專利名稱：一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法
技術(shù)領(lǐng)域：
本發(fā)明屬于車間調(diào)度領(lǐng)域，具體涉及一種柔性作業(yè)車間調(diào)度方法，用于車間生產(chǎn) 過程的調(diào)度管理與優(yōu)化。
背景技術(shù)：
車間生產(chǎn)調(diào)度是制造系統(tǒng)的基礎(chǔ)，生產(chǎn)調(diào)度的優(yōu)化是先進(jìn)制造技術(shù)和現(xiàn)代管理技 術(shù)的核心。有關(guān)資料表明，制造過程中95%的時(shí)間消耗在非切削過程中，因此科學(xué)地制定生 產(chǎn)調(diào)度方案，對(duì)于縮短產(chǎn)品生產(chǎn)周期，控制車間的在制品庫存，提高產(chǎn)品交貨期滿足率和提 高企業(yè)生產(chǎn)率起著至關(guān)重要的作用，對(duì)于實(shí)現(xiàn)先進(jìn)制造企業(yè)的現(xiàn)代化具有重要的理論價(jià)值 和實(shí)際意義。傳統(tǒng)車間調(diào)度模型中，假設(shè)工序加工所需要的資源是不具有柔性的，但是隨著大 批量連續(xù)生產(chǎn)時(shí)代正逐漸被適應(yīng)市場(chǎng)動(dòng)態(tài)變化的多品種、小批量離散生產(chǎn)所替代，一個(gè)制 造企業(yè)的生存能力和競(jìng)爭(zhēng)能力在很大程度上取決于它是否能在較短的生產(chǎn)周期內(nèi)，生產(chǎn)出 低成本、高質(zhì)量的多品種產(chǎn)品的能力。隨著柔性制造系統(tǒng)和數(shù)控加工中心等一些柔性生產(chǎn) 系統(tǒng)的出現(xiàn)。以往作業(yè)車間調(diào)度的研究成果，無法適應(yīng)新的制造模式。柔性作業(yè)車間調(diào)度 問題也就成為了研究重點(diǎn)，它是作業(yè)車間調(diào)度問題的一種擴(kuò)展，工件的每道工序可以在多 臺(tái)機(jī)器上進(jìn)行加工，加工時(shí)間不一定相同。工件的每道工序可以在多臺(tái)機(jī)器上加工的情況 在實(shí)際生產(chǎn)中有明顯的優(yōu)點(diǎn)(1)提高設(shè)備的利用率，機(jī)床一旦空閑就可以安排工件進(jìn)行 加工，減少設(shè)備閑置和等待的時(shí)間；(2)具有維持生產(chǎn)穩(wěn)定的能力，當(dāng)一臺(tái)或多臺(tái)機(jī)器發(fā)生 故障時(shí)，工序可以繞過故障機(jī)器，在其它機(jī)器上進(jìn)行加工，生產(chǎn)得以繼續(xù)，保證生產(chǎn)的穩(wěn)定；提高產(chǎn)品質(zhì)量和縮短生產(chǎn)周期，同一工件的多個(gè)工序可以在同一臺(tái)機(jī)床上連續(xù)進(jìn)行加 工，減少了中間裝卸和搬運(yùn)等造成時(shí)間的消耗。從以上的描述可以看出，柔性作業(yè)車間調(diào)度 問題包含兩個(gè)子問題確定各工件的加工機(jī)器(機(jī)器選擇子問題)和確定各個(gè)機(jī)器上的加 工先后順序(工序排序子問題)。另一方面，柔性作業(yè)車間調(diào)度問題是典型的NP-hard問 題，一直吸引著學(xué)者的廣泛關(guān)注，是制造系統(tǒng)領(lǐng)域的研究熱點(diǎn)之一。柔性作業(yè)車間調(diào)度問題在1990年被首次提出，典型的求解方法主要有整數(shù)規(guī) 劃、混合整數(shù)規(guī)劃、拉格朗日松弛法、分解方法、分枝定界法和啟發(fā)式規(guī)則等。這些方法只能 求解小規(guī)模的柔性作業(yè)車間調(diào)度問題，無法應(yīng)用于實(shí)際生產(chǎn)。近年來隨著計(jì)算智能方法的 發(fā)展，在該領(lǐng)域出現(xiàn)了如禁忌搜索、模擬退火、蟻群算法、遺傳算法、粒子群優(yōu)化算法、人工 免疫算法等新方法，這些新方法能夠較好地兼顧求解速度和質(zhì)量，能夠在合理的時(shí)間內(nèi)找 到問題盡可能好的解?；谶z傳算法的柔性作業(yè)車間調(diào)度方法是模擬達(dá)爾文主義的自然選擇和生物遺 傳機(jī)制構(gòu)造的隨機(jī)搜索方法。遺傳算法具有較強(qiáng)的全局搜索能力，然而在求解柔性作業(yè)車 間調(diào)度問題時(shí)還存在如下問題柔性作業(yè)車間調(diào)度問題包含兩個(gè)子問題(機(jī)器選擇子問題 和工序排序子問題)，這兩個(gè)子問題具有不同的特性，如果將兩者一起優(yōu)化，問題的解空間 較復(fù)雜，算法的性能無法得到充分的發(fā)揮，也難以找到高質(zhì)量的調(diào)度方案。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服基于遺傳算法的柔性作業(yè)車間調(diào)度方法性能得不到充分 發(fā)揮的不足，提供一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，以獲得高質(zhì)量的適 合車間實(shí)際生產(chǎn)的調(diào)度方案，縮短生產(chǎn)時(shí)間。為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案具體為一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，用于獲得適合車間實(shí)際生產(chǎn) 的調(diào)度方案，實(shí)現(xiàn)車間生產(chǎn)過程的調(diào)度管理與優(yōu)化，該方法具體包括如下步驟(1)假設(shè)工件個(gè)數(shù)為N，則設(shè)置N+1個(gè)種群，其中包括N個(gè)機(jī)器選擇子問題的種群 和1個(gè)工序排序子問題的種群；(2)根據(jù)各種群的編碼方式，隨機(jī)初始化上述N+1個(gè)種群；(3)評(píng)價(jià)上述經(jīng)初始化后的種群，并令迭代次數(shù)Gen = 1 ；計(jì)算經(jīng)初始化后的各個(gè)種群中每個(gè)染色體的適應(yīng)度值，即針對(duì)每個(gè)種群的每個(gè)染 色體，從N個(gè)合作種群的每一個(gè)中都隨機(jī)選擇一個(gè)染色體，這N+1個(gè)染色體組成一個(gè)完整 解，計(jì)算該完整解的適應(yīng)度，以作為當(dāng)前染色體的適應(yīng)度值；進(jìn)而，獲得種群中染色體的最 佳適應(yīng)度值fbest及其對(duì)應(yīng)的組成完整解的染色體組；(4)設(shè)種群編號(hào)為q，初始化q= 1，對(duì)上述N+1個(gè)種群進(jìn)行多種群協(xié)同進(jìn)化，具體 過程為(4. 1)基于錦標(biāo)賽選擇算子在種群q中選擇兩個(gè)染色體作為父代執(zhí)行交叉操作， 生成兩個(gè)子代染色體；其中；(4. 2)計(jì)算上述父代和子代染色體的適應(yīng)度值，其中父代和子代染色體具有相同 的合作染色體，從這四個(gè)染色體中選擇兩個(gè)適應(yīng)度值較優(yōu)的染色體進(jìn)入下一代種群中；(4. 3)在種群q中隨機(jī)選擇一個(gè)父代染色體執(zhí)行變異操作，生成一個(gè)子代，用該子 代取代該父代進(jìn)入下一代種群中；(4. 4)計(jì)算種群q的染色體適應(yīng)度值針對(duì)種群q的每個(gè)染色體，從該種群q的N個(gè)合作種群的每一個(gè)中都隨機(jī)選擇一 個(gè)染色體，與種群q的該染色體組成一個(gè)完整解，計(jì)算該完整解的適應(yīng)度，以作為當(dāng)前染色 體的適應(yīng)度值；進(jìn)而，從種群q的多個(gè)染色體獲得的多個(gè)適應(yīng)度中選擇最佳的適應(yīng)度值以 更新所述最佳適應(yīng)度值fbest，同時(shí)更新該適應(yīng)度值所對(duì)應(yīng)的組成完整解的染色體組；(4. 5)令q = q+1，若q彡N+1，則跳轉(zhuǎn)到步驟(4. 1)進(jìn)行下一代種群的處理，否則 進(jìn)入步驟(5)；(5)判斷迭代次數(shù)Gen是否達(dá)到規(guī)定的閾值maxGen，若是，則算法結(jié)束，輸出最后 得到的最佳適應(yīng)度值ftest及其對(duì)應(yīng)的組成完整解的染色體組，否則令Gen = Gen+Ι，并跳轉(zhuǎn) 到步驟(4)繼續(xù)處理。作為本發(fā)明的進(jìn)一步改進(jìn)，所述的機(jī)器選擇子問題的種群編碼方式為該種群的 染色體長(zhǎng)度為對(duì)應(yīng)工件的工序總數(shù)，每個(gè)基因位用整數(shù)表示，依次按照該工件工序的順序 進(jìn)行排列，每個(gè)整數(shù)表示當(dāng)前工序選擇的加工機(jī)器在可選機(jī)器集中的順序編號(hào)。作為本發(fā)明的進(jìn)一步改進(jìn)，所述工序排序子問題的種群編碼方式基于工序的編碼 方法實(shí)現(xiàn)，具體為該種群的染色體長(zhǎng)度等于所有工件的工序數(shù)之和，每一個(gè)基因用工件號(hào)直接編碼，工件號(hào)出現(xiàn)的順序表示該工件工序間的先后加工順序，并且工件號(hào)的出現(xiàn)次數(shù) 等于該工件的工序總數(shù)。作為本發(fā)明的進(jìn)一步改進(jìn)，針對(duì)所述機(jī)器選擇子問題的交叉操作為均勻交叉操作。作為本發(fā)明的進(jìn)一步改進(jìn)，針對(duì)工序排序子問題的種群的交叉操作采用基于工 序編碼的交叉算子Ρ0Χ，具體為首先將工件集U1, J2, ..., JnI隨機(jī)劃分為兩個(gè)工件集 Jobsetl和Jobset2 ；然后復(fù)制父代染色體Parentl和Parent2中包含在工件集Jobsetl 和Jobset2中的工件到Offspringl和Offspring2，保持它們的位置和順序；最后將將 Parentl和Parent2中不包含在工件集Jobsetl和Jobset2中的工件復(fù)制到Offspring2和 Offspr ingl，保持它們的順序不變。作為本發(fā)明的進(jìn)一步改進(jìn)，針對(duì)機(jī)器選擇子問題的種群的變異操作采用如下的變 異算子，即首先在變異染色體中隨機(jī)選擇多個(gè)位置，依次選擇每一個(gè)位置，對(duì)每一個(gè)位置的 機(jī)器設(shè)置為當(dāng)前工序可選機(jī)器集中加工時(shí)間最短的機(jī)器。作為本發(fā)明的進(jìn)一步改進(jìn)，針對(duì)工序排序子問題的種群的變異操作，采用基于鄰 域搜索變異操作，即首先在變異染色體中隨機(jī)選擇多個(gè)不同基因，并生成其排序的所有鄰 域，然后評(píng)價(jià)所有鄰域的適應(yīng)值，選出最佳染色體作為子代。本發(fā)明具有下列區(qū)別于傳統(tǒng)方法的顯著優(yōu)勢(shì)(1)本發(fā)明由于引入多種群協(xié)同進(jìn)化，使得柔性作業(yè)車間調(diào)度問題的兩個(gè)子問題 (機(jī)器選擇子問題和工序排序子問題)能夠進(jìn)行分開優(yōu)化，這避免了將兩者集成優(yōu)化，問題 解空間過于復(fù)雜，算法性能無法得到充分的發(fā)揮的缺點(diǎn)。本發(fā)明將柔性作業(yè)車間調(diào)度問題 分解成兩個(gè)子問題進(jìn)行多種群協(xié)同優(yōu)化，每個(gè)種群所處理問題的解空間較簡(jiǎn)單，算法更容 易找到高質(zhì)量的解。(2)本發(fā)明由于引入了記憶染色體，并在算法運(yùn)行過程中各種群的染色體在尋找 其他各種群的合作染色體時(shí)，采用的是隨機(jī)選擇的方法，這樣能很好的保持各種群的多樣 性，使得算法能更好地尋找到全局最優(yōu)解。


圖1本發(fā)明的實(shí)現(xiàn)流程圖；圖2本發(fā)明的多種群協(xié)同進(jìn)化圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。參照?qǐng)D1和圖2，一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，包括如下步 驟步驟1，參數(shù)設(shè)置假設(shè)工件個(gè)數(shù)為N，則本方法包含N+1個(gè)子種群，其中N個(gè)機(jī)器選擇子問題的種群， 1個(gè)工序排序子問題的種群規(guī)模。設(shè)置算法循環(huán)迭代的次數(shù)閾值maxGen，機(jī)器選擇子問題 的種群規(guī)模P1，錦標(biāo)賽選擇因子ki，交叉概率為Pca，變異概率為Pml，錦標(biāo)賽選擇因子k2，工 序排序子問題的種群規(guī)模為p2，交叉概率p。2，變異概率pm2。
步驟2，初始化種群按照設(shè)定的編碼方式，隨機(jī)初始化N個(gè)規(guī)模為P1的機(jī)器選擇子問題的種群，初始 化1個(gè)規(guī)模為P2的工序排序子問題的種群；本實(shí)施例中，針對(duì)機(jī)器選擇子問題的編碼方式為該部分染色體長(zhǎng)度為對(duì)應(yīng)工件 的工序總數(shù)。每個(gè)基因位用整數(shù)表示，依次按照該工件工序的順序進(jìn)行排列，每個(gè)整數(shù)表示 當(dāng)前工序選擇的加工機(jī)器在可選機(jī)器集中的順序編號(hào)(注意這個(gè)編號(hào)不是對(duì)應(yīng)的機(jī)器編 號(hào))。該編碼方式首先能保證后續(xù)交叉、變異等操作后產(chǎn)生的解仍然是可行解，其次對(duì)工序 可選機(jī)器個(gè)數(shù)的多少?zèng)]有要求，長(zhǎng)度確定，操作方便；針對(duì)工序排序子問題的編碼方式從柔性作業(yè)車間調(diào)度問題的定義可知，當(dāng)所有 工件的工序所對(duì)應(yīng)的機(jī)器確定后，其和作業(yè)車間調(diào)度問題的工序排序問題一樣，所以，針對(duì) 工序排序子問題的編碼方式為基于工序的編碼方法。其染色體長(zhǎng)度等于所有工件的工序數(shù) 之和，每一個(gè)基因用工件號(hào)直接編碼，工件號(hào)出現(xiàn)的順序表示該工件工序間的先后加工順 序，即對(duì)染色體從左到右進(jìn)行編譯，對(duì)于第j次出現(xiàn)的工件號(hào)，表示該工件i的第j道工序 Oij,并且工件號(hào)的出現(xiàn)次數(shù)等于該工件的工序總數(shù)。該編碼柔性很高，可滿足調(diào)度規(guī)模變 化、工件工序數(shù)不定等各種復(fù)雜情況，而且任意置換染色體中的順序后總能得到可行調(diào)度， 在解碼過程中可以產(chǎn)生活動(dòng)調(diào)度。步驟3，評(píng)價(jià)初始化種群計(jì)算各個(gè)種群中每個(gè)染色體的適應(yīng)度值即從其他各合作種群中隨機(jī)選擇一個(gè)染 色體來組成一個(gè)完整解并計(jì)算其適應(yīng)度，作為當(dāng)前染色體的適應(yīng)度值(如圖2所示)，并記 錄最佳適應(yīng)度值fbest (最佳適應(yīng)度值即為當(dāng)前種群中使得評(píng)價(jià)函數(shù)最優(yōu)的值)及其各組成 染色體，設(shè)置迭代次數(shù)Gen = 1。步驟4 多種群協(xié)同進(jìn)化(種群編號(hào)為q，取值范圍內(nèi)為從1到N+1的整數(shù)，初始化 q = 1，如圖2所示)對(duì)各子種群中的染色體進(jìn)化操作包括交叉操作和變異操作兩個(gè)步驟，由于機(jī)器選 擇子問題和工序排序子問題屬于兩個(gè)不同的問題，在編碼方式上也不一樣，所以在交叉和 變異操作上也是不一樣的。步驟4. 1 基于錦標(biāo)賽選擇算子在q種群中選擇兩個(gè)染色體作為父代執(zhí)行交叉操 作，生成兩個(gè)子代染色體；針對(duì)機(jī)器選擇子問題的交叉操作為了保證每位基因的先后順序保持不變，采用 均勻交叉操作；針對(duì)工序排序子問題的交叉操作為了得到較好的搜索效果，采用一種基于工序 編碼的交叉算子POX (Precedence Operation Crossover)，它能很好地繼承父代優(yōu)良特征。 首先將工件集U1, J2, ... , Jj隨機(jī)劃分為兩個(gè)工件集Jobsetl和Jobset2 ；然后復(fù)制父代 染色體Parentl和Parent2中包含在工件集Jobsetl和Jobset2中的工件到Offspringl 和Offspring〗，保持它們的位置和順序；最后將將Parentl和Parent2中不包含在工件集 Jobsetl和Jobset2中的工件復(fù)制到Offspring2和Offspringl，保持它們的順序不變。步驟4. 2 計(jì)算父代和子代染色體的適應(yīng)度值(選擇和父代染色體相同的合作染 色體)，從這四個(gè)染色體(包括兩個(gè)父代染色體和兩個(gè)子代染色體，即Parentl、Parent2, Offspringl和Offspring〗)中選擇兩個(gè)較優(yōu)的染色體進(jìn)入下一代種群中，其中，較優(yōu)的染
7色體指適應(yīng)度值較優(yōu)的染色體，即能夠使目標(biāo)函數(shù)更優(yōu)的適應(yīng)度值。步驟4. 3 在q種群中隨機(jī)選擇一個(gè)父代染色體執(zhí)行變異操作，生成一個(gè)子代，用 子代取代父代進(jìn)入下一代種群中；針對(duì)機(jī)器選擇子問題的變異操作為保證能夠較好的保持優(yōu)良染色體的信息和機(jī) 器順序不被破壞，設(shè)計(jì)如下的變異算子。首先在變異染色體中隨機(jī)選擇r個(gè)位置(本實(shí)例 中r為當(dāng)前工件工序數(shù)的一半取整)；依次選擇每一個(gè)位置，對(duì)每一個(gè)位置的機(jī)器設(shè)置為當(dāng) 前工序可選機(jī)器集中加工時(shí)間最短的機(jī)器；針對(duì)工序排序子問題的變異操作采用基于鄰域搜索變異操作，可以更好地通過 局部范圍內(nèi)的搜索找到適合的工序排序，改善子代性能。首先在變異染色體中隨機(jī)選擇1 個(gè)不同基因(一般的1 = 3)，并生成其排序的所有鄰域；然后評(píng)價(jià)所有鄰域的適應(yīng)值，選出 最佳染色體作為子代。步驟4. 4 染色體適應(yīng)度值的計(jì)算從其他各合作種群中隨機(jī)選擇一個(gè)合作染色 體來組成一個(gè)完整解并計(jì)算適應(yīng)度，更新最佳適應(yīng)度值及其各組成染色體。步驟4. 5 設(shè)置q = q+Ι ；若q彡N+1，則跳轉(zhuǎn)到第4. 1步；否則跳轉(zhuǎn)到第5步。步驟5 判斷方法結(jié)束準(zhǔn)則是否已經(jīng)達(dá)到(Gen ( maxGen ？)，若滿足，則算法結(jié) 束，輸出最佳適應(yīng)度值fbest及其各組成染色體，否則Gen = Gen+Ι，并跳轉(zhuǎn)到第4步。本發(fā)明的效果可以通過以下仿真實(shí)驗(yàn)進(jìn)一步說明(1)仿真實(shí)驗(yàn)所采用的標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集采用以下2組柔性作業(yè)車間調(diào)度問題的標(biāo)準(zhǔn)實(shí)例集來檢驗(yàn)本發(fā)明的有效性a) 10個(gè)由Brandimarte提出的實(shí)例(Bdata)。10個(gè)問題由工件數(shù)從10到20，機(jī) 器數(shù)從4到15，每組問題的工序數(shù)從5到15 ；b) 21個(gè)由Barnes和Chambers提出的實(shí)例(BCdata)。21個(gè)實(shí)例問題主要對(duì)經(jīng)典 作業(yè)車間調(diào)度問題中最困難的三個(gè)問題(mtlO，la24, la40)通過一定的原則構(gòu)造而來。工 件數(shù)從10到15，機(jī)器數(shù)從11到18。(2)仿真實(shí)驗(yàn)參數(shù)設(shè)置算法循環(huán)迭代的次數(shù)閾值maxGen = 200，機(jī)器選擇子問題的種群規(guī)模P1,錦標(biāo)賽 選擇因子& = 2，交叉概率為Pel = 0. 9，變異概率為Pml = 0. 1，錦標(biāo)賽選擇因子k2 = 2，工 序排序子問題的種群規(guī)模為P2，交叉概率P。2 = 0. 9，變異概率Pm2 = 0. 1 ；由于問題規(guī)模、復(fù) 雜程度的不等，在種群規(guī)模上也有所不同，經(jīng)過對(duì)每個(gè)問題的多次運(yùn)算而得到每個(gè)問題的 較佳的種群規(guī)模，一般從100到500不等，P1和P2在仿真結(jié)果表中給出。(3)仿真實(shí)驗(yàn)環(huán)境本發(fā)明采用C++語言編程實(shí)現(xiàn)，程序運(yùn)行環(huán)境為P4CPU，主頻2. 4G，內(nèi)存為1GB。(4)仿真內(nèi)容本發(fā)明與其他算法的性能比較該實(shí)驗(yàn)將本發(fā)明的多種群協(xié)同進(jìn)化方法(Multi-Population Cooperative EvolutionaryAlgorithm, MPCEA)與其他算法進(jìn)行性能比較驗(yàn)證本發(fā)明的有效性。為了盡 量消除由于算法的隨機(jī)性而帶來的計(jì)算誤差，使得計(jì)算結(jié)果更具有有效性和一般性，對(duì)每 個(gè)問題實(shí)例連續(xù)運(yùn)行10次。其中，nXm表示問題的工件數(shù)和機(jī)器數(shù)，LB和UB分別表示到 目前為止已知的最優(yōu)下界和最優(yōu)上界，Cfflax表示算法取得的最優(yōu)值，其表示最大完工時(shí)間的 最優(yōu)解，Aver.表示10次運(yùn)行的平均結(jié)果，本發(fā)明的計(jì)算結(jié)果已標(biāo)出。
注N/A表示該方法沒有提供該數(shù)據(jù)表1比較了 MPCEA與LEGA的調(diào)度性能。LEGA是Ho等將機(jī)器學(xué)習(xí)機(jī)制和遺傳算法 進(jìn)行混合提出的方法。從表1中可以看出本發(fā)明在所有10個(gè)問題上都取得了比較好的結(jié) 果。和LEGA的最優(yōu)值相比，MPCEA在其中在8個(gè)問題上優(yōu)于LEGA得到的最優(yōu)值，2個(gè)問題 是一樣的，其中本發(fā)明的Aver.值也比LEGA的小，即表示本發(fā)明具有良好的穩(wěn)定性。表2MPCEA針對(duì)BCdata的運(yùn)行結(jié)果
問題
nxm (LB, UB)
M&G 算法 MPCEA
CmaxAver.Pi=P2CmaxAver.mtlOcl10><11(655,927)928928200927927mtlOcc10><12(655,914)910910200910910mtlOx10><11(655,929)918918200918918mtlOxx10><12(655,929)918918200918918mt IOxxx10><13(655,936)918918500918918mtlOxy10><12(655,913)906906500905905mt IOxyz10><13(655,849)847850500847849setb4c915><11(857,924)919919.2500914914setb4cc15><12(857,909)909911.6500909910setb4x15><11(846,937)925925500925925setb4xx15><12(847,930)925926.4500925925setb4xxx15><13(846,925)925925500925925setb4xy15><12(845,924)916916500910912setb4xyz15><13(838,914)905908.2500905909seti5cl215><16(1027, 1185)11741174.250011741174seti5cc15><17(955,1136)11361136.450011361138seti5x15><16(955,1218)12011203.650012011204seti5xx15><17(955,1204)11991200.650012041204seti5xxx15><18(955,1213)11971198.450012001204seti5xy15><17(955,1148)11361136.450011361136seti5xyz15><18(955,1127)11251126.650011251127表2比較了 MPCEA與M&G算法的調(diào)度性能。M&G算法是Mastrolilli和 Gambardella利用禁忌搜索求解柔性作業(yè)車間調(diào)度的方法。從表2中可以看出本發(fā)明在21 個(gè)問題上有19個(gè)問題取得了比較好的結(jié)果。和M&G算法的最優(yōu)值相比，MPCEA在其中的4 個(gè)問題上優(yōu)于M&G算法得到的最優(yōu)值，15個(gè)問題是一樣的，2個(gè)問題較M&G算法差。其中本 發(fā)明的大部分Aver.值也比M&G算法的小，即表示本發(fā)明具有較好的穩(wěn)定性。通過以上的2組柔性作業(yè)車間調(diào)度問題的標(biāo)準(zhǔn)實(shí)例集的測(cè)試結(jié)果來看，本發(fā)明在 絕大部分問題的求解結(jié)果上都優(yōu)于其他方法，這說明本發(fā)明在求解柔性作業(yè)車間調(diào)度問題 上具有優(yōu)越的性能，同時(shí)也具有較好的穩(wěn)定性。
權(quán)利要求
一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，用于獲得適合車間實(shí)際生產(chǎn)的調(diào)度方案，實(shí)現(xiàn)車間生產(chǎn)過程的調(diào)度管理與優(yōu)化，該方法具體包括如下步驟(1)假設(shè)工件個(gè)數(shù)為N，則設(shè)置N+1個(gè)種群，其中包括N個(gè)機(jī)器選擇子問題的種群和1個(gè)工序排序子問題的種群；(2)根據(jù)各種群的編碼方式，隨機(jī)初始化上述N+1個(gè)種群；(3)評(píng)價(jià)上述經(jīng)初始化后的種群，并令迭代次數(shù)Gen＝1；計(jì)算經(jīng)初始化后的各個(gè)種群中每個(gè)染色體的適應(yīng)度值，即針對(duì)每個(gè)種群的每個(gè)染色體，從N個(gè)合作種群的每一個(gè)中都隨機(jī)選擇一個(gè)染色體，這N+1個(gè)染色體組成一個(gè)完整解，計(jì)算該完整解的適應(yīng)度，以作為當(dāng)前染色體的適應(yīng)度值；進(jìn)而，獲得種群中染色體的最佳適應(yīng)度值fbest及其對(duì)應(yīng)的組成完整解的染色體組；(4)設(shè)種群編號(hào)為q，初始化q＝1，對(duì)上述N+1個(gè)種群進(jìn)行多種群協(xié)同進(jìn)化，具體過程為(4.1)基于錦標(biāo)賽選擇算子在種群q中選擇兩個(gè)染色體作為父代執(zhí)行交叉操作，生成兩個(gè)子代染色體；其中；(4.2)計(jì)算上述父代和子代染色體的適應(yīng)度值，其中父代和子代染色體具有相同的合作染色體，從這四個(gè)染色體中選擇兩個(gè)適應(yīng)度值較優(yōu)的染色體進(jìn)入下一代種群中；(4.3)在種群q中隨機(jī)選擇一個(gè)父代染色體執(zhí)行變異操作，生成一個(gè)子代，用該子代取代該父代進(jìn)入下一代種群中；(4.4)計(jì)算種群q的染色體適應(yīng)度值針對(duì)種群q的每個(gè)染色體，從該種群q的N個(gè)合作種群的每一個(gè)中都隨機(jī)選擇一個(gè)染色體，與種群q的該染色體組成一個(gè)完整解，計(jì)算該完整解的適應(yīng)度，以作為當(dāng)前染色體的適應(yīng)度值；進(jìn)而，從種群q的多個(gè)染色體獲得的多個(gè)適應(yīng)度中選擇最佳的適應(yīng)度值以更新所述最佳適應(yīng)度值fbest，同時(shí)更新該適應(yīng)度值所對(duì)應(yīng)的組成完整解的染色體組；(4.5)令q＝q+1，若q≤N+1，則跳轉(zhuǎn)到步驟(4.1)進(jìn)行下一代種群的處理，否則進(jìn)入步驟(5)；(5)判斷迭代次數(shù)Gen是否達(dá)到規(guī)定的閾值maxGen，若是，則算法結(jié)束，輸出最后得到的最佳適應(yīng)度值fbest及其對(duì)應(yīng)的組成完整解的染色體組，否則令Gen＝Gen+1，并跳轉(zhuǎn)到步驟(4)繼續(xù)處理。
2.根據(jù)權(quán)利要求1所述的一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，其特征 在于，所述的機(jī)器選擇子問題的種群編碼方式為該種群的染色體長(zhǎng)度為對(duì)應(yīng)工件的工序 總數(shù)，每個(gè)基因位用整數(shù)表示，依次按照該工件工序的順序進(jìn)行排列，每個(gè)整數(shù)表示當(dāng)前工 序選擇的加工機(jī)器在可選機(jī)器集中的順序編號(hào)。
3.根據(jù)權(quán)利要求1或2所述的一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，其 特征在于，所述工序排序子問題的種群編碼方式基于工序的編碼方法實(shí)現(xiàn)，具體為該種群 的染色體長(zhǎng)度等于所有工件的工序數(shù)之和，每一個(gè)基因用工件號(hào)直接編碼，工件號(hào)出現(xiàn)的 順序表示該工件工序間的先后加工順序，并且工件號(hào)的出現(xiàn)次數(shù)等于該工件的工序總數(shù)。
4.根據(jù)權(quán)利要求1-3之一所述的一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法， 其特征在于，針對(duì)所述機(jī)器選擇子問題的交叉操作為均勻交叉操作。
5.根據(jù)權(quán)利要求1-4之一所述的一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，2其特征在于，針對(duì)工序排序子問題的種群的交叉操作采用基于工序編碼的交叉算子Ρ0Χ， 具體為首先將工件集U1, J2, ... , Jj隨機(jī)劃分為兩個(gè)工件集Jobsetl和Jobset2 ；然 后復(fù)制父代染色體Parentl和Parent2中包含在工件集Jobsetl和Jobset2中的工件到 Offspringl和0ffspring2，保持它們的位置和順序；最后將將Parentl和Parent2中不包 含在工件集Jobsetl和Jobset2中的工件復(fù)制到Offspring2和Offspringl，保持它們的順 序不變。
6.根據(jù)權(quán)利要求1-5之一所述的一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法， 其特征在于，針對(duì)機(jī)器選擇子問題的種群的變異操作采用如下的變異算子，即首先在變異 染色體中隨機(jī)選擇多個(gè)位置，依次選擇每一個(gè)位置，對(duì)每一個(gè)位置的機(jī)器設(shè)置為當(dāng)前工序 可選機(jī)器集中加工時(shí)間最短的機(jī)器。
7.根據(jù)權(quán)利要求1-6之一所述的一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法， 其特征在于，針對(duì)工序排序子問題的種群的變異操作，采用基于鄰域搜索變異操作，即首先 在變異染色體中隨機(jī)選擇多個(gè)不同基因，并生成其排序的所有鄰域，然后評(píng)價(jià)所有鄰域的 適應(yīng)值，選出最佳染色體作為子代。
全文摘要
本發(fā)明提供了一種基于多種群協(xié)同進(jìn)化的柔性作業(yè)車間調(diào)度方法，它屬于車間調(diào)度領(lǐng)域，主要克服基于遺傳算法的柔性作業(yè)車間調(diào)度方法性能得不到充分發(fā)揮的不足。其主要步驟包括(1)參數(shù)設(shè)置；(2)按照設(shè)定的編碼方式初始化種群；(3)按照設(shè)定的方法計(jì)算各個(gè)種群中每個(gè)染色體的適應(yīng)度值，并記錄最佳適應(yīng)度值及其各組成染色體；(4)多種群協(xié)同進(jìn)化對(duì)各子種群中的染色體進(jìn)行交叉和變異的進(jìn)化操作，并對(duì)新染色體進(jìn)行評(píng)價(jià)；(5)判斷方法終止準(zhǔn)則是否達(dá)到，若滿足，則方法結(jié)束，輸出最佳適應(yīng)度值及其各組成染色體；否則跳轉(zhuǎn)到步驟4。本發(fā)明可以獲得高質(zhì)量的適合車間實(shí)際生產(chǎn)的調(diào)度方案，縮短生產(chǎn)時(shí)間，可用于車間生產(chǎn)過程的調(diào)度管理與優(yōu)化。
文檔編號(hào)G06Q10/00GK101901425SQ201010226408
公開日2010年12月1日 申請(qǐng)日期2010年7月15日 優(yōu)先權(quán)日2010年7月15日
發(fā)明者張利平, 李新宇, 王曉娟, 邵新宇, 高亮 申請(qǐng)人:華中科技大學(xué)