基于遗传算法的车间设备分布式布局研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究的目的与意义 | 第10-12页 |
| 1.2.1 研究的目的 | 第10-11页 |
| 1.2.2 研究的意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 车间设备布局求解方法研究现状 | 第12-13页 |
| 1.3.2 车间设备布局模型研究现状 | 第13-14页 |
| 1.3.3 分布式布局研究现状 | 第14-15页 |
| 1.4 研究方法的选择分析 | 第15-16页 |
| 1.5 研究内容与结构 | 第16-18页 |
| 1.5.1 研究内容 | 第16页 |
| 1.5.2 研究的创新点 | 第16-17页 |
| 1.5.3 研究结构 | 第17-18页 |
| 2 车间布局规划理论与方法 | 第18-24页 |
| 2.1 设备布局的定义 | 第18页 |
| 2.2 设备布局的优化目标与约束 | 第18-20页 |
| 2.2.1 布局优化目标 | 第18-19页 |
| 2.2.2 布局约束条件 | 第19-20页 |
| 2.3 设备布局分类 | 第20-23页 |
| 2.3.1 动态布局与静态布局 | 第20页 |
| 2.3.2 设备之间的逻辑关系 | 第20-23页 |
| 2.3.3 未来的四种布局策略 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 分布式布局模型构建 | 第24-31页 |
| 3.1 分布式布局分析 | 第24页 |
| 3.2 单周期静态模型构建 | 第24-26页 |
| 3.3 多周期布局建模 | 第26-30页 |
| 3.3.1 布局成本以及物料运输成本最小化 | 第27-28页 |
| 3.3.2 不同设备间的可达性 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 分布式布局遗传算法设计 | 第31-42页 |
| 4.1 遗传算法 | 第31-35页 |
| 4.1.1 遗传算法基本流程 | 第31-34页 |
| 4.1.2 遗传算法的特点 | 第34-35页 |
| 4.2 改进多目标遗传算法 | 第35-41页 |
| 4.2.1 改进多目标遗传算法关键因素分析 | 第35-36页 |
| 4.2.2 改进多目标遗传算法求解分布式布局模型 | 第36-38页 |
| 4.2.3 改进多目标遗传算法伪代码 | 第38-39页 |
| 4.2.4 改进多目标遗传步骤 | 第39-41页 |
| 4.3 本章小结 | 第41-42页 |
| 5 仿真与结果分析 | 第42-57页 |
| 5.1 模拟数据构建 | 第42页 |
| 5.2 初始化模拟参数 | 第42-45页 |
| 5.2.1 车间设备分析 | 第42-43页 |
| 5.2.2 产品分析 | 第43-45页 |
| 5.3 改进的多目标遗传算法的应用 | 第45-53页 |
| 5.3.1 算法参数设置 | 第45-46页 |
| 5.3.2 编程工具及运行环境 | 第46页 |
| 5.3.3 各周期求解结果分析 | 第46-52页 |
| 5.3.4 最终方案的确定 | 第52-53页 |
| 5.4 结果对比分析 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
