本数据的分析研究。具体的研究工作如下:在语