一种求解零等待流水车间调度问题的改进粒子群优化算法制造技术

本发明专利技术公开了一种求解零等待流水车间调度问题的改进粒子群优化算法，首先参数初始化和种群初始化，生成初始工件序列，然后使用阶乘编码方法，将所有排列映射至整数构成初始种群，最后，随机生成可行的初始速度集；移动粒子；通过原始PSO种群更新策略更新种群，将新的种群映射到相应的工件序列，并评估每个新工件序列的完工时间。使用改进的变邻域搜索算法进行局部搜索，并将搜索得到的结果替换；使用种群自适应算子PA增加种群的多样性；检查终止条件，如果终止条件满足，停止，返回变量的值和相应的序列作为最终的解，否则继续更新粒子速度。本发明专利技术的有益效果是改进了粒子群优化算法，提升了全局搜索能力，避免了过早收敛。

【技术实现步骤摘要】
一种求解零等待流水车间调度问题的改进粒子群优化算法
本专利技术属于流水车间调度算法
，具体涉及用算法求解零等待流水车间调度问题。
技术介绍
调度问题通常是指在规定的时间内，怎样利用现有的资源进行合理地安排生产，从而实现生产效益的最大化。车间调度问题是调度问题的一个子集，是企业进行生产计划与控制的一个重要组成部分，是帮助企业提高自己竞争力的关键因素。随着科学技术的不断发展，元启发式方法被提出，该方法的成功取决于他们提供探索(多样化)和开发(强化)之间的平衡的能力。根据他们的搜索策略，元启发式方法可以分为两类：一种是基于单一解的局部搜索算法，包括模拟退火算法，禁忌搜索。另一种是基于种群的有学习部分的搜索算法，包括克隆优化算法、粒子群优化算法、遗传算法、免疫算法。一般而言，基于单一解的启发式算法表现更多的局部搜索能力，而基于种群的启发式算法拥有更多的全局搜索能力。Eberhart和Kennedy在1995年提出的粒子群优化算法(PSO，ParticleSwarmOptimization)是一种群体智能算法，它模拟群体行为，如鸟类群落和鱼群。PSO最初被用来优化各种连续的非线性函数。由于其结构简单且搜索效率高，PSO作为一种被广泛采用的优化技术，已经被成功应用于许多现实问题，包括NWFSP等组合优化问题。一些学者修改了PSO的主要算子以适应工件序列。另一些则使用新的表示方式来代替工件排列表示，通常引入编码方法来将离散解映射到连续域。常见的编码规则包括RK(random-key)，LOV(largest-order-value)，SOV(smallest-order-value)，LRV(largest-ranked-value)和SPV(smallest-position-value)等。虽然这些编码规则表现出了良好的性能，但编码效率是通常较低。另外，这些编码规则下的搜索空间并不能完全适应原本应用于连续空间的演化算法，例如PSO。本专利技术要解决的技术问题是：针对传统粒子群算法初期收敛速度快，而在后期容易陷入早熟、局部最优，且PSO适用于连续解空间；以及阶乘码表示方法能将零等待流水车间调度问题(No-waitFlowShopSchedulingProblem，NWFSP)中的离散解映射至连续整数空间的能力。提出在阶乘码表示的NWFSP下对原始的PSO算法进行改进，优化PSO求解NWFSP的性能。
技术实现思路
本专利技术的目的在于提供一种求解零等待流水车间调度问题的改进粒子群优化算法，解决了针对传统粒子群算法初期收敛速度快，而在后期容易陷入早熟、局部最优的问题。本专利技术技术方案包括以下步骤：步骤1：参数初始化；设置控制参数的值：MRT为最大运行时间限制，c1和c2为速度常数，wmin和wmax影响惯性重量的参数，c＝0是种群距离未变化次数，g＝1为当前的迭代次数；步骤2：种群初始化；使用NN+NEH生成初始工件序列，NN和NEH是两种流行的启发式算法。评估其适应度值得到当前最优解pbest，历史最优解gbest＝pbest，种群之间的欧氏距离D0，然后使用阶乘编码方法，将所有排列映射至整数构成初始种群，最后，随机生成可行的初始速度集；步骤3：移动粒子；通过原始PSO种群更新策略更新种群，将新的种群映射到相应的工件序列，并评估每个新工件序列的完工时间。并更新当前最优解pbest以及历史最优解gbest；步骤4：使用改进的变邻域搜索算法对pbest进行局部搜索，并将搜索得到的结果替换pbest；步骤5：使用种群自适应算子PA增加种群的多样性；步骤6：检查终止条件，如果终止条件满足，停止，返回变量gbest的值和相应的序列作为最终的解，否则继续步骤7；步骤7：更新粒子速度；使用原始PSO速度更新策略更新粒子速度集。g＝g+1，转到步骤3。进一步，步骤2中为了加快早期收敛速度生成工件序列，NN将每个步骤的部分调度序列的最后工件以最小的延迟时间附加到未调度的工件，NN+NEH的详细步骤可以描述如下：(1)：设集合为待加工的工件集合，其中为集合P中的第i个工件，从通用集合P中随机选取L个工件其中为从集合P中随机选取的的第j个工件；(2)：将来自S的第j个工件Jj，j＝1，2，...，L作为在初始种群中第j个初始序列中的第一个工件，表示为然后应用NN启发式规则，寻找拥有至最小延迟时间的工件(3)：将来自S1的其他n-2个工件(即，排除和)应用NEH启发式规则(参考文献NawazM,JrEEE,HamI.Aheuristicalgorithmforthem-machine,n-jobflow-shopsequencingproblem[J].Omega,1983,11(1):91-95.)来构建子序列SNEH；(4)：通过将SNEH附加到前两个工件之后来构造初始种群的第j个初始序列重复步骤2和步骤3，直到得到L个初始序列。由于所提出的FPAPSO算法使用粒子来探索搜索空间，所以在算法的迭代过程中也需要粒子速度来更新粒子的位置。FPAPSO算法最初产生随机整数作为粒子速度，以更新粒子的位置。请注意，速度必须保持在适当的范围内，使得更新后的粒子仍然保持在可行的解空间。进一步，步骤4中改进的变邻域搜索算法如下：(1)在交换第η个和第k个工件，η≠k。(2)删除第η个工件，并将其插入到第k个工件后，η≠k。进一步，步骤5中PA的方法如下：在一维整数域中的欧氏距离被用于测量PA中的种群多样性，设Xg＝{x1，x2，...，xL}是第g代的种群，其中L代表种群大小，计算Xg个体之间的欧氏距离Dg如下：当种群收敛在局部最优时，种群多样性低下，在这种情况下，两代之间的Dg变化不显着，如果Dg在连续的T代中保持不变，当种群规模变大时，算法进入稳定停滞状态将需要更多的时间，因此设定T＝L，这表示PSO不能产生更好的解以逃逸局部最优区域，那就意味着必须重新生成新的种群，新种群X′g＝{x′1，x′2，...，x′L}由如下方法产生：x′i＝N(μ，σ)i＝1，2，...，L(2)其中N表示产生一个正态分布随机数，其平均值为μ，方差为σ，计算公式如下：在等式(3)中，pbest是当前种群中最好的个体，UB和LB分别是搜索空间的上界和下界。在等式(4)中，Timeg表示从算法开始到当前代g的运行时间，MRT最大运行时间限制。本专利技术的有益效果是改进了粒子群优化算法，提升了全局搜索能力，避免了过早收敛附图说明图1为交换和插入两种邻域操作；图2为FPAPSO的算法流程图；图3为Rec35实例的收敛曲线；图4为Rec41实例的收敛曲线。具体实施方式下面结合具体实施方式对本专利技术进行详细说明。本专利技术方法步骤如下：步骤1：参数初始化。设置控制参数的值：L(粒子数目)，MRT(最大运行时间限制)，c1和c2(速度常数)，wmin和wmax(影响惯性重量的参数)，c＝0(种群距离未变化次数)，g＝1(当前的迭代次数)。步骤2：种群初始化。使用NN+NEH生成初始工件排列。评估其适应度值得到当前最优解pbest，历史最优解gbest＝pbest，种群之间的欧氏距离D0。然后使用阶乘编码方法，将L个排列映射至L个整数，其中L为初始种群大小(下文一致)。这L个整数构成初始本文档来自技高网...

【技术保护点】
一种求解零等待流水车间调度问题的改进粒子群优化算法，其特征在于按照以下步骤进行：步骤1：参数初始化；设置控制参数的值：MRT为最大运行时间限制，c1和c2为速度常数，wmin和wmax影响惯性重量的参数，c＝0是种群距离未变化次数，g＝1为当前的迭代次数；步骤2：种群初始化；使用NN+NEH生成初始工件序列，NN和NEH是两种流行的启发式算法。评估其适应度值得到当前最优解pbest，历史最优解gbest＝pbest，种群之间的欧氏距离D0，然后使用阶乘编码方法，将所有排列映射至整数构成初始种群，最后，随机生成可行的初始速度集；步骤3：移动粒子；通过原始PSO种群更新策略更新种群，将新的种群映射到相应的工件序列，并评估每个新工件序列的完工时间。并更新当前最优解pbest以及历史最优解gbest；步骤4：使用改进的变邻域搜索算法对pbest进行局部搜索，并将搜索得到的结果替换pbest；步骤5：使用种群自适应算子PA增加种群的多样性；步骤6：检查终止条件，如果终止条件满足，停止，返回变量gbest的值和相应的序列作为最终的解，否则继续步骤7；步骤7：更新粒子速度；使用原始PSO速度更新策略更新粒子速度集。g＝g+1，转到步骤3。...

【技术特征摘要】
1.一种求解零等待流水车间调度问题的改进粒子群优化算法，其特征在于按照以下步骤进行：步骤1：参数初始化；设置控制参数的值：MRT为最大运行时间限制，c1和c2为速度常数，wmin和wmax影响惯性重量的参数，c＝0是种群距离未变化次数，g＝1为当前的迭代次数；步骤2：种群初始化；使用NN+NEH生成初始工件序列，NN和NEH是两种流行的启发式算法。评估其适应度值得到当前最优解pbest，历史最优解gbest＝pbest，种群之间的欧氏距离D0，然后使用阶乘编码方法，将所有排列映射至整数构成初始种群，最后，随机生成可行的初始速度集；步骤3：移动粒子；通过原始PSO种群更新策略更新种群，将新的种群映射到相应的工件序列，并评估每个新工件序列的完工时间。并更新当前最优解pbest以及历史最优解gbest；步骤4：使用改进的变邻域搜索算法对pbest进行局部搜索，并将搜索得到的结果替换pbest；步骤5：使用种群自适应算子PA增加种群的多样性；步骤6：检查终止条件，如果终止条件满足，停止，返回变量gbest的值和相应的序列作为最终的解，否则继续步骤7；步骤7：更新粒子速度；使用原始PSO速度更新策略更新粒子速度集。g＝g+1，转到步骤3。2.按照权利要求1所述一种求解零等待流水车间调度问题的改进粒子群优化算法，其特征在于：所述步骤2中为了加快早期收敛速度生成工件序列，NN将每个步骤的部分调度序列的最后工件以最小的延迟时间附加到未调度的工件，NN+NEH的详细步骤可以描述如下：(1)：设集合为待加工的工件集合，其中为集合P中的第i个工件，从通用集合P中随机选取L个工件其中为从集合P中随机选取的的第j个工件；(2)：将来自S的第j个工件Jj，j＝1，2，...，L作为在初始种群中第j个初始序列中的第一个工件，表示为然后应用NN启发式规则，寻找拥有至最小延迟时间的工件(3)：将来自S1的其他n-2个工件(即，排除和)应用NEH启发式规则(参考文献NawazM,JrEEE,HamI.Aheuristicalgorithmforthem-machine,n-jobflow-shopsequencingproblem[J].Omega,1983,11(1):91-...

【专利技术属性】
技术研发人员：赵付青，杨国强，宋厚彬，何继爱，唐建新，姚毓凯，张建林，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：甘肃,62