一種基于超啟發(fā)式算法的零空閑流水車間作業(yè)調度方法技術

本發(fā)明專利技術公開了一種基于超啟發(fā)式算法的零空閑流水車間作業(yè)調度方法，該方法首先設定零空閑流水車間作業(yè)調度問題的目標函數(shù)，建立相應的調度優(yōu)化模型，在此基礎上，結合超啟發(fā)式算法框架，將應用較為廣泛的和聲搜索算法作為超啟發(fā)式算法的HLH策略，并針對零空閑流水車間作業(yè)調度問題特點，設計簡易啟發(fā)式規(guī)則，用以構建LLH方法集合，從而實現(xiàn)對于零空閑流水車間作業(yè)調度問題的優(yōu)化求解。該方法既保留了元啟發(fā)式算法良好的全局尋優(yōu)性能，又避免了元啟發(fā)式算法中憑人工經驗調整算法參數(shù)帶來的不確定性，可以有效提高算法設計的效率，對于流水作業(yè)調度效率的提高也具有重要意義。

【技術實現(xiàn)步驟摘要】

本專利技術屬于車間作業(yè)調度
，具體涉及一種基于超啟發(fā)式算法的零空閑流水車間作業(yè)調度方法。
技術介紹
流水車間調度問題(Flow-shopSchedulingProblem，F(xiàn)SP)作為生產調度的一個重要分支，本質上屬于NP難的復雜組合優(yōu)化問題。零空閑流水車間作業(yè)調度問題是FSP的進一步擴展，要求機器在生產過程中不出現(xiàn)空轉，即機器上加工的相鄰工件之間不允許有空閑時間。比如在玻璃纖維的制造流程中，加熱爐在一個生產周期內需一直保持2800℉的恒定高溫，由于爐中大量的熱慣性，其停止和開啟都需要數(shù)天時間，且設備使用過程中要耗費大量能源，因此一旦運行不希望有空閑時間；又如在采用光刻法的集成電路生產流程中，所使用的分檔器是一種昂貴的設備，運行過程中也希望是零空閑。零空閑流水車間調度問題普遍存在于紡織、化工、冶金等流程工業(yè)的生產過程中，具有廣泛的工程應用背景。目前有關零空閑流水車間調度問題求解方法的研究主要分為三類：(1)精確算法，如分支定界法、混合整數(shù)規(guī)劃等，此類算法用于解決NFSP時，主要用于求解小規(guī)模問題實例；(2)啟發(fā)式算法，如NEH方法、Johnson啟發(fā)式規(guī)則、KK方法等，該類算法實現(xiàn)較為簡單，但是得到調度解的質量不高，往往很難得到最優(yōu)解；(3)元啟發(fā)式算法，如離散粒子群優(yōu)化算法、和聲搜索算法、差分進化算法、人工蜂群算法、螢火蟲算法和分布估計算法等，元啟發(fā)式算法由于其良好的全局優(yōu)化性能，在生產調度優(yōu)化中得到了廣泛應用。上述三類算法中，元啟發(fā)式算法應用最為廣泛，但是該類算法要求設計者具備足夠的專業(yè)背景知識，針對某一具體問題(實例)設計一種特定算法，并通過一組測試實例進行評價。事實上，這種做法存在不足之處，由于不同調度指標下的問題定義、約束條件和優(yōu)化目標等參數(shù)均存在較大差異，因此單一元啟發(fā)式算法無法保證在所有問題(實例)上始終優(yōu)于其它算法。超啟發(fā)式算法是新近出現(xiàn)的一類用于解決復雜多樣性優(yōu)化問題的概念模型，并已成為當前計算智能
的研究熱點之一。超啟發(fā)式算法通過一種高層次啟發(fā)式(HighLevelHeuristic，HLH)策略管理和操縱一系列低層次啟發(fā)式(LowLevelHeuristics，LLH)方法，以生成最優(yōu)啟發(fā)式算法用以求解不同問題(實例)。HLH策略間接地通過LLH方法對問題域解空間進行搜索，由于啟發(fā)式域和問題域之間實現(xiàn)了領域屏蔽，通過修改問題域的LLH方法、目標函數(shù)等信息，可方便地將超啟發(fā)式算法移植到不同問題模型。因此，本專利技術將超啟發(fā)式算法用于解決零空閑流水車間作業(yè)調度問題。
技術實現(xiàn)思路
本專利技術的目的是針對現(xiàn)有技術存在的不足，提出了一種基于超啟發(fā)式算法的零空閑流水車間作業(yè)調度方法，該方法首先設定零空閑流水車間作業(yè)調度問題的目標函數(shù)，建立相應的調度優(yōu)化模型，在此基礎上，結合超啟發(fā)式算法框架，將應用較為廣泛的一種元啟發(fā)式算法—和聲搜索(HarmonySearch,HS)算法作為超啟發(fā)式算法的HLH策略，并針對零空閑流水車間作業(yè)調度問題特點，設計簡易啟發(fā)式規(guī)則，用以構建LLH方法集合，從而實現(xiàn)對于零空閑流水車間作業(yè)調度問題的優(yōu)化求解。本專利技術解決上述技術問題所采取的方法，步驟如下：(1)設定零空閑流水車間作業(yè)調度優(yōu)化問題的目標函數(shù)fit(·)；(2)初始化HS算法參數(shù)，所述HS算法參數(shù)包括：和聲記憶庫容量(HMS)、記憶庫取值概率(HMCR)、音調調節(jié)概率(PAR)、音調調節(jié)范圍(bw)、個體長度(L)和迭代次數(shù)(T)；(3)采用作業(yè)交換、插入和翻轉操作設計啟發(fā)式規(guī)則，構建面向零空閑流水車間作業(yè)調度問題的LLH方法集合，并將LLH方法進行編號；(4)初始化群體，生成和聲記憶庫，和聲記憶庫中每一個體對應的是LLH方法的編號序列k∈[1,HMS]，xk∈RL，RL為L維實數(shù)空間；(5)隨機生成和聲記憶庫中每一個體對應的調度候選解πk＝Permuting(J),其中J＝{J1,J2,…,Jn本文檔來自技高網...

【技術保護點】
一種基于超啟發(fā)式算法的零空閑流水車間作業(yè)調度方法，其特征在于，包括以下步驟：步驟(1)設定零空閑流水車間作業(yè)調度優(yōu)化問題的目標函數(shù)fit(·)；步驟(2)初始化HS算法參數(shù)；所述的參數(shù)包括：和聲記憶庫容量HMS、記憶庫取值概率HMCR、音調調節(jié)概率PAR、音調調節(jié)范圍bw、個體長度L和迭代次數(shù)T；步驟(3)采用作業(yè)交換、插入和翻轉操作設計啟發(fā)式規(guī)則，用以構建面向零空閑流水車間作業(yè)調度問題的LLH方法集合，并將LLH方法進行編號；步驟(4)初始化群體，生成和聲記憶庫；和聲記憶庫中每一個體對應LLH方法的編號序列k∈[1,HMS]，xk∈RL；步驟(5)隨機生成和聲記憶庫中每一個體對應的調度候選解πk＝Permuting(J),其中J＝{J1,J2,…,Jn}，為待作業(yè)集合，Permuting(·)為隨機打亂順序操作；步驟(6)計算和聲記憶庫中所有個體的適應度值fit(xk)，具體方法如下：(a)針對和聲記憶庫中某一個體xk，令i＝1；(b)將第個LLH方法應用到對應的調度候選解πk，得到新調度候選解(c)分別計算πk和的適應度值fit(πk)和若則否則保留調度候選解πk不變；(d)令i＝i+1，判斷i≤L是否成立，若成立則轉到(b)繼續(xù)執(zhí)行，否則轉(e)執(zhí)行；(e)將第個LLH方法得到的調度候選解πk及其適應度值fit(πk)作為個體xk的最終適應度值，即fit(xk)＝fit(πk)；步驟(7)生成一個新個體x′＝{x′1,x′2,…,x′L}，具體步驟如下：(a)首先生成兩個隨機數(shù)，即[0,1]上均勻分布的隨機數(shù)r1、r2；(b)從和聲記憶庫中隨機選取某一個體xj；(c)得到一個新個體第i維上的值x′i，i＝1,2,…,L，其計算規(guī)則為：若r1<HMCR且r2≥PAR，則若r1<HMCR且r2<PAR，則若r1≥HMCR，則x′i＝Rnd(Lb(x’i),Ub(x’i))，其中Rnd(a,b)表示生成a到b范圍內的隨機數(shù)，Lb(x′i)和Ub(x′i)分別表示和聲記憶庫中第i維上的最小值和最大值；(d)規(guī)整化處理，由于(c)中得到的新個體x′＝{x1′,x′2,…,x′L}在第i維上的值x′i有可能會超過可行解的范圍，因此采用如下公式進行規(guī)整化處理，其中[·]為取整運算。xi′=1,xi′<1L,xi′>L[xi′],else]]>步驟(8)更新和聲記憶庫；若步驟(7)中得到的新個體適應度值fit(x′)要優(yōu)于和聲記憶庫中個體xj的適應度值fit(xj)，則用新個體x′及其對應的調度候選解替代庫中適應度最差個體及其調度候選解；步驟(9)檢查當前迭代次數(shù)是否已達到T次；若沒達到則轉回步驟(7)，否則對當前和聲記憶庫中的較優(yōu)候選解按適應度值進行排序，并保存適應度最優(yōu)的個體xbest及其對應的調度候選解πbest；步驟(10)輸出調度候選解πbest對應的甘特圖，從而完成對于零空閑流水車間作業(yè)調度問題的優(yōu)化求解。...

【技術特征摘要】
1.一種基于超啟發(fā)式算法的零空閑流水車間作業(yè)調度方法，其特征在于，包括以下步
驟：
步驟(1)設定零空閑流水車間作業(yè)調度優(yōu)化問題的目標函數(shù)fit(·)；
步驟(2)初始化HS算法參數(shù)；所述的參數(shù)包括：和聲記憶庫容量HMS、記憶庫取值概率
HMCR、音調調節(jié)概率PAR、音調調節(jié)范圍bw、個體長度L和迭代次數(shù)T；
步驟(3)采用作業(yè)交換、插...

【專利技術屬性】
技術研發(fā)人員：林劍，張帥，黃朝耿，
申請(專利權)人：浙江財經大學，
類型：發(fā)明
國別省市：浙江;33