蚁群算法在RGV动态调度中的应用——全国大学生数学建模论文

"2018年全国大学生数学建模竞赛B题的优秀论文，主要研究如何使用蚁群算法解决RGV（Rail Guided Vehicle，轨道式自动引导车）的动态调度问题，以提高智能制造系统的效率。论文包含了MATLAB源代码，通过FCFS（First-Come, First-Served，先到先服务）策略与蚁群算法结合的启发式搜索算法，针对可能发生的CNC（Computer Numerical Control，计算机数控）设备故障进行了建模和模拟。" 在智能制造业中，RGV的高效调度是提升生产效率的关键。该论文提出了一种多目标优化的动态调度模型，旨在最大化一个班次内的成品数量和最小化所有CNC的等待时间。模型基于蚁群算法，这是一种受到蚂蚁寻找食物行为启发的全局优化算法，能够有效地搜索大规模复杂空间的最优解。同时，结合FCFS策略，确保了任务的公平性和系统的一致性。 论文分为两个任务进行研究。任务一探讨了单工序和两工序物料的作业情况，分别在无故障和有故障的情景下，运用蒙特卡洛模拟方法处理CNC的故障问题。通过改进FCFS的原始算法，论文提出了蚁群算法与FCFS策略融合的启发式搜索算法，以优化调度模型。 任务二则在同样考虑故障情况下，对不同系统作业参数进行了测试。结果显示，无论是单工序还是两工序，算法都能在无故障和有故障状态下提供有效的系统作业效率。此外，论文还进行了灵敏度分析，验证了在CNC加工时间变动时，调度模型的稳定性和算法的适应性。 这篇论文详细阐述了如何利用蚁群算法解决RGV动态调度问题，特别是在面临CNC故障不确定性时的优化策略，提供了实用的模型和有效的算法。MATLAB源代码的提供，使得读者可以更直观地理解算法实现过程，同时也为其他研究者提供了参考和实践的基础。关键词涉及RGV的多目标优化、启发式搜索算法、FCFS策略、蒙特卡洛模拟以及灵敏度分析。