一种求解柔性作业车间调度问题的群居蜘蛛优化算法制造技术

技术编号:15276192 阅读:188 留言:0更新日期:2017-05-04 20:07
本发明专利技术提出了一种求解柔性作业车间调度问题的群居蜘蛛优化算法,该算法涉及计算机执行制造系统领域,具体地涉及用算法解决柔性作业车间调度的组合优化问题。该算法强调了两个不同的蜘蛛搜索动因之间的差异:雄性和雌性。同时,一些策略被用于产生初始种群,诸如全局搜索、局部搜索等,以保证个体的质量与多样性。此外,该算法结合选择、交叉和变异算子,以提高其性能,显著减少了处理时间。该算法避免了个体在优势群体周围聚集,促使个体在全局进行搜索;避免了早熟收敛和搜索结果不稳定;对初值和参数选择不敏感,稳健性强,收敛速度快。该算法在柔性作业车间调度领域有很强的实用性。

A social spider optimization algorithm for flexible job shop scheduling problem

The invention provides a social spider optimization algorithm for solving the flexible job shop scheduling problem, the algorithm involves the computer manufacturing execution system, specifically to solve the combinatorial optimization problem of flexible job shop scheduling algorithm. The algorithm emphasizes the differences between the two different spider search motivations: male and female. At the same time, some strategies are used to generate the initial population, such as global search, local search and so on, in order to ensure the quality and diversity of the individual. In addition, the algorithm combines selection, crossover and mutation operator to improve the performance and reduce the processing time. The algorithm avoids the aggregation of individual advantage in groups around the individual to search in the global; avoid the premature convergence and the search results are not stable; is not sensitive to the initial values and parameters of strong robustness, fast convergence speed. The algorithm is very practical in flexible job shop scheduling.

【技术实现步骤摘要】
所属领域本专利技术涉及计算机执行制造系统领域,具体地涉及柔性作业车间调度领域。
技术介绍
柔性作业车间调度问题(FlexibleJob-ShopSchedulingProblem,FJSP)是传统作业车间调度问题的扩展,比JSP更加困难,因为每一个工件工序应该在哪个机器上进行加工不确定,即每个工序可以在任何给定的一组机器上加工。FJSP包含两个子问题:路由和调度,路由指给每个工序从给定的一组机器中选取一台机器,调度指给所有机器上已分配的工序排序,以获得符合预定义目标函数值的适当调度方案。最早用多项式算法来解决FJSP。目前一些常用的算法被提出来解决FJSP,如结合现有的一些调度规则和禁忌搜索的基于分解的分层方法,粒子群算法和蚁群算法。各种算法都有其优异的表现,在很多算例中都得到了最优或近优解,但是多数都不能逃离陷入局部最优解的问题。其次,虽然单目标FJSP已经进行了广泛的研究,但多目标FJSP的研究仍然相对有限。
技术实现思路
针对现有技术中存在的上述不足之处,本专利技术提出一个新颖的群居蜘蛛优化(SocialSpiderOptimization,SSO)去解决柔性作业车间调度问题。SSO算法强调了两个不同的蜘蛛搜索动因之间的差异:雄性和雌性。同时,一些策略被用于产生初始种群,诸如全局搜索、局部搜索等,以保证个体的质量与多样性。此外,改进的SSO结合选择、交叉和变异算子,以提高其性能,显著减少了处理时间。本专利技术的目的则是克服现有技术中存在的:迭代局部搜索容易陷入局部最优;搜索空间将产生近似解,而不是精确解;随着问题规模的扩大,搜索时间显著提高的问题。本专利技术为实现上述目的所采用的技术方案是:一种求解柔性作业车间调度问题的群居蜘蛛优化算法,该算法包括以下步骤:步骤1:初始化算法参数,包括SSO种群数目N、交配半径r及雌性蜘蛛数目Nf和雄性蜘蛛数目Nm步骤2:根据工序排列和机器分配原则,初始化蜘蛛种群。步骤3:根据适应度函数,计算每个个体的适应度值,得到最优个体。步骤4:分配每个个体的权重,权重按降序排序,得到中间权重个体。步骤5:根据雌性协作机制和雄性协作机制,雌性蜘蛛与雄性蜘蛛交配,即执行机器分配向量及工序序列向量的交叉与变异算子。步骤6:交配后生成下一子代,计算新个体的适应度值。若新个体优于最优个体,则新个体替换原有个体。步骤7:更新个体权重,判断是否满足终止条件,若满足则输出结果,否则,返回步骤4。本专利技术的有益效果是:1.避免个体在优势群体周围聚集,促使个体在全局进行搜索;2.避免了早熟收敛和搜索结果不稳定;3.对初值和参数选择不敏感,稳健性强,收敛速度快。附图说明图1表示本算法的流程图图2表示一个4×4FJSP的一个可行解示意图。图3表示机器分配向量的多点交叉示意图。图4表示工序序列向量POX交叉示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下,结合附图对本专利技术进行详细说明。一、SSO算法介绍SSO是一种灵感来自蜘蛛群的新型群体智能算法。SSO算法中,网络蜘蛛群具有高度雌性偏执特性,它由两个基本要素组成:个体和公用网。个体有两种不同的类型:雄性和雌性。有研究表明,雌蜘蛛几乎达到整个种群的70%。在群体中,每个个体在不同活动协作,如建设和维护公共网络、捕获猎物、交配和社会接触。利用公用网的间接交互被认为是发送重要信息的手段。雌性蜘蛛经常因其他蜘蛛在公用网发出的振动而受吸引或排斥。体型巨大的蜘蛛或邻近蜘蛛往往因为体重或相互之间的距离产生很强的振动,振动是否带有挑衅意味取决于振动的强度,它们是否感兴趣或不喜欢的行为受繁殖周期、好奇心和其他随机现象的影响。雄性被分为两类:显性和非显性。显性雄性通常比非显性雄性有更好的适应度值。此外,在公用网中显性雄性蜘蛛具有吸引与其靠近的雌性蜘蛛的能力,非显性蜘蛛具有向雄性种群中间个体聚集的趋势。在蜘蛛群体中,交配是一项重要的手段,因为其不仅具有繁衍后代的作用,而且还具有成员间交换信息的能力。交配主要取决于显性雄性和雌性。显性雄性可以与所有雌性在特定范围内交配。为了模拟网络蜘蛛以雌性为主的特征事实,算法中雌性数量Nf在整个种群N的65-90%之间随机选取。参数Nf定义如下:Nf=floor[(0.9-rand*0.25)*N](1)rand是一个随机数,rand∈[0,1],而函数floor映射一个实数为整数,因此,雄性Nm用如下公式计算:Nm=N-Nf(2)整个种群S由N个个体组成,分成雌性组和雄性组:S=F∪M,S={s1,s2,…,sN本文档来自技高网...
一种求解柔性作业车间调度问题的群居蜘蛛优化算法

【技术保护点】
一种求解柔性作业车间调度问题的群居蜘蛛优化算法,该算法涉及计算机执行制造系统领域,具体来说就是通过算法解决柔性作业车间调度的组合优化问题,其特征是:该算法的实施步骤如下:步骤1:初始化算法参数,包括SSO种群数目N、交配半径r及雌性蜘蛛数目和雄性蜘蛛数目;步骤2:根据工序排列和机器分配原则,初始化蜘蛛种群;步骤3:根据适应度函数,计算每个个体的适应度值,得到最优个体;步骤4:分配每个个体的权重,权重按降序排序,得到中间权重个体;步骤5:根据雌性协作机制和雄性协作机制,雌性蜘蛛与雄性蜘蛛交配,即执行机器分配向量及工序序列向量的交叉与变异算子;步骤6:交配后生成下一子代,计算新个体的适应度值,若新个体优于最优个体,则新个体替换原有个体;步骤7:更新个体权重,判断是否满足终止条件,若满足则输出结果,否则,返回步骤4。

【技术特征摘要】
1.一种求解柔性作业车间调度问题的群居蜘蛛优化算法,该算法涉及计算机执行制造系统领域,具体来说就是通过算法解决柔性作业车间调度的组合优化问题,其特征是:该算法的实施步骤如下:步骤1:初始化算法参数,包括SSO种群数目N、交配半径r及雌性蜘蛛数目和雄性蜘蛛数目;步骤2:根据工序排列和机器分配原则,初始化蜘蛛种群;步骤3:根据适应度函数,计算每个个体的适应度值,得到最优个体;步骤4:分配每个个体的权重,权重按降序排序,得到中间权重个体;步骤5:根据雌性协作机制和雄性协作机制,雌性蜘蛛与雄性蜘蛛交配,即执行机器分配向量及工序序列向量的交叉与变异算子;步骤6:交配后生成下一子代,计算新个体的适应度值,若新个体优于最优个体,则新个体替换原有个体;步骤7:更新个体权重,判断是否满足终止条件,若满足则输出结果,否则,返回步骤4。2.根据权利要求1所述的一种求解柔性作业车间调度问题的群居蜘蛛优化算法,其特征是:初始化种群在机器分配阶段,使用了三条原则:(1)全局搜索,考虑所有机器的全局工作负载;(2)局部搜索,相同工件下替换机器间的工作负载;(3)随机原则,从可选的机器集为每个工序选取一台机器,按一定的比例使用三条原则生成机器分配向量;在工序排列阶段,也使用了三条原则:(1)剩余时间最多原则,保证剩余时间最多的工件优先加工;(2)剩余工序数量最多原则,即剩余工序数量最多的工件优先选取;(3)随机原则,随机生成工序的顺序,按一定的比例使...

【专利技术属性】
技术研发人员:黄超杰胡成华
申请(专利权)人:四川用联信息技术有限公司
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1