基于模糊規(guī)劃的間歇過程生產調度建模及其算法研究.pdf

1、生產調度的模糊建模方法分為數學描述型和參數辨識型.數學描述型的方法主要指基于運籌學的方法,包括模糊線性規(guī)劃、模糊整數規(guī)劃、混合整數模糊線性規(guī)劃、模糊動態(tài)規(guī)劃等;而參數辨識型在生產調度中的應用主要有模糊專家系統(tǒng)、粗糙集方法和模糊聚類方法、模糊神經網絡、模糊Petri網、模糊Agent理論、算法模糊建模等方法.這些在本文中都有論述.現有模糊算法主要有以下兩種:一種是在給定置信水平的情況下采用模糊模擬的思想(即對模糊集進行抽取);另一種模糊算

2、法是將模糊約束和模糊目標等同考慮.這兩種算法在本文中也有介紹.本文的重點是提出了一種基于模糊規(guī)劃的間歇過程生產調度建模方法及其模糊優(yōu)化的新算法.應用模糊集合論的方法,在現存的模糊規(guī)劃模型的基礎上,針對間歇過程,提出了一種新穎的通用模糊建模的方法.通過分析生產調度中存在的模糊信息以及出現的形式和方式,把確定型生產調度模型的約束條件和目標方程中的參數模糊化,采用非精確的量化形式,以隸屬函數來表示,建立起基于模糊參數生產調度的模糊線性規(guī)劃模型

3、MIFCLP.針對此類模糊規(guī)劃模型,給出兩種基于遺傳算法的模糊優(yōu)化方法.算法中參數的參數隸屬函數選取靈活,模糊表示方式適當.該算法應用了機會約束多目標規(guī)劃的形式和替代隸屬函數的不滿意函數,并且提出分級構造初始種群的策略,嵌入了模糊約束的知識.仿真結果表明該算法在搜索效率、解的精確性和魯棒性上都優(yōu)于其它現存模糊優(yōu)化算法.作者在第三章和第四章對一個調度問題實例進行了仿真,通過仿真結果,驗證了模糊模型的有效性、靈活性和實用性以及模糊算法的高效