物流管理本科毕业论文哪里有？本文的创新点有以下几点： （1）提出了逐维改进的郊狼优化算法（DDICOA），提高了算法的求解精度、收敛速度和鲁棒性。使用 DDICOA 求解了焊接梁设计问题，扩宽了其应用范围。 （2）对郊狼优化算法（COA）进行了求解离散问题的改进设计，提出改进的郊狼优化算法（ICOA）。并用改进算法求解了 MT06、MT10 和 MT20 这三个作业车间调度问题，仿真结果显示 ICOA 的调度优化方案良好。 （3）使用 ICOA 求解了更加符合生产制造环境、求解难度更大的柔性作业车间调度问题（FJSP）。对 BRdata 数据集的 10 个 FJSP 的调度优化结果良好。
第 1 章 绪论
2.3 作业车间调度问题的研究现状
20 世纪 60 年代，国内外学者就用枚举、数学规划和规则调度等方法求解了 JSP。70-80 年代，各学科的交叉发展以及对该问题研究的深入，大多数 JSP 被证明是 NP 完全问题[34]。90 年代，计算机、生物和工业等领域的发展和知识融合，许多研究者借助新技术开始使用近似方法求解作业车间调度问题，提出了禁忌搜索算法[35]、模拟退火法[36]、神经网络算法[37]等调度理论与方法。90 年代后，又有学者提出了蚁群算法[38]、粒子群算法、蛙跳算法等大量新的方法。直到现在，JSP 一直是研究的热点问题，研究者尝试使用了各种方法来求解它。早期以 GA 最多，同时新的智能算法不断涌现，为 JSP 的理论研究奠定了基础。但是每种调度算法都存在一定程度的缺点，随着各种算法日渐成熟，研究者们尝试将各种近似算法结合起来，扬长避短、各取其优，出现了许多融合算法来求解 JSP，如混合遗传算法[39]、混合蝗虫优化算法[18]、混合遗传模拟退火算法[40]、混合鲸鱼算法[41]等。
Wang 等[66]创建了一个非常特殊的染色体编码的 GA，求解了 FJSP 中机器故障的问题。张国辉等[67]也求解了以最小最大完工时间和最小偏差为目标的具有机器故障的动态FJSP，并结合车间调度人员的经验建立了多阶段人机协同动态调度策略。王春等[68]采用滚动窗口调度工序技术将动态调度转化为多个连续静态调度窗口，通过多目标遗传算法解决各个连续静态调度成功求解了动态 FJSP。孙丽珍等[69]针对真实车间工件批量加入和机器故障的特点，提出 MCGI(Multi-constrained Greedy Insertion Method)的解码方案使得改进的 GA 很好的求解了动态 FJSP。刘爱军等[70]以工件的拖期惩罚和完工时间最小化为优化目标，采用自适应遗传算法求解了动态 FJSP，不但优化了工艺路线和加工顺序，还对具有加工任务临时变动、机器故障及周期性再调度的动态 FJSP 实现了实时调度，并且分析总结了扰动因素及再调度周期与动态调度性能之间的关系。Rajabinasab 等[71]研究了虑随机作业到达、不确定处理时间和机器故障等动态事件的 FJS 问题。Parviz等[72]基于遗传算法对考虑效率和稳定性的动态 FJSP 进行了研究。
物流管理本科毕业论文
.............................
第 3 章 郊狼优化算法及其改进研究
3.1 郊狼优化算法研究现状
由于 COA 提出的时间短，现有对其的研究还比较少。国内现有张新明等人对该算法进行了研究，已经发表了三篇文章。提出了一种强化最优和最差狼的 COA(Best and Worst coyotes strengthened COA,BWCOA)[74]，并将 BWCOA 运用到复杂函数优化和以医院为例的二次指派问题(Quadratic Assignment Problem, QAP)中，验证了 COA 具有较强的竞争性。他还提出了嵌入全局引导和相互作用的郊狼优化算法(COA with global-best guidance and coyote interaction, GCCOA)[75]，并将 GCCOA 运用到 CEC2017 复杂函数优化和医学图像增强上，证明了算法的全局搜索能力和收敛质量，说明改进算法能更好地解决医学图像增强中参数优化的问题。另外一篇文章提出了信息共享模型和组外贪心策略的郊狼优化算法(COA based on Information sharing and Static greed selection, ISCOA)[76]，获得了良好的改进效果，并用改进算法求解了拉伸/压缩弹簧设计问题。
国外对该算法的研究也刚刚开始。Juliano Pierezan 等将 COA 和文化算法(CA)中的一些概念联系起来，提出了文化郊狼优化算法（Cultural coyote optimization algorithm，CCOA）[77]，改善了 COA 在勘探与开发之间的平衡，通过 CEC2017 基准函数测试了改进算法的有效性，并应用到了求解最佳阀门设置的大型燃气轮机的运行优化问题中，在完成所有约束的同时将燃油消耗降低 3.6%。Mohammed H. Qais 等[78]用郊狼优化算法提取光伏组件三二极管光伏模型九个未知的参数，并证明了 COA-PV 模型的有效性。Vun Jack Chin 等[79也将郊狼优化算法用于提取光伏组件的参数提取。
从现有郊狼优化算法的改进和应用来看，发现郊狼优化算法在优化连续空间的函数问题时性能良好，具有良好的竞争性，是极具潜力的智能算法，应用前景良好。
............................
第 5 章 改进郊狼优化算法求解柔性作业车间调度问题
5.1 数学模型
本章 FJSP 要解决的问题是：以最大完工时间最小为评价指标，在满足相关约束的条件下为每道工序分配加工机器，并确定每台机器上各道工序的加工顺序。
为方便后续研究，将相关变量的定义汇总在表 5-1 中。
表 5-1 FJSP 的变量描述
.............................
5.2 FJSP 编码方案
如前文所述，FJSP 需要解决机器选择和工序排序两个子问题。机器选择子问题就是要为每道工序选定加工机器，工序排序子问题即 JSP。现有研究对 FJSP 的编码方式基本上都是采用基于工序和设备的双层整数编码方法，一部分是基于工序的编码，用来确定各工序的加工顺序，依然采用基于工序的编码方式。另一部分是基于机器的编码，为各工序选择加工机器，该因子长度也等于工序总数。
基于工序的编码方式（OS）在 4.3 节已经详细说明，基于机器的编码(Machines Selection，MS)有两种方法，较为常用的方法是按照所有工序的自然顺序进行编码[100]。MS 因子长度与工序总数相等，按照工件及其工序的顺序依次排列，每个基因位上的整数不大于该工序可选机器集的数量，其数字代表着该工序选择加工机器的顺序编号。
另一种机器编码方法为按照 OS 的加工顺序进行编码[101]，即 OS 序列和 MS 序列一一对应，能有效减少算法的计算量，并且依据 ECO 规则[69]为每一道工序确定加工机器产生 MS 因子。ECO 规则(The Earliest Completion Time of Operation，ECO)，即机器的选择为该工序的最早完成时间所对应的机器。该编码实现过程具体步骤如下：
Step1：随机产生 OS 因子；
Step2：遍历 OS 因子得到当前待安排的工件及其工序 ，并获取其位置信息 d；
Step3：确定该工件上一个工序的完成时间，确定工序约束时间 time1 为上一个工序的结束时间；如果该工序是当前代加工工件的第一个工序，则 time1=0。
Step4：获取当前待加工工序的可选择机器集，确定各机器的最早空闲时间 time2，得到该工序的开始加工时间 time3=max(time1,time2)。
Step5：获取当前待加工工序在各可选机器上的对应加工时间 time4，并结合 time3确定当前待加工工序在各可选机器上的加工完成时间 time5。
Step6：time5 中的最小值就是该工序的最早完工时间，其对应的加工机器就是此工序选择的加工机器。
...........................
第 6 章 总结与展望
6.2 展望
本文对 COA 进行了离散化设计和改进实现了 JSP 以及 FJSP 的单目标调度优化，但由于研究时间及个人编程能力的限制，对 FJSP 的理论和应用上还有很多不足，主要有以下几点：
（1）智能算法的相互融合往往能提高算法的求解精度和收敛速度，较好地求解问题，单一的智能算法往往存在着一定的局限性。本文对 COA 的改进缺少与其他智能算法融合，可在后续研究中尝试将模拟退火算法融合到 COA 中，提高算法的求解精度和收敛速度。
（2）本文对 FJSP 的研究是基于最大完工最小化的优化目标，而多目标调度是更加接近生产实际的，求解多目标 FJSP 是应该努力的一个方向。
（3）本文所研究的 FJSP 是静态的，所有工件在 0 时刻都处于准备完全状态，而且加工任务的所以信息在初始时刻都是已知的，对具有机器故障、紧急插入、取消订单等的动态 FJSP 还需要进一步研究。
参考文献（略）
