一、Flow-Shop网络作业计划对缓冲区容量的影响（论文文献综述）
和莉[1]（2021）在《基于DES-GEP的柔性流水车间组批调度方法研究》文中认为随着社会经济水平的提高,市场需求越来越趋向于产品多样化和个性化定制,现代制造模式从原来的大批量生产不断向灵活机动的多品种小批量生产模式演进。柔性流水生产能够灵活适应市场变化,实现多种产品混线作业,是离散型制造企业应对多品种小批量生产的主流方式。考虑批处理的柔性流水生产作为其一类典型的应用场景广泛应用于半导体封装等多个领域,该场景下的调度过程不仅要实现设备选择与作业排序,还要对工件进行组批,生产运营管理复杂度更高;同时实际生产过程中常出现工件随机到达、工时波动等动态事件,调度决策只能依据实时信息进行。如何针对柔性流水车间组批调度问题提出有效的基于实时生产数据的调度方法,在提高生产效率的同时及时响应生产过程的动态因素是企业亟待解决的问题。本文引入在动态调度领域应用广泛的调度规则方法,并针对该方法求解本文问题的局限性,从基于组合调度规则的模型构建及算法设计、调度规则性能评价以及调度规则自动生成三个方面展开研究,具体工作如下:（1）基于组合调度规则的柔性流水车间组批调度模型构建及算法设计。在柔性流水车间调度问题基础之上考虑不兼容工件族的批处理作业阶段,同时考虑多个产品类型混线生产,基于此问题特征构建多目标数学模型。针对调度规则考虑维度单一难以直接求解的不足,提出了基于子问题的组合调度规则构造方法,并综合考虑组合调度规则的性能评价以及组合调度规则的自动生成两部分,提出了基于DES-GEP的调度框架。（2）基于DES的FFSP-BPM组合调度规则性能评价。针对调度规则评价需要基于实时工况数据,评价模型难以构建的问题,采用离散事件仿真方法进行参数化建模,构建可复用的调度仿真模型;对嵌入时间窗策略的HFSP-BPM调度决策过程进行分析;最后通过不同规模的算例验证所提时间窗策略的有效性,得出调度规则之间具有强耦合性的结论,同时对算例参数进行显着性分析验证了所提算例设置方法的有效性。（3）基于改进GEP的组合调度规则自动生成。针对同一调度规则不能适用于任何场景的不足,提出基于改进GEP的组合调度规则自动生成算法。将经典调度规则作为端点集元素;提出基于有效长度的遗传操作;针对多目标优化问题引入NSGA-Ⅱ非支配排序方法;针对算法过早收敛,容易陷入局部最优,容易出现重复个体的不足,提出重复个体剔除算法、变邻域搜索算法以及自适应遗传算子改进策略;最后通过算例分析验证了所提改进GEP算法的有效性。
尚书林[2]（2021）在《面向热处理与冲压车间的联合调度算法研究》文中研究表明在当今科技迅猛发展的时代,智能制造技术所具有的先进性和复杂性更加体现在了现代工业生产过程中,市场竞争也更加激烈,这种复杂的市场环境给制造企业带来了巨大的挑战。科学合理的生产计划和排产调度,对于降低产品成本、提升企业经济效益会产生巨大的作用。因此,对于智能工业制造企业而言,优化车间调度方法是目前的一个研究热点。在智能工业产品零部件制造过程中,企业不仅要考虑到工件的冲压加工工序,为提高产品的强度和韧性,工件的热处理过程也是重点需要关注的问题。如何在这种制造系统中进行生产调度,从而保证工件的交货期、降低生产成本、提升热处理炉的使用效率等,已经成为一个备受关注的研究问题。本文通过对国内外相关研究成果的分析和总结,着重对制造企业生产过程中热处理车间和冲压车间联合调度问题开展研究。通过对冲压车间和热处理加工车间以及冲压机床和热处理炉的工作特点进行分析,构建了热处理和冲压车间联合调度的数学模型,给出了调度目标函数。依据该数学模型,设计出了相应调度算法用于解决冲压车间和热处理车间联合调度问题。本算法在改进遗传算法基础上通过规则搜索的方法对问题进行优化。通过仿真对比实验,对本文所研究的算法可行性和有效性进行了测试和评价。
杨新愉[3]（2021）在《具有有限缓冲区的混流装配线排产优化问题研究》文中进行了进一步梳理多年来,基于准时化（JIT）生产的混流装配线排产优化问题研究一直是学术界和企业界研究复杂组合优化问题中的重点和热点,这方面取得的成果和成就也比较多。然而我国还有不少企业的混流装配线采用的是基于非准时制的生产模式,即用于装配的零部件才刚生产完或者正在生产,而不是开始装配前所有的零部件都已准备完毕。此种模式下的排产优化问题鲜有学者研究,尤其是带有缓冲区约束的复合型混流装配线排产优化问题,它是柔性流水车间排产优化问题的一种延伸,其生产加工过程不再是无限缓冲区的理想状态下,而是会受到缓冲区容量的限制。因此本文结合企业产线的实际情况,研究带缓冲区限制的、非准时化的混流装配线排产优化问题。首先,建立带有有限缓冲区、由两条子生产线和一条总装线复合而成的生产系统的排产优化数学模型。此类生产系统作业排序优化问题包括对有限缓冲区的容量大小优化和整个生产系统的作业排序优化。具有有限缓冲区的复合型混流装配线生产系统排序问题,是指总装线的前一道工序即进入有限缓冲区的工件非准时到达,考虑子生产线和总装线的生产负荷平衡问题、机器空闲等待时间最小化问题,最终建立以最小化缓冲区容量和最小生产周期为多目标的数学模型,以此来对这类问题进行优化。其次,具有有限缓冲区的、非准时化的混流装配线排产优化问题是典型NP问题中的一种。为了解决这一问题,本文提出了基本粒子群算法作为全局优化算法。利用基本粒子群算法规则简明、易实现、高效等优点,找出最优粒子并获得最优排序。采用PSO算法进行生产排序的结果与传统方法的排序相比较,减少了整个工件序列的完工时间,验证了算法的有效性。为提高算法的性能,本文借助遗传算法中随机变异的策略以及引用惯性权重的方式来提高粒子群算法的性能,改善算法的全局搜索能力。最后,以某公司一氮氧化物传感器生产线为背景,在MATLAB上对程序进行编写与调试,通过算法的计算寻优得到的最优解比企业原有的方式更优,解决了带有有限缓冲区的、由两条子生产线和一条总装线复合而成的生产系统的排产优化问题和容量大小问题,并验证了改善后算法的性能。
张奋强[4]（2021）在《基于关键链的A公司磨削加工车间任务调度》文中研究说明A公司是以轴承生产为主的传统制造型企业,为满足客户日益多样化和个性化需求,A公司生产模式由存货式生产过渡为订单式生产。面对市场需求量不断上涨,A公司生产订单数量也逐渐增加,现行的人工排产的生产调度方法已不再适用,亟需应用先进理论与方法生成一套可行、高效的具有较强柔性的调度方案以适应当前的市场环境。本文在对A公司进行深入调研的基础上,发现A公司磨削加工车间主要存在生产调度方案制定不合理的问题,导致车间订单拖期率和加工成本较高。近年来,A公司订单的平均准时交货率仅为68.92%,存在明显的拖期现象,且加工成本占总成本的比例连年升高,五年来从13.75%上升至20.07%。为解决以上主要问题,本文提出了基于关键链的A公司磨削加工车间任务调度优化方法。针对磨削加工车间存在的订单拖期率高和加工成本高的问题,构建了以最小化最大完工时间和最小化加工成本为目标的基于关键链的A公司磨削加工车间任务调度模型。运用最小交货期优先规则确定各订单的优先级顺序,为预调度方案的生成奠定了基础。在对瓶颈资源及关键链进行识别后,分别提出了瓶颈缓冲、汇入缓冲及项目缓冲位置和大小的确定方法,为烟花算法求解及优化方案的提出提供了依据。应用烟花算法对构建的基于关键链的A公司磨削加工车间任务调度模型进行了求解。以最大完工时间与加工成本的乘积为适应度值,在算法的选择操作阶段引入Pareto最优理论,将适应度f（X l）与拥挤度r（X l）的比值作为方案综合评价指标,得到综合指标最优的调度方案。运用关键链方法确定了不同位置缓冲大小及各道工序的开工时间和完工时间,最终提出了A公司磨削加工车间任务调度优化方案。考虑到实际生产中存在的设备加工时间、设备故障及产品不合格等多种不确定性因素,本文应用Simio仿真软件构建了A公司磨削加工车间任务调度原方案和优化方案的仿真模型,共进行了200次仿真实验。结果显示,优化方案下各订单均在交货期内准时完成。且相较于原方案,平均在制品数降低了18.93%,最大完工时间缩短了18.27%,总加工成本减少了12.61%,验证了优化方案的可行性和高效性。
付玉婷[5]（2021）在《基于强化学习的带返工汽车涂装重排序方法》文中提出随着信息技术和人工智能的快速发展,汽车制造业也在向智能化信息化转变。为满足客户的个性化需求,汽车制造由大规模生产转变为小批量柔性生产。在汽车混流生产系统中,各车间具有不同的生产需求,涂装车间和总装车间作为上下游车间,具有不同的序列偏好和关键生产指标,同时涂装中存在的返工情况也会对排序效果产生影响。因此,在进行喷涂序列决策时如何满足上下游生产需求同时灵活应对返工扰动成为重难点。为解决上述重难点问题,本文总结以往研究,针对大多研究只考虑颜色切换单一目标,没有对返工干扰和后续二次喷涂进行处理,同时多采用精确算法、启发式算法,无法实时动态调整喷涂计划等问题,本文采用在序列决策上具有显着优势的深度强化学习算法Actor-Critic,提出基于强化学习的带返工的汽车涂装重排序方法。首先,建立该问题的数学模型。本文基于实际汽车涂装车间的生产流程,对涂装重排序问题进行抽象和提炼,分析重排序问题的决策过程和返工过程引起的序列变化,明确问题边界,评价指标和约束条件,以最小化颜色切换次数和总装需求延误作为目标建立数学模型。然后,根据数学模型进行Actor-Critic算法设计。本文将涂装重排序问题抽象为马尔科夫决策过程,构建算法中的涂装作业环境,满足返工过程的需要。定义状态空间,动作空间和奖励函数,并设计算法结构。最后进行实验,验证本文Actor-Critic算法的有效性。本文设计对比实验,在不考虑返工情况时,与DQN和遗传算法对比;在考虑返工情况时,与DQN和基于规则的直接插入法对比,评估不同算法的优劣,同时分析本文算法的影响因素,验证Actor-Critic算法在不考虑返工和考虑返工两种情况下在涂装重排序问题中的有效性和实用性。实验结果表明,在不考虑返工时,本文算法效果相比DQN提升了4.7%;在考虑返工时,本文算法效果相比DQN提升了9.6%,显示出了极大的优势。本文在重排序时考虑了返工情况引起的扰动及二次喷涂对喷涂序列的影响,动态调整后续喷涂计划,满足生产需求。同时引入基于策略的强化学习算法Actor-Critic解决汽车涂装重排序问题,取得了更好的效果,为解决带返工的汽车涂装重排序问题提供了新的解决思路。使用人工智能方法解决重排序问题,对企业实现智能制造具有重要的意义,能够提高生产调度的决策效率和质量,也为智能化信息化生产提供了新的可能。
袁帅鹏[6]（2021）在《具有特殊约束的流水车间成组调度问题研究》文中进行了进一步梳理流水车间成组调度问题广泛存在于具有批组加工特征的流程工业中。在特定的生产环境下,流水车间成组调度问题往往伴随着源于生产工艺的特殊约束,这些约束的存在使得问题性质发生了变化,从而需要更具针对性的解决方法。论文从钢铁企业无缝钢管生产管理的实际需求出发,提炼出具有工件相关性阻塞、双向运输时间、序列相关准备时间等特殊但关键约束的流水车间成组调度问题,以最小化最大完工时间（Makespan）为优化目标,对其基本性质、数学模型和求解算法展开研究。主要研究内容和创新点如下:（1）以无缝钢管产品在管加工车间的生产实际为背景,研究了一类具有工件相关性阻塞约束的两阶段流水车间成组调度问题。构建了问题的混合整数线性规划模型,通过三划分问题的多项式归结证明了该问题具有强NP难特性,将问题划分为工件组间调度和各工件组内工件间调度两个子问题,提出一种协同进化的分布估计算法。基于实际生产数据设计多种问题规模的实验,验证了模型和算法的有效性。（2）结合无缝钢管在管加工车间的生产管理需求,进一步考虑了阶段间运输工具的双向运输时间约束,对具有双向运输时间和工件相关性阻塞约束的两阶段流水车间成组调度问题展开研究。针对此调度问题,建立混合整数线性规划模型,结合问题特征提出一种协同进化遗传算法。算法通过协同进化框架对工件组间调度和各工件组内工件间调度两个子问题进行联合优化,提出一种基于区块挖掘的人工解构造策略来提升算法收敛速度。数值实验表明,所提模型和算法对于求解的问题具有良好的效果。（3）将钢铁行业普遍存在的双向运输时间约束引入经典的流水车间成组调度问题,同时加入序列相关准备时间,研究了具有序列相关准备时间和双向运输时间约束的多阶段流水车间成组调度问题。构建了问题的混合整数线性规划模型,提出一种改进的迭代贪婪算法,算法通过启发式规则构造问题的初始解,并设计了改进的迭代贪婪规则和接受准则来提升算法的求解质量和效率。基于理论分析给出了问题最优解的两个下界。通过不同规模的数值实验和对比算法的比较分析,验证了所提算法的有效性和鲁棒性。（4）将问题范围进一步扩展至混合流水车间,研究了具有序列相关准备时间和无关并行机的混合流水车间成组调度问题。针对此问题,建立数学模型,提出一种改进的候鸟优化算法。算法通过新的编码和解码策略来表征各工件组在各阶段上并行机的选择,各并行机上工件组间的加工顺序,以及各工件组内工件间的加工顺序三个子问题,基于编码策略设计了邻域结构和邻域解构造策略,并提出一种重置机制来平衡算法的全局和局部搜索能力。仿真实验表明该算法可以在短时间内获得较好的调度结果,且具有良好的稳定性。
王佩璇[7]（2020）在《混合蛙跳算法在有限缓冲区流水车间调度中的研究与应用》文中认为在现代制造业企业中,流水车间作为一种重要的生产模式,是车间调度的一个研究热点。相较于传统的流水车间调度,带有有限缓冲区约束的车间调度问题更符合企业实际的生产条件,使用智能优化算法求解有限缓冲区问题的研究也具有一定的实际意义。混合蛙跳算法（SFLA）作为一种群智能算法,通过近年的研究发现,相比其他类型的优化算法,这类算法在车间调度问题中表现出更强的寻优性能。因此,本文以有限缓冲区流水车间调度（LBFSSP）为研究背景,提出一种改进的混合蛙跳算法（HSFLA）,并将其应用于实际车间调度管理系统中。本文具体工作如下。首先对LBFSSP和SFLA的研究现状进行了分析和总结,通过实验分析有限缓冲区约束对于最大完工时间（Makespan）的影响。通过对SFLA的算法原理和设计思想的研究,给出了SFLA的主要缺陷和改进方向。接着是设计HSFLA以最小化Makespan为优化目标求解LBFSSP,针对SFLA易陷入局部最优、在求解时易产生非法解等问题,本文给出了算法各部分的改进方式。HSFLA的创新和改进体现在以下几个方面:1)混合NEH、IG、VNS等算法中的一些策略,改进了原算法的种群初始化方式;2)设计了基于自适应移动因子的改进步长和非法解的修正方法,并且提出了新的局部搜索策略;3)在种群进化过程中引入了高斯变异方法,有效改善了原算法易陷入局部最优的弱点。然后采用Taillard经典算例进行了大量的仿真实验,与同类问题上近年较先进的研究成果做出对比,验证了本文研究算法的优越性。还通过实验分析了缓冲区容量对不同规模问题的作用关系。最后,基于上述研究成果,以某风电塔筒制造分厂的生产车间为背景,开发出相应的调度系统,取得了良好的应用效果。
彭菁[8]（2020）在《改进布谷鸟搜索算法求解医用耗材制造企业的车间调度问题研究》文中研究表明自从2009年以来,我国的医疗器械制造行业开始高速发展。但因国内医疗器械制造行业起步较晚,而且在精密仪器、计算机、传感器等综合学科的应用领域技术有限,相较于发达国家,国内的医疗器械制造行业还处于落后阶段。国内医疗器械制造企业在高端医疗器械市场不具备优势,大部分企业以制造中低端医用耗材为主要业务。本文针对医用耗材制造企业的有限缓冲区的批量流水车间调度问题（Limited Buffer Flow Shop Scheduling Problem,LBFSSP）进行了研究,对于实际生产具有重要的学术意义和实用价值。医用耗材是用于诊断、治疗、保健、康复等的消耗性器件设备。本文针对一次性医用耗材制造企业,深入研究了其注塑挤出装配车间的带有有限缓冲区的批量流水调度问题。在布谷鸟搜索算法的基础上,本文将固定的淘汰概率改成动态的淘汰概率,并引入蛙跳搜索算法的分组进化机制,后期和模型结合加入NEH初始化算法,使用基于关键路径的局部搜索来改进布谷鸟搜索算法的求解精度和收敛速度。然后通过不同分批策略对模型进行测试,选择更优的一致子批分批策略,实例仿真证明了模型和改进算法的优越性,为此类生产调度问题提供了有效的解决方案。本文具体的研究内容如下:（1）探究了医用耗材制造企业的生产车间的总体状况,分析了企业的业务流程、生产产品的特点、生产环境的状况,然后总结医疗器械制造企业生产调度的特点,指出了其不足之处,给出了相应的解决方案。针对其注塑挤出装配车间的设备之间存在零件的暂存区的特点,研究了车间调度问题的约束、性能指标等条件,为后面建立有限缓冲区的批量流水调度模型提供了理论基础,建立了对应的批量流水车间调度模型。（2）将布谷鸟搜索算法与其他搜索算法比较,总结了布谷鸟搜索算法的优缺点。针对布谷鸟搜索算法的不足之处,将固定的淘汰概率替换为随迭代次数改变的动态自适应的淘汰概率。为了使布谷鸟搜索算法原本随机游走的搜索机制变成朝有利方向进化的模式,引入蛙跳搜索算法将解根据适应度降序排列分组进化,从而提升了算法的寻优性能。并使用8个不同的测试函数求解,最后与标准布谷鸟搜索算法和粒子群算法对比,证明了算法的优越性能。为了使改进布谷鸟搜索算法能够更好地解决离散化问题,引入NEH启发式算法初始化种群以便得到更优种群,并且加入了基于关键路径的局部搜索机制来提升解的质量。（3）分别使用一致子批策略和等量分批策略,通过算法对该模型进行编码求解,使用企业的生产数据进行仿真,发现一致子批策略比等量分批策略所得的解更优。最后以提前-延期惩罚为性能指标,采用一致子批分批策略求解有限缓冲区的批量流水调度问题,使用改进后的布谷鸟搜索算法和标准布谷鸟搜索算法对比求解,证明了改进布谷鸟搜索算法求解存在有限缓冲区的批量流水车间调度问题的有效性。
冯梦璇[9]（2020）在《面向Flow-shop的多约束排产优化技术研究》文中指出自2015年中国提出并开展实施“中国制造2025”以来,制造业的创新发展以智能制造为主攻方向,大力推行不同行业和规模的制造企业构建适宜的智能化信息管理系统。制造执行系统（Manufacturing Execution System,MES）即为智能化信息管理系统的一部分,是智能制造的研究热点之一。本文研究了面向流水车间的多约束排产优化技术及其在MES中的应用。本文结合应用企业的车间现状和加工流程,对MES的系统架构和工作流程进行了设计,并且将系统的服务功能分为用户管理、生产管理和基础管理三大功能模块。针对带准备时间的流水车间调度问题,提出了一种改进分布估计算法,在该算法中采用了矩阵数组作为概率模型,对其更新机制也进行了相应的改进,并且在采样过程中使用了动态调整概率模型的策略,提高了算法全局搜索的能力。针对带准备时间的有限缓冲区的流水车间调度问题,对改进分布估计算法进行了应用方面的研究,使得改进分布估计算法能有效地求解该类调度问题。针对无阻塞调度中对有限缓冲区容量的优化问题,提出了一种改进分支定界法,该方法使用了基于变步长的分支方法,提高了算法的搜索效率,并且结合改进分布估计算法进行实验分析,验证了改进分支定界法的有效性。基于上述研究,本文采用Spring+Spring MVC+Mybatis框架开发了一个B/S网络结构模式的后台管理系统,该系统作为MES的原型系统,具有用户管理、生产管理和基础管理三大功能模块。并且在其生产管理功能模块中内置了多约束的流水车间调度优化算法。该系统实现了企业对车间信息的智能化综合管理,对提高车间生产效率和企业信息化管理水平有着重要理论价值和工程应用价值。
胡畔[10]（2019）在《基于强化学习的汽车涂装线作业优化排序研究》文中认为我国于2015年5月提出的《中国制造2025》十年行动纲领,旨在寻求制造业的转型升级,其中,制造智能化是我国迈入制造强国的重要途径之一。汽车工业是制造业的重要组成部分。近年来,汽车制造业由过去的大规模、高增量的生产模式逐渐转向柔性生产模式,更加注重对客户的个性化服务,因此,如何灵活应对客户个性化需求、如何进一步降低生产成本成为汽车制造企业面临的难题。本文针对汽车涂装线的作业优化排序问题开展研究。在汽车涂装线作业优化排序问题上,国内外学者提出了各类算法进行求解。目前针对此问题的优化算法以启发式算法为主,且大多数只关注降低颜色切换次数这一单一目标。由于启发式算法结构较为固定,导致其寻优效果常常受到限制,尤其是在大规模或复杂问题域中。本研究中,为使涂装线作业优化排序问题更加贴近实际生产,考虑降低颜色切换次数和降低总装需求延误两个目标,同时在算法上寻求新的尝试,提出基于强化学习的优化算法。具体工作如下:首先,分析汽车涂装线作业优化排序问题以及现有优化算法的解决思路,梳理本问题流程,明确涂装线作业优化排序问题范围,掌握本问题的关键点,提出本研究要解决的问题。其次,对汽车涂装线作业优化排序问题进行抽象提炼,明确本问题的目标函数和限制条件,提出本问题的数学模型。然后,将汽车涂装线作业优化排序过程抽象为马尔可夫过程,设计基于强化学习的两种优化算法,传统Q学习算法和启发式Q学习算法,同时设计遗传算法作为对比算法。最后,设计对比实验,通过实验算例对比各类算法在汽车涂装线作业优化排序问题上的表现,比较各类算法的优劣,验证了强化学习算法在汽车涂装线作业优化排序问题上的实用性。本研究为解决涂装车间作业排序问题做出新的算法尝试,并试图为大数据时代基于数据驱动的涂装车间生产调度问题提供新的解决方案。
二、Flow-Shop网络作业计划对缓冲区容量的影响（论文开题报告）
（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、Flow-Shop网络作业计划对缓冲区容量的影响（论文提纲范文）
（1）基于DES-GEP的柔性流水车间组批调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景、问题与意义 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.1.3 研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 技术路线与文章架构 |
| 1.3.1 技术路线 |
| 1.3.2 文章架构 |
| 1.4 创新点 |
| 2 相关理论及国内外研究现状 |
| 2.1 相关理论 |
| 2.1.1 柔性流水车间组批调度问题 |
| 2.1.2 基于调度规则的调度方法 |
| 2.1.3 基因表达式编程算法 |
| 2.2 国内外研究现状 |
| 2.2.1 动态环境下的柔性流水车间组批调度 |
| 2.2.2 动态环境下的组批调度求解算法 |
| 2.2.3 基于智能优化算法的调度规则选择方法 |
| 2.3 研究评述 |
| 3 基于组合调度规则的FFSP-BPM调度模型构建与算法设计 |
| 3.1 FFSP-BPM问题描述与分析 |
| 3.1.1 问题描述与假设 |
| 3.1.2 问题结构化分解 |
| 3.1.3 组合调度规则构造 |
| 3.2 FFSP-BPM数学模型构建 |
| 3.2.1 决策变量 |
| 3.2.2 参数定义 |
| 3.2.3 模型建立 |
| 3.3 基于DES-GEP的 FFSP-BPM调度框架构建 |
| 3.3.1 调度规则的表示方式 |
| 3.3.2 基于DES-GEP的 FFSP-BPM算法设计 |
| 3.4 本章小结 |
| 4 基于DES的 FFSP-BPM组合调度规则性能评价 |
| 4.1 组合调度规则性能评价框架构建 |
| 4.2 车间静态仿真模型构建 |
| 4.2.1 车间静态布局建模 |
| 4.2.2 工件属性建模 |
| 4.3 基于组合调度规则的FFSP-BPM动态决策 |
| 4.3.1 设备选择过程 |
| 4.3.2 作业排序过程 |
| 4.3.3 嵌入时间窗策略的批处理过程 |
| 4.3.4 基于组合调度规则的FFSP-BPM动态决策过程 |
| 4.4 实验设计及结果分析 |
| 4.4.1 算例参数设计 |
| 4.4.2 规则性能分析 |
| 4.4.3 参数影响分析 |
| 4.5 本章小结 |
| 5 基于改进GEP的 FFSP-BPM调度规则生成 |
| 5.1 种群进化过程 |
| 5.1.1 基于经典调度规则的端点集和函数集 |
| 5.1.2 基于组合调度规则的编码与解码 |
| 5.1.3 基于调度规则评价仿真模型的适应度计算 |
| 5.1.4 基于有效长度的遗传操作 |
| 5.2 算法改进策略 |
| 5.2.1 重复个体剔除算法 |
| 5.2.2 变邻域搜索 |
| 5.2.3 自适应遗传算子 |
| 5.3 实验设计及结果分析 |
| 5.3.1 算例设计与算法参数设计 |
| 5.3.2 算法性能评价指标 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A plant simulation仿真模型构建相关符号说明 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）面向热处理与冲压车间的联合调度算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 车间调度问题的研究 |
| 1.2.1 车间调度问题及其特点 |
| 1.2.2 国内外研究现状及发展趋势 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 2 热处理和冲压车间联合调度问题的分析与建模 |
| 2.1 热处理和冲压车间联合调度问题的分析 |
| 2.1.1 冲压车间和热处理车间的特点分析 |
| 2.1.2 问题描述 |
| 2.1.3 假设条件 |
| 2.2 热处理和冲压车间联合调度问题的数学模型 |
| 2.2.1 系统变量 |
| 2.2.2 决策变量 |
| 2.2.3 调度目标 |
| 2.2.4 约束条件 |
| 2.3 本章小结 |
| 3 热处理和冲压车间联合调度问题的解决方案 |
| 3.1 基于改进遗传算法的规则搜索的方法 |
| 3.1.1 染色体的编码 |
| 3.1.2 解码操作 |
| 3.1.3 初始种群和参数设定 |
| 3.1.4 适应度函数 |
| 3.1.5 选择操作 |
| 3.1.6 交叉操作 |
| 3.1.7 变异操作 |
| 3.1.8 收敛准则 |
| 3.2 构建调度解 |
| 3.2.1 时间窗策略 |
| 3.2.2 时间窗算法描述 |
| 3.2.3 时间窗的计算 |
| 3.3 本章小结 |
| 4 仿真与实验 |
| 4.1 仿真实验设计 |
| 4.2 仿真环境 |
| 4.3 解决方案对比 |
| 4.4 改进GA算法有无采用时间窗策略对比 |
| 4.5 热处理和冲压车间联合排产示例 |
| 4.6 与两车间单独排产调度对比分析 |
| 4.6.1 需解决问题分析 |
| 4.6.2 对计算效率和完工时间的影响对比分析 |
| 4.7 本章小结 |
| 5 结论 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）具有有限缓冲区的混流装配线排产优化问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 研究目的与意义 |
| 1.3 排产优化问题研究应用 |
| 1.4 粒子群算法研究与应用 |
| 1.5 论文的创新点 |
| 第二章 具有有限缓冲区的混流装配线排序问题 |
| 2.1 混流装配线相关概念 |
| 2.2 具有有限缓冲区的单线型混流装配线排产问题 |
| 2.2.1 数学模型 |
| 2.2.2 算例验证 |
| 2.3 具有有限缓冲区的复合型混流装配线排产问题 |
| 2.3.1 问题描述 |
| 2.3.2 数学模型 |
| 2.3.3 计算过程 |
| 2.3.4 目标函数 |
| 2.4 本章小结 |
| 第三章 复合型混流装配线排产问题方法研究 |
| 3.1 粒子群算法概述 |
| 3.1.1 编码解码 |
| 3.1.2 初始种群 |
| 3.1.3 位置更新 |
| 3.1.4 适应度函数 |
| 3.1.5 保优策略 |
| 3.1.6 算法流程 |
| 3.2 复合型混流装配线排产优化问题方法设计 |
| 3.2.1 最小生产周期算法设计 |
| 3.2.2 最佳缓冲容量算法设计 |
| 3.3 粒子群算法的优化改进 |
| 3.3.1 引入惯性权重 |
| 3.3.2 遗传算法思想 |
| 3.4 基于复合型混流装配线排产问题的改进粒子群算法 |
| 3.4.1 算法流程 |
| 3.4.2 编码解码 |
| 3.4.3 适应度函数 |
| 3.5 本章小结 |
| 第四章 实例验证 |
| 4.1 单线型混流装配线排产优化问题的改进粒子群算法验证 |
| 4.2 复合型混流装配线排产优化问题案例分析 |
| 4.2.1 案例模型 |
| 4.2.2 案例分析 |
| 4.2.3 性能验证 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（4）基于关键链的A公司磨削加工车间任务调度（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状与应用动态 |
| 1.2.1 柔性流水车间调度问题研究动态 |
| 1.2.2 TOC理论研究与应用动态 |
| 1.2.3 烟花算法在车间调度问题中的应用与研究动态 |
| 1.3 研究内容、技术路线及创新点 |
| 1.3.1 研究目的及内容 |
| 1.3.2 技术路线 |
| 1.3.3 研究创新点 |
| 1.4 本章小节 |
| 第2章 相关理论与方法 |
| 2.1 柔性流水车间调度问题相关理论 |
| 2.1.1 柔性流水车间调度问题概念 |
| 2.1.2 柔性流水车间调度问题的分类及特点 |
| 2.1.3 柔性流水车间调度问题的求解方法 |
| 2.2 约束理论概述 |
| 2.2.1 关键链法 |
| 2.2.2 瓶颈识别方法 |
| 2.2.3 缓冲区设置类型及方法 |
| 2.3 烟花算法相关理论 |
| 2.3.1 烟花算法(FWA)介绍 |
| 2.3.2 烟花算法流程 |
| 2.3.3 烟花算法的特点 |
| 2.4 Pareto最优理论 |
| 2.4.1 Pareto最优理论概念 |
| 2.4.2 Pareto最优状态标准条件 |
| 2.4.3 Pareto最优理论在多目标优化问题中的应用 |
| 2.5 本章小节 |
| 第3章 A公司磨削加工车间现状及主要问题分析 |
| 3.1 A公司轴承加工生产流程介绍 |
| 3.2 A公司生产调度方案制定流程 |
| 3.3 A公司磨削加工车间主要问题分析 |
| 3.4 本章小节 |
| 第4章 基于关键链的磨削加工车间任务调度模型构建 |
| 4.1 基于关键链的任务调度问题描述及模型构建 |
| 4.2 预调度方案的生成 |
| 4.3 瓶颈及关键链识别 |
| 4.4 缓冲区设置及资源需求冲突消减 |
| 4.4.1 缓冲区位置及大小的确定 |
| 4.4.2 资源需求冲突消减 |
| 4.5 本章小节 |
| 第5章 基于烟花算法的任务调度方案的提出 |
| 5.1 算法的先进性和可行性分析 |
| 5.2 离散型烟花算法设计 |
| 5.3 任务调度优化方案的提出 |
| 5.4 本章小节 |
| 第6章 基于Simio仿真的优化方案改进效果分析 |
| 6.1 仿真模型框架构建及相关参数设置 |
| 6.1.1 磨削加工车间仿真模型框架构建 |
| 6.1.2 仿真参数设置 |
| 6.1.3 仿真表达式设置 |
| 6.2 仿真实验运行结果分析 |
| 6.3 本章小节 |
| 第7章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（5）基于强化学习的带返工汽车涂装重排序方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 汽车涂装重排序问题研究现状 |
| 1.2.2 汽车生产调度中的返工问题研究现状 |
| 1.2.3 强化学习在生产调度及排序优化中的研究现状 |
| 1.2.4 研究现状分析 |
| 1.3 研究意义 |
| 1.4 研究内容及技术路线 |
| 1.5 本文各章节安排 |
| 2 汽车涂装重排序问题的描述及分析 |
| 2.1 汽车混流生产线制造流程简介 |
| 2.2 汽车涂装重排序问题概述 |
| 2.2.1 涂装车间重排序问题的产生 |
| 2.2.2 缓冲区类型 |
| 2.3 符号定义与说明 |
| 2.4 汽车涂装重排序问题分析 |
| 2.4.1 不考虑返工的汽车涂装重排序问题分析 |
| 2.4.2 考虑返工的汽车涂装重排序问题分析 |
| 2.5 本章小结 |
| 3 优化模型 |
| 3.1 模型假设 |
| 3.2 评价指标 |
| 3.2.1 颜色切换次数 |
| 3.2.2 总装需求延误 |
| 3.3 不考虑返工的数学模型 |
| 3.4 考虑返工的数学模型 |
| 3.5 本章小结 |
| 4 算法设计 |
| 4.1 Actor-Critic算法简介 |
| 4.1.1 算法的选择 |
| 4.1.2 强化学习基本思想 |
| 4.1.3 Actor-Critic算法核心概述 |
| 4.2 汽车涂装重排序问题的马尔科夫决策过程 |
| 4.2.1 状态空间定义 |
| 4.2.2 动作空间定义 |
| 4.2.3 奖励函数设计 |
| 4.2.4 动作选择策略 |
| 4.2.5 不考虑返工的汽车涂装环境构建 |
| 4.2.6 考虑返工的汽车涂装环境构建 |
| 4.3 算法结构设计与流程概述 |
| 4.3.1 算法结构 |
| 4.3.2 算法中神经网络结构 |
| 4.3.3 算法步骤 |
| 4.4 本章小结 |
| 5 实验及结果分析 |
| 5.1 算法实现 |
| 5.1.1 不考虑返工的程序实现 |
| 5.1.2 考虑返工的程序实现 |
| 5.1.3 程序实现流程 |
| 5.2 实验设计 |
| 5.2.1 实验方案设计 |
| 5.2.2 算例设计 |
| 5.2.3 实验参数设置 |
| 5.2.4 算法输出序列示例 |
| 5.3 实验结果及分析 |
| 5.3.1 基于强化学习的汽车生产调度实验系统的使用 |
| 5.3.2 算法收敛性分析 |
| 5.3.3 算法有效性评估 |
| 5.3.4 算法影响因素分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A 部分程序代码 |
| 攻读硕士学位期间发表学术论文情况 |
| 攻读硕士学位期间参与项目情况 |
| 致谢 |
（6）具有特殊约束的流水车间成组调度问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 2 文献综述 |
| 2.1 成组调度研究综述 |
| 2.1.1 问题概述 |
| 2.1.2 研究现状 |
| 2.2 流水车间成组调度研究现状 |
| 2.2.1 问题相关的研究成果 |
| 2.2.2 方法相关的研究成果 |
| 2.2.3 研究现状总结 |
| 2.3 钢铁生产中的成组调度及其特殊约束 |
| 2.3.1 钢铁生产流程 |
| 2.3.2 钢铁生产中的成组调度 |
| 2.3.3 钢铁成组调度中的特殊约束 |
| 2.3.4 研究现状总结 |
| 2.4 本章小结 |
| 3 工件相关性阻塞的两阶段流水车间成组调度 |
| 3.1 问题提取与建模 |
| 3.1.1 问题提取与描述 |
| 3.1.2 模型假设 |
| 3.1.3 符号定义 |
| 3.1.4 问题模型 |
| 3.2 问题复杂性分析 |
| 3.3 基于协同进化的分布估计算法 |
| 3.3.1 编码策略 |
| 3.3.2 构造初始种群 |
| 3.3.3 个体评价策略 |
| 3.3.4 概率模型的设置及更新 |
| 3.3.5 局部搜索策略 |
| 3.3.6 算法步骤 |
| 3.4 数据实验与分析 |
| 3.4.1 实验设计 |
| 3.4.2 算法参数设置 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 4 双向运输和工件相关性阻塞的两阶段流水车间成组调度 |
| 4.1 问题描述与建模 |
| 4.1.1 问题描述 |
| 4.1.2 问题假设 |
| 4.1.3 符号定义 |
| 4.1.4 问题模型 |
| 4.2 协同进化遗传算法 |
| 4.2.1 协同进化机制 |
| 4.2.2 人工解构造机制 |
| 4.2.3 算法步骤 |
| 4.3 仿真实验 |
| 4.3.1 实验数据 |
| 4.3.2 算法参数设置 |
| 4.3.3 算法策略有效性测试 |
| 4.3.4 与元启发式算法对比 |
| 4.4 本章小结 |
| 5 序列相关准备时间和双向运输的多阶段流水车间成组调度 |
| 5.1 问题描述与建模 |
| 5.1.1 问题描述 |
| 5.1.2 数学模型 |
| 5.2 改进的迭代贪婪算法 |
| 5.2.1 编码策略 |
| 5.2.2 构造初始解 |
| 5.2.3 迭代贪婪规则 |
| 5.2.4 接受准则 |
| 5.2.5 算法步骤 |
| 5.3 最优解下界分析 |
| 5.4 仿真实验 |
| 5.4.1 实验设计 |
| 5.4.2 最优性检验 |
| 5.4.3 与主流元启发式算法对比 |
| 5.5 本章小结 |
| 6 序列相关准备时间和无关并行机的混合流水车间成组调度 |
| 6.1 问题描述与建模 |
| 6.1.1 问题描述 |
| 6.1.2 数学模型 |
| 6.2 改进的候鸟优化算法 |
| 6.2.1 候鸟优化算法的基本框架 |
| 6.2.2 编码解码策略 |
| 6.2.3 邻域解构造策略 |
| 6.2.4 局部搜索策略 |
| 6.2.5 重置机制 |
| 6.2.6 算法流程 |
| 6.3 仿真实验 |
| 6.3.1 实验设计 |
| 6.3.2 算法参数设置 |
| 6.3.3 最优性检验 |
| 6.3.4 与主流元启发式算法对比 |
| 6.4 本章小结 |
| 7 结论 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（7）混合蛙跳算法在有限缓冲区流水车间调度中的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 LBFSSP研究现状 |
| 1.3.2 混合蛙跳算法研究现状 |
| 1.3.3 目前存在的问题 |
| 1.4 本文内容结构 |
| 第二章 有限缓冲区流水车间调度问题研究 |
| 2.1 车间生产调度问题概述 |
| 2.1.1 车间调度问题定义 |
| 2.1.2 车间调度问题的分类 |
| 2.2 有限缓冲区流水车间调度概述 |
| 2.2.1 置换流水车间调度问题描述 |
| 2.2.2 有限缓冲区流水车间调度问题描述 |
| 本章小结 |
| 第三章 混合蛙跳算法研究 |
| 3.1 算法产生背景 |
| 3.2 算法原理 |
| 3.2.1 SFLA原理分析 |
| 3.2.2 SFLA基本概念 |
| 3.2.3 算法参数 |
| 3.3 算法流程 |
| 3.3.1 种群初始化 |
| 3.3.2 种群分组 |
| 3.3.3 局部搜索 |
| 3.3.4 算法流程图 |
| 3.4 算法缺陷 |
| 本章小结 |
| 第四章 混合蛙跳算法求解有限缓冲区流水车间调度问题 |
| 4.1 问题描述与数学模型 |
| 4.2 HSFLA求解LBFSSP |
| 4.2.1 编码和解码 |
| 4.2.2 种群初始化 |
| 4.2.3 局部搜索策略 |
| 4.2.4 停滞判断和变异 |
| 4.2.5 HSFLA算法流程 |
| 4.3 仿真实验和分析 |
| 4.3.1 实验环境和参数设定 |
| 4.3.2 评价指标和对比分析 |
| 4.3.3 缓冲区限制对最大完工时间的影响分析 |
| 本章小结 |
| 第五章 某风电塔筒加工车间调度管理系统的设计与实现 |
| 5.1 生产调度管理系统概述 |
| 5.1.1 系统开发背景 |
| 5.1.2 车间生产环境分析 |
| 5.1.3 系统需求分析 |
| 5.1.4 可行性分析 |
| 5.1.5 相关技术介绍 |
| 5.1.6 系统开发环境 |
| 5.2 系统功能设计 |
| 5.2.1 系统模块设计 |
| 5.2.2 总体业务流程 |
| 5.2.3 系统数据流程 |
| 5.3 系统数据库设计 |
| 5.4 系统功能介绍 |
| 5.4.1 系统管理 |
| 5.4.2 产品管理 |
| 5.4.3 订单管理 |
| 5.4.4 工序管理 |
| 5.4.5 设备管理 |
| 5.4.6 生产调度 |
| 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（8）改进布谷鸟搜索算法求解医用耗材制造企业的车间调度问题研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 批量流水车间的研究现状 |
| 1.3.2 布谷鸟搜索算法的研究现状 |
| 1.3.3 现状分析和总结 |
| 1.4 研究内容及结构安排 |
| 1.4.1 研究内容 |
| 1.4.2 结构安排 |
| 第2章 医用耗材制造企业的生产车间调度研究 |
| 2.1 业务流程 |
| 2.2 生产概况 |
| 2.2.1 企业产品介绍 |
| 2.2.2 生产车间介绍 |
| 2.2.3 生产调度特点 |
| 2.3 流水线车间调度模型构建 |
| 2.3.1 约束和性能指标选定 |
| 2.3.2 问题描述 |
| 2.3.3 模型构建 |
| 2.4 本章小结 |
| 第3章 布谷鸟搜索算法的优化 |
| 3.1 引言 |
| 3.2 布谷鸟搜索算法的理论框架 |
| 3.3 布谷鸟搜索算法的改进方案 |
| 3.3.1 动态适应的淘汰概率 |
| 3.3.2 引入混合蛙跳算法 |
| 3.3.3 改进布谷鸟搜索算法的流程 |
| 3.4 改进布谷鸟搜索算法的性能测试和分析 |
| 3.4.1 测试函数介绍 |
| 3.4.2 测试结果及分析 |
| 3.5 改进布谷鸟搜索算法解决离散调度问题 |
| 3.5.1 引入拓展的NEH算法 |
| 3.5.2 基于关键路径的局部搜索 |
| 3.5.3 算法流程 |
| 3.5.4 性能验证 |
| 3.6 本章小结 |
| 第4章 医用耗材制造企业的车间调度案例研究 |
| 4.1 引言 |
| 4.2 求解医用耗材制造企业的车间调度实例 |
| 4.2.1 影响评价指标的关键因素 |
| 4.2.2 两种分批策略的比较 |
| 4.2.3 实例解析 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录A:攻读硕士期间发表的学术论文 |
| 附录B:攻读硕士期间参加的科研课题 |
（9）面向Flow-shop的多约束排产优化技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 制造执行系统 |
| 1.2.1 制造执行系统概述 |
| 1.2.2 生产调度 |
| 1.3 流水车间调度的研究现状 |
| 1.3.1 流水车间调度 |
| 1.3.2 带准备时间的流水车间调度问题 |
| 1.3.3 有限缓冲区的流水车间调度问题 |
| 1.4 课题来源和研究目标 |
| 1.5 论文主要研究内容及结构安排 |
| 2 系统总体设计 |
| 2.1 系统需求分析 |
| 2.1.1 企业现状分析 |
| 2.1.2 车间组织结构 |
| 2.1.3 车间制造加工流程 |
| 2.2 系统设计 |
| 2.2.1 系统业务流程设计 |
| 2.2.2 系统功能设计 |
| 2.2.3 系统结构设计 |
| 2.3 本章小结 |
| 3 带准备时间的流水车间调度问题研究 |
| 3.1 问题描述与建模 |
| 3.1.1 问题描述 |
| 3.1.2 定义变量 |
| 3.1.3 数学模型 |
| 3.2 分布估计算法 |
| 3.2.1 分布估计算法概述 |
| 3.2.2 生产调度中的分布估计算法 |
| 3.3 改进分布估计算法 |
| 3.3.1 编码和解码 |
| 3.3.2 初始种群 |
| 3.3.3 概率模型 |
| 3.3.4 更新机制 |
| 3.3.5 采样操作 |
| 3.3.6 局部搜索 |
| 3.3.7 算法整体设计思路 |
| 3.4 实验分析 |
| 3.4.1 参数设置 |
| 3.4.2 结果比较 |
| 3.5 本章小结 |
| 4 带准备时间的有限缓冲区的流水车间调度问题研究 |
| 4.1 问题描述与建模 |
| 4.1.1 问题描述 |
| 4.1.2 定义变量 |
| 4.1.3 数学模型 |
| 4.2 问题实例 |
| 4.2.1 实例描述 |
| 4.2.2 调度方案 |
| 4.3 应用改进分布估计算法 |
| 4.3.1 算法整体设计思路 |
| 4.3.2 实验分析 |
| 4.4 无阻塞调度研究 |
| 4.4.1 优化目标 |
| 4.4.2 分支定界算法 |
| 4.4.3 改进分支定界算法 |
| 4.4.4 算法设计思路 |
| 4.4.5 实验分析 |
| 4.5 本章小结 |
| 5 MES的开发与实现 |
| 5.1 开发工具和关键技术 |
| 5.2 数据库设计 |
| 5.2.1 数据库概念结构设计 |
| 5.2.2 数据库逻辑结构设计 |
| 5.3 系统开发与实现 |
| 5.3.1 用户管理模块 |
| 5.3.2 基础管理模块 |
| 5.3.3 生产管理模块 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于强化学习的汽车涂装线作业优化排序研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 汽车涂装线作业优化排序问题研究现状 |
| 1.2.2 强化学习算法在作业调度问题中的应用研究 |
| 1.2.3 研究现状分析 |
| 1.3 研究意义 |
| 1.4 研究内容及技术路线 |
| 1.5 本文各章节安排 |
| 2 汽车涂装线作业优化排序问题描述 |
| 2.1 汽车生产作业的物流与信息流 |
| 2.2 汽车涂装线作业流程简介 |
| 2.3 汽车涂装线作业优化排序问题分析 |
| 2.3.1 汽车涂装线作业优化排序问题定义 |
| 2.3.2 涂装策略定义 |
| 2.4 符号定义 |
| 2.5 本章小结 |
| 3 汽车涂装线作业优化排序模型 |
| 3.1 模型范围及假设 |
| 3.2 模型输入与输出 |
| 3.2.1 模型输入 |
| 3.2.2 模型输出 |
| 3.3 优化目标定义 |
| 3.3.1 总装需求延误比例 |
| 3.3.2 颜色切换比例 |
| 3.4 数学模型 |
| 3.5 本章小结 |
| 4 汽车涂装车间作业优化排序算法设计 |
| 4.1 遗传算法设计 |
| 4.1.1 算法简介 |
| 4.1.2 编码设计 |
| 4.1.3 交叉算子 |
| 4.1.4 变异算子 |
| 4.1.5 选择算子 |
| 4.1.6 适应度函数 |
| 4.1.7 算法步骤 |
| 4.2 Q学习算法设计 |
| 4.2.1 算法简介 |
| 4.2.2 涂装作业马尔可夫过程 |
| 4.2.3 状态定义 |
| 4.2.4 动作定义 |
| 4.2.5 即时奖励定义 |
| 4.2.6 算法步骤 |
| 4.3 启发式Q学习算法设计 |
| 4.3.1 算法简介 |
| 4.3.2 启发式因子设计 |
| 4.4 本章小结 |
| 5 数值实验与结果分析 |
| 5.1 算法实现 |
| 5.1.1 遗传算法实现 |
| 5.1.2 Q学习算法实现 |
| 5.1.3 启发式Q学习算法实现 |
| 5.2 算例设计 |
| 5.3 实验结果 |
| 5.4 结果分析 |
| 5.4.1 缓冲区容量L对涂装作业优化排序结果的影响 |
| 5.4.2 容忍度变量η对涂装作业优化排序结果的影响 |
| 5.4.3 目标函数权重对涂装作业优化排序结果的影响 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A 启发式Q学习算法方案主要代码 |
| 攻读硕士学位期间发表学术论文情况 |
| 参加科研项目及研究成果情况 |
| 致谢 |
四、Flow-Shop网络作业计划对缓冲区容量的影响（论文参考文献）
- [1]基于DES-GEP的柔性流水车间组批调度方法研究[D]. 和莉. 大连理工大学, 2021(01)
- [2]面向热处理与冲压车间的联合调度算法研究[D]. 尚书林. 北京交通大学, 2021(02)
- [3]具有有限缓冲区的混流装配线排产优化问题研究[D]. 杨新愉. 长春工业大学, 2021(08)
- [4]基于关键链的A公司磨削加工车间任务调度[D]. 张奋强. 江苏科技大学, 2021
- [5]基于强化学习的带返工汽车涂装重排序方法[D]. 付玉婷. 大连理工大学, 2021(02)
- [6]具有特殊约束的流水车间成组调度问题研究[D]. 袁帅鹏. 北京科技大学, 2021
- [7]混合蛙跳算法在有限缓冲区流水车间调度中的研究与应用[D]. 王佩璇. 大连交通大学, 2020(06)
- [8]改进布谷鸟搜索算法求解医用耗材制造企业的车间调度问题研究[D]. 彭菁. 武汉理工大学, 2020(08)
- [9]面向Flow-shop的多约束排产优化技术研究[D]. 冯梦璇. 南京理工大学, 2020(01)
- [10]基于强化学习的汽车涂装线作业优化排序研究[D]. 胡畔. 大连理工大学, 2019(02)