一种解决柔性车间作业调度的元启发式搜索方法技术

本发明专利技术涉及一种解决柔性车间作业调度的元启发式搜索方法，首先将每个作业作为一个编码序列，作业中的工序作为基础编码元素；再次根据发明专利技术的元启发式搜索算法对编码好的作业序列进行排序，以获取最短的作业完成时间，以及最优的负载平衡；最后，将排序好的序列以机器为纵轴，以时间为横轴使用甘特图显示。使用本方法可以在付出较小的代价下，以有目的的搜索，追求最趋近于最优解的解决方案，而且本方法在设计思想上充分考虑到搜索空间的分割，易于扩展到分布式平台上。

【技术实现步骤摘要】

本专利技术涉及数控车间调度领域，具体的说是一种解决柔性车间作业调度的元启发式搜索。
技术介绍
作为企业生产的关键环节，车间作业调度一直以来深深的影响着车间的生产效率。合理有效的调度模型以及相应的算法可以有效的提高企业的生产效率，进而降低生产成本。经典车间作业调度问题已经吸引了无数科学家的眼球，他们同时也为解决车间作业调度问题做出了很多贡献。然而经典车间作业调度模型的许多限制，比如一个操作只能在一台机器上完成，已经不能满足现代作业车间的要求。应运而生的是柔性车间作业调度模型，它打破了作业对特定机床的限制，能够更好的模拟现代车间环境。不论是经典车间作业调度问题还是经过改进的柔性车间作业调度问题，都被证明是NP难的问题，无数科学家为解决这个问题做出了不懈的努力，然而至今仍无法在限定时间内获得最优的解决方案。现在越来越多的研究者将目光转向启发式搜索，虽然无法给出最优解，但是有限时间内最大可能的趋近最优解，符合车间需求，可以有效提高车间生产效率。目前的柔性车间作业调度问题的搜索算法搜索策略分为两大类，即基于约束条件的搜索和基于进化的搜索。基于约束条件的搜索是建立约束编程的基础上的，然而纯约束编程不适合解决规模较大的车间作业调度问题，不过一些改进的算法如大规模邻域搜索(LNS)和迭代扁平化搜索(IFS)等有效的解决了规模限制的问题。另一种搜索策略也是当今主流的研究方向，即基于进化的搜索，主要是将作业序列编码为某种形式，中间通过各种转换，最终解码得到结果。主要的算法有：蚁群优化算法(ACO)、遗传算法(GA)、禁忌搜素算法(TS)、模拟退火算法(SA)等，他们找出局部最优解，通过随机或有目的扩散，逐步趋向最优解。
技术实现思路
针对现有技术中存在的上述不足之处，本专利技术考虑到了元搜索算法的局部性，针对柔性车间作业调度问题，提出了一种解决柔性车间作业调度的元启发式搜索方法。本专利技术为实现上述目的所采用的技术方案是：一种解决柔性车间作业调度的元启发式搜索方法，包括以下步骤：对作业进行编码：将每个作业作为一个编码序列，每个作业的每个工序为编码序列中的基本元素；使用四个角色：E、C、S、G来表示；其中E为疑似目标，用以表示可能的最优解；C为决策函数，用以收集信息并作出决策；S为搜索方向；G为搜索函数，负责向可能的目标进行搜索；对各个角色赋予初始值；根据各个角色的功能和初始值搜索编码空间，产生新的搜索目标，获取当前搜索的最优值；将搜索结果转换成相应机器上的工序序列。所述基本元素为Oijk，其中i表示作业号，j表示工序号，k表示机器号。所述角色C的初始值为参与该算法的CPU数量。所述编码空间为工序的集合，维数为作业中最多的工序数。所述角色S为编码空间内的搜索方向，初始值为S＝log(n*m*max{Ji本文档来自技高网...

【技术保护点】
一种解决柔性车间作业调度的元启发式搜索方法，其特征在于，包括以下步骤： 对作业进行编码：将每个作业作为一个编码序列，每个作业的每个工序为编码序列中的基本元素； 使用四个角色：E、C、S、G来表示；其中E为疑似目标，用以表示可能的最优解；C为决策函数，用以收集信息并作出决策；S为搜索方向；G为搜索函数，负责向可能的目标进行搜索；对各个角色赋予初始值； 根据各个角色的功能和初始值搜索编码空间，产生新的搜索目标，获取当前搜索的最优值； 将搜索结果转换成相应机器上的工序序列。

【技术特征摘要】
1.一种解决柔性车间作业调度的元启发式搜索方法，其特征在于，包括以下步骤：
对作业进行编码：将每个作业作为一个编码序列，每个作业的每个工序为编码序列中的基本元素；
使用四个角色：E、C、S、G来表示；其中E为疑似目标，用以表示可能的最优解；C为决策函数，用以收集信息并作出决策；S为搜索方向；G为搜索函数，负责向可能的目标进行搜索；对各个角色赋予初始值；
根据各个角色的功能和初始值搜索编码空间，产生新的搜索目标，获取当前搜索的最优值；
将搜索结果转换成相应机器上的工序序列。
2.根据权利要求1所述的一种解决柔性车...

【专利技术属性】
技术研发人员：胡毅，于东，刘韵，罗企，房超，王萌，
申请(专利权)人：沈阳高精数控智能技术股份有限公司，
类型：发明
国别省市：辽宁;21