基于多種群進化機制的作業車間調度方法技術

本發明專利技術公開了一種基于多種群進化機制的作業車間調度方法，它屬于計算機領域，主要解決現有多種群遺傳算法的作業車間調度方法容易陷入局部最優和局部搜索能力差的問題。其步驟為：（１）設置參數并初始化種群；（２）評價種群染色體、初始記憶庫并用模擬退火算法優化初始記憶庫；（３）判斷終止條件是否滿足，如果滿足則輸出當前獲得的最優調度方案，否則繼續步驟４；（４）對各個子種群中的染色體進行交叉和變異操作；（５）子種群與記憶庫之間通信；（６）更新記憶庫并用模擬退火算法優化記憶庫，返回步驟（３）。本發明專利技術可獲得高質量的作業車間調度方案，縮短生產時間，可用于對作業車間調度方案的選擇。

【技術實現步驟摘要】

本專利技術屬于計算機領域，涉及作業車間調度，具體地說是一種利用計算機軟件進行 智能作業車間調度的方法，用于工廠生產過程的調度管理。
技術介紹
作業車間調度問題是先進制造系統運籌和自動化技術的核心，具有重要的理論意義 和實用價值。有效的調度方法的應用能夠大大節省資源，提高效率，創造可觀的經濟效 益。另一方面，作業車間調度問題是典型的NP-hard問題，這一問題一直吸引著研究者 的廣泛關注，是工程調度領域的研究熱點之一。作業車間調度問題的研究最初集中在整數規劃、混合整數規劃法、動態規劃和規則 調度等方法上，這些傳統方法的性能不甚理想。近年來隨著計算智能方法的發展，在該 領域出現了如神經網絡、模擬退火、蟻群算法、遺傳算法、人工免疫算法等新的方法。 這類新的算法兼顧了求解速度和求解質量，能夠在合理的時間內找到問題盡可能好的解， 一經推出就引起了研究者濃厚的興趣。基于遺傳算法的作業車間調度方法是模擬達爾文主義的自然選擇和生物遺傳機制構 造的進化類隨機搜索方法。遺傳算法對優化問題的解空間具有較強的全局尋優能力，然 而在求解作業車間調度這樣解空間結構復雜的優化問題時還存在以下兩個方面的問題 首先，達爾文主義片面強調生存競爭，由于遺傳算法的染色體種群規模有限，過強的競 爭壓力導致了算法容易陷入局部最優解，從而無法找到作業車間調度問題的最優調度； 另外，遺傳算法雖然全局搜索能力好，但是在搜索的過程中沒有充分利用種群進化過程 中獲得的關于作業車間調度問題解空間的知識來指導染色體的進一步進化，因此局部搜 索能力較差。作業車間調度方法的局部搜索能力差會導致調度方法難以從一個較好的調 度方案出發得到更好的調度方案，影響作業車間調度方法獲得高質量調度方案的能力。 鑒于以上兩個缺點，遺傳算法的一系列改進方案，如小生境遺傳算法、多種群遺傳算法 等，被提出來。多種群遺傳算法是這類改進方案中備受關注的一種。多種群遺傳算法將染色體種群 分割成若干個子種群，各個子種群相對獨立地進化，同時以一定的策略互相通信。這類 方法利用空間隔離機制限制種群中染色體的全局競爭，雖然在一定程度上減緩了種群多樣性損失，阻止搜索過程陷入局部最優，但是由于染色體在子種群之間的遷移策略仍然 會導致優秀染色體在不同的子種群中被過度復制，導致種群多樣性的損，最終無法避免 搜索過程陷入局部最優；同時由于多種群遺傳算法各個子種群對解空間的搜索過程仍然 采用了標準遺傳算法流程，在局部搜索能力上沒有對遺傳算法進行改進，因此，使用這 種算法的作業車間調度仍然無法克服容易陷入局部最優和局部搜索能力差的缺陷，造成 難以獲得高質量的作業車間調度方案。
技術實現思路
本專利技術的目的在于克服基于多種群遺傳算法的作業車間調度方法容易陷入局部最優 和局部搜索能力差的不足，提供一種，以獲得 高質量的作業車間調度方案，縮短生產時間。為實現上述目的，本專利技術的技術方案包括如下步驟(1) 設定參數染色體評價次數上限L、子種群個數S、子種群規模尸、交叉概率尸c、變異概率i^、通信概率A，設定模擬退火SA算法的初始溫度rc、退火系數r和停止溫度r,，定義染色體八的適應度/ = >^，其中r為染色體A解碼后對應調度方案的調度時 間，按照設定的參數，隨機初始化s個規模為尸的染色體子種群，/=0;(2) 計算各個染色體子種群中每個染色體的適應度，提取各染色體子種群中的適應 度最大的染色體組成初始的記憶庫，并采用SA算法對該記憶庫進行優化，令記憶庫中當 前最優染色體為Abest;(3) 判斷染色體評價次數是否達到設定的停止上限L，若是則對Abest進行解碼，得 到一個最優的車間調度方案并輸出，否則繼續步驟(4);(4) 對第；個子種群執行如下的步驟4a)對子種群中的每個染色體S/以概率尸c執行雙點交叉算子，生成子代 染色體&,染色體&以概率S/)=min{l， exp(-"々y/y》替換染色體&，其中"為&的 調度時間，//為S/的調度時間；4b)對子種群中的每個染色體以概率尸M執行拉馬克局部搜索算子，獲得的最優子 代染色體&以概率min{l, exp(々W/)々/》替換父代染色體&，其中^為&的調 度時間，f/為》的調度時間；4c)設—z'+l;判斷^S是否成立，若成立，則令/=0，執行步驟(5)，否則執行步驟(4);(5) 對子種群Z'執行如下的步驟5a)對于子種群/中的每一個染色體，以概率A和記憶庫中隨機選擇的一 個染色體執行雙點交叉操作，記憶庫中的染色體采用輪盤賭的方式隨機選擇，雙點交支 操作產生的子代染色體&以概率S/)=min{l， exp(-(^々) 》替換子種群/中父代染色 體S/，其中4為&的調度時間，Z/為S/的調度時間；5b)設/=/+1;判斷/=5是否成立，若成立，則令/=0執行步驟(6),否則執行步 驟(5);(6)更新記憶庫，將每個子種群中的最優染色體同記憶庫中的染色體比較，如果子 種群中染色體Ai的適應度大于記憶庫中最差染色體Aj的適應度，則用Ai替換Aj，執行SA算法優化記憶庫，用優化后記憶庫中的最優染色體替代Atet，執行步驟(3)。 本專利技術與現有的技術相比具有以下優點1、 本專利技術由于在多種群遺傳算法的基礎上引入了記憶庫，并將多種群遺傳算法中子 種群之間的信息交互策略轉變成子種群和記憶庫之間的信息交互，避免了子種群之間由 于直接遷移染色體造成的過度競爭，從而保持染色體子種群的多樣性，有利于方法克服 早熟收斂，得到更好的車間調度方案。2、 本專利技術由于采用了全局尋優能力較強的模擬退火算法對記憶庫中的染色體進行優 化，緩解了記憶庫中染色體的多樣性損失，從而克服方法的早熟收斂，有利于得到更好 的車間調度方案。3、 本專利技術由于構造了基于拉馬克進化機制的局部搜索算子加速染色體的進化，有利 于提高方法的收斂速度，從而更快的得到好的生產調度方案。附圖說明圖l是本專利技術的實現流程圖； 具體實施例方式參照圖l，本專利技術的實現步驟如下 步驟l，設置參數并初始化種群。設定參數染色體評價次數上限L、子種群個數S、子種群規模P、交叉概率Pc、變異概率戶 、通信概率iV設定模擬退火SA算法的初始溫度&、退火系數r和停止溫度r,，計數器f=0，根據編碼方式，隨機產生S個初始染色體子種群；6編碼方式采用基于作業號的編碼，解碼采用前插式解碼；每個染色體經過解碼都有 一個對應的調度時間，該調度時間為完成所有作業加工的時間。設作業A:的完工時間為 G，則一個染色體對應的調度時間為7i>^=max(G), A=l,2,...iV，為了要尋找調度時間短 的合理調度順序，選擇適應度函數為/=l/r/me，即調度時間越短，適應度函數越大，染 色體越好。步驟2，計算各個子種群染色體適應度，初始化記憶庫并優化初始記憶庫。 根據適應度函數評價各個子種群中染色體的適應度，從每個子種群中提取適應度最高的染色體組成記憶庫，并用模擬退火算法對記憶庫中的染色體進行優化，優化過程如下(2.1) 令溫度1=70;(2.2) 對于記憶庫中的每個染色體，使用狀態產生函數產生新染色體，狀態產生函 數以等概率地采用基因交換、基因倒置和基因插入三種狀態產生策略，該本文檔來自技高網...

【技術保護點】
一種基于多種群進化機制的作業車間調度方法，包括如下步驟：　（１）設定參數染色體評價次數上限Ｌ、子種群個數Ｓ、子種群規模Ｐ、交叉概率Ｐ↓［ｃ］、變異概率Ｐｍ、通信概率Ｐ↓［ｔ］，設定模擬退火ＳＡ算法的初始溫度Ｔ↓［０］、退火系數ｒ和停止 溫度Ｔ↓［ｔ］，定義染色體Ａ的適應度ｆ＝１／Ｔ，其中Ｔ為染色體Ａ解碼后對應調度方案的調度時間，按照設定的參數，隨機初始化Ｓ個規模為Ｐ的染色體子種群，ｉ＝０；　（２）計算各個染色體子種群中每個染色體的適應度，提取各染色體子種群中的適應度 最大的染色體組成初始的記憶庫，并采用ＳＡ算法對該記憶庫進行優化，令記憶庫中當前最優染色體為Ａ↓［ｂｅｓｔ］；　（３）判斷染色體評價次數是否達到設定的停止上限Ｌ，若是則對Ａ↓［ｂｅｓｔ］進行解碼，得到一個最優的車間調度方案并輸出，否則繼 續步驟（４）；　（４）對第ｉ個子種群執行如下的步驟：　４ａ）對子種群中的每個染色體Ｓ↓［ｆ］以概率Ｐ↓［ｃ］執行雙點交叉算子，生成子代染色體Ｓ↓［ｓ］，染色體Ｓ↓［ｓ］以概率Ｐ（Ｓ↓［ｓ］→Ｓ↓［ｆ］）＝ｍｉｎ｛１，ｅｘｐ（－（ｔ↓ ［ｓ］－ｔ↓［ｆ］）／ｔ↓［ｆ］）｝替換染色體Ｓ↓［ｆ］，其中ｔ↓［ｓ］為Ｓ↓［ｓ］的調度時間，ｔ↓［ｆ］為Ｓ↓［ｆ］的調度時間；　４ｂ）對子種群中的每個染色體Ｓ↓［ｆ］以概率Ｐ↓［ｍ］執行拉馬克局部搜索算子，獲得的最優子代染色體Ｓ↓［ｂ ］以概率Ｐ（Ｓ↓［ｂ］→Ｓ↓［ｆ］）＝ｍｉｎ｛１，ｅｘｐ（－（ｔ↓［ｂ］－ｔ↓［ｆ］）／ｔ↓［ｆ］）｝替換父代染色體Ｓ↓［ｆ］，其中ｔ↓［ｂ］為Ｓ↓［ｂ］的調度時間，ｔ↓［ｆ］為Ｓ↓［ｆ］的調度時間；　４ｃ）設ｉ＝ｉ＋１；判斷ｉ＝Ｓ是否成 立，若成立，則令ｉ＝０，執行步驟（５），否則執行步驟（４）；　（５）對子種群ｉ執行如下的步驟：　５ａ）對于子種群ｉ中的每一個染色體，以概率Ｐ↓［ｔ］和記憶庫中隨機選擇的一個染色體執行雙點交叉操作，記憶庫中的染色體采用輪盤賭的方式隨機 選擇，雙點交叉操作產生的子代染色體Ｓ↓［ｓ］以概率Ｐ（Ｓ↓［ｓ］→Ｓ↓［ｆ］）＝ｍｉｎ｛１，ｅｘｐ（－（ｔ↓［ｓ］－ｔ↓［ｆ］）／ｔ↓［ｆ］）｝替換子種群ｉ中父代染色體Ｓ↓［ｆ］，其中ｔ↓［ｓ］為Ｓ↓［ｓ］的調度時間，ｔ↓［ｆ］為Ｓ↓［ｆ］的調度時間；　５ｂ）設ｉ＝ｉ＋１；判斷ｉ＝Ｓ是否成立，若成立，則令ｉ＝０執行步驟（６），否則執行步驟（５）；　（６）更新記憶庫...

【技術特征摘要】

【專利技術屬性】
技術研發人員：劉芳，戚玉濤，焦李成，夏柱昌，郝紅俠，公茂果，尚榮華，馬文萍，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：87[中國|西安]