一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法技术

本发明专利技术公开了一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法，该方法包括一种混合启发式规则的初始化策略，能够有效地提高初始解的质量和多样性；在通用遗传算法框架内嵌入了可变邻域下降搜索，对基于关键工序的新型多级邻域结构进行有效地搜索，极大的提高了对解空间的探索能力。该方法能够解决通用遗传算法针对柔性作业车间调度问题存在的求解精度低，收敛速度慢且容易陷入局部最优的缺点，获得更为优质的调度方案，进而提升生产效率，降低成本。

【技术实现步骤摘要】
一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法
本专利技术涉及一种作业车间调度技术，尤其是一种基于遗传算法的柔性车间作业调度方法，具体说是一种融合了基于改进多级邻域结构的变邻域下降搜索的新型混合遗传算法的柔性车间调度方法。
技术介绍
面对激烈的市场竞争，制造企业必须不断提高生产效率，缩短产品上市时间，同时降低生产成本。引入先进设备和技术虽然能够提高制造效率，但需要大量成本投入；优化成熟的生产工艺，提升效果不确定，且存在技术风险。在现有设备和工艺的基础上，通过车间计划调度，将工件以更合理的顺序安排在最为合适的机器上加工，可以有效地减少设备空闲或者工件等待，进而缩短制造周期，减少等待的浪费。因此，在不额外增加成本投入的情况下，获得最优的调度方案，是更加高效的利用现有制造资源，挖掘和释放潜在生产能力的重要途径。如何获得最优调度方案，也就是作业车间调度问题，才是现代制造企业关注的重点和待解决的难点。由于作业车间调度问题已经被证明是NP-hard问题，采用启发式算法能够比精确计算方法在可接受的时间成本下获取较为理想的解。因此，启发式算法成为当前解决作业车间调度问题的主要方法。遗传算法是启发式算法中应用较为广泛的一种算法，其模仿自然界生物的繁衍进化和优胜劣汰的规律，将问题解作为种群个体，通过选择、交叉和变异等操作不断进化种群，最终获得最优解或者近似最优解。但通用遗传算法在车间调度问题的求解上，存在求解精度差，收敛效率低，容易陷入局部最优解缺点。导致难以获得更优的调度方案，进一步释放产能，提高制造效率。因此，十分有必要在对通用遗传算法进行改进，通过与其他先进算法和技术的融合，提高遗传算法的求解精度与效率。
技术实现思路
本专利技术为一种解决柔性车间调度问题的新型混合遗传算法。该方法提出了一种混合启发式初始化方法，提高初始种群质量；采用了基于关键工序的多级改进邻域结构的可变领域下降搜索，提高算法求解精度，获得更优质的作业车间调度方案。本专利技术的技术方案和步骤如下：步骤1：输入问题数据，包括工件数量，可用设备数量，每个工件的工序数，每个工件的每个工序可用加工设备，以及每台加工设备相应的加工时间。步骤2：设置算法参数，包括种群规模，迭代次数，交叉概率和变异概率等。步骤3：初始化种群，初始种群的质量和多样性，对算法的求解精度和收敛速度有着较大的影响。对于柔性作业车间调度问题，需要分别初始化设备选择和操作排序。因此，提出了多种启发式规则混合的初始化方法：1)采用GLR选择规则初始化设备选择首先采用GLR选择方法，即：全局选择(Global)，局部选择(Local)和随机选择(Random)进行初始个体设备选择的确定。其中，全局选择和局部选择是从全局过程和单次安排的局部过程角度考虑均衡设备的负载，随机选择是为了增加种群的多样性。三种选择产生的个体分别占初始种群个体的50％，30％和20％。2)采用MWR+SPT启发规则初始化工序排序然后采用剩余工作量最大(MWR)和加工时间最短(SPT)两种启发式规则，混合随机规则组成的混合启发式规则，进行初始操作顺序的安排。安排流程如下：子步骤1：取出所有工件的第一个工序放入待调度工序集；子步骤2：如果待调度工序集中的工序数量大于1，转子步骤3，否则转子步骤4；子步骤3：产生一个在(0,1)范围内的随机数，如果该随机数大于0.6或者小于0.4时，分别采用SPT规则或者MWR规则，对待调度工序集中的工序进行调度优先级排序；其他情况时，采用随机规则对待调度工序集中的工序进行排序；子步骤4：依次从待调度工序集中逐一取出工序进行安排至对应设备上，安排工序时采用主动调度方法，即：在上道工序完工时间之后，存在设备空闲时间大于该工序的加工时间时，就将该工序插入空闲时间段，否则安排在当前最后一个工序的完工时间之后；设备上最早的空闲时间上并记录安排工序的开始加工时间，直至待调度工序集中每个工序均完成安排；子步骤5：取每个工件的下一个工序放入待调度工序集，如果待调度工序集为空，转子步骤6，否则转子步骤2；子步骤6：完成工序排序。步骤4：解码调度解，获得调度方案，根据调度方案计算每个调度解的目标函数值，目标函数值为调度解的最大完工时间。步骤5：判断是的满足退出条件，即：满足设定的最大迭代次数，如果满足条件，则输出最佳调度解，即：最大完工时间最小的解；否则继续执行步骤6。步骤6：执行选择算子，从种群中选择出进行交叉的父代个体。选择算子包括三种选择方式：1)精英选择将种群个体根据个体的目标函数值从小到大进行排序，前10％的个体确定为精英个体，被直接选中；2)改进的锦标赛选择随机在种群中选择两个个体，然后以80％的概率选择较优的个体，20％的概率选择较差的个体；3)移民产生种群数量5％的新个体作为移民加入种群。步骤7：对选择算子确定的父代，在满足交叉概率的条件下，执行交叉操作。交叉的两个父代分别有50％的概率来自于精英个体或者除精英个体之外的其他个体。为防止出现非法解，工序串采用优先顺序交叉(POX交叉)，设备串采用均匀交叉。步骤8：对满足变异概率的个体，进行染色体变异操作。工序串随机工序插入，随机选择一个工序，随机插入到一个位置；设备串采用随机设备替换，随机选择一个设备，将该设备替换为该工序可选设备集中的另一台设备。步骤9：应用可变邻域下降搜索，对每一个调度解个体，在基于关键工序的两种改进种领域结构上进行局部搜索。在一个调度方案中，工序间无时间间隔的最长路径称为关键路径，组成关键路径的每一个工序称为关键工序，在同一台设备上加工，且前后相连的关键工序成为关键块。1)关键工序块外插入移动领域结构该领域结构通过将关键块内的关键工序，插入至关键块外部工序之前或者之后的移动操作，来搜索可改善的邻域结构。但逐一插入块外所有工序获得领域结构的方式本质为枚举，即产生的领域结构可能为非改善的，会存在大量的无效移动搜索，极大的降低算法求解效率。因此，为保证搜索效果的同时，尽量减少无效的移动搜索，增加了插入移动的限制条件，只有满足等式(1)条件的工序，才进行插入移动。SehgorCehg∈[Cei(j-1),Seab]or[Cexy,Sli(j+1)-pijk](1)Sehg和Cehg分别表示块外工序Ohg的最早开始加工时间和最早完工时间；Cei(j-1)表示待移动的关键工序Oij前道工序的最早完工时间；Sli(j+1)表示关键工序Oij后道工序的最晚开工时间；pijk表示关键工序Oij在设备Mk上的加工时间；Seab表示该关键块块首工序Oab的最早开始加工时间，Cexy表示该关键块块尾工序Oxy的最早结束加工时间。2)关键工序块内交换移动邻域结构该邻域结构是将块内工序移动至块首工序之前来搜索可改善的邻域结构。如果将关键块内每一个关键工序逐一移动至块首的方式本质也是枚举，同样不一定能够获得改本文档来自技高网...

【技术保护点】
1.一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法，其特征在于：包括以下步骤，/n步骤1：输入问题数据，包括工件数量，可用设备数量，每个工件的工序数，每个工件的每个工序可用加工设备，以及每台加工设备相应的加工时间；/n步骤2：设置算法参数，包括种群规模，迭代次数，交叉概率和变异概率；/n步骤3：初始化种群，对于柔性作业车间调度问题，需要分别初始化设备选择和操作排序；/n步骤4：解码调度解，获得调度方案，根据调度方案计算每个调度解的目标函数值，目标函数值为调度解的最大完工时间；/n步骤5：判断是的满足退出条件，即：满足设定的最大迭代次数，如果满足条件，则输出最佳调度解，即：最大完工时间最小的解；否则继续执行步骤6；/n步骤6：执行选择算子，从种群中选择出进行交叉的父代个体；/n步骤7：对选择算子确定的父代，在满足交叉概率的条件下，执行交叉操作；交叉的两个父代分别有50％的概率来自于精英个体或者除精英个体之外的其他个体；为防止出现非法解，工序串采用优先顺序交叉，设备串采用均匀交叉；/n步骤8：对满足变异概率的个体，进行染色体变异操作；工序串随机工序插入，随机选择一个工序，随机插入到一个位置；设备串采用随机设备替换，随机选择一个设备，将该设备替换为该工序可选设备集中的另一台设备；/n步骤9：应用可变邻域下降搜索，对每一个调度解个体，在基于关键工序的两种改进种领域结构上进行局部搜索；/n步骤10：转步骤4。/n...

【技术特征摘要】
1.一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法，其特征在于：包括以下步骤，
步骤1：输入问题数据，包括工件数量，可用设备数量，每个工件的工序数，每个工件的每个工序可用加工设备，以及每台加工设备相应的加工时间；
步骤2：设置算法参数，包括种群规模，迭代次数，交叉概率和变异概率；
步骤3：初始化种群，对于柔性作业车间调度问题，需要分别初始化设备选择和操作排序；
步骤4：解码调度解，获得调度方案，根据调度方案计算每个调度解的目标函数值，目标函数值为调度解的最大完工时间；
步骤5：判断是的满足退出条件，即：满足设定的最大迭代次数，如果满足条件，则输出最佳调度解，即：最大完工时间最小的解；否则继续执行步骤6；
步骤6：执行选择算子，从种群中选择出进行交叉的父代个体；
步骤7：对选择算子确定的父代，在满足交叉概率的条件下，执行交叉操作；交叉的两个父代分别有50％的概率来自于精英个体或者除精英个体之外的其他个体；为防止出现非法解，工序串采用优先顺序交叉，设备串采用均匀交叉；
步骤8：对满足变异概率的个体，进行染色体变异操作；工序串随机工序插入，随机选择一个工序，随机插入到一个位置；设备串采用随机设备替换，随机选择一个设备，将该设备替换为该工序可选设备集中的另一台设备；
步骤9：应用可变邻域下降搜索，对每一个调度解个体，在基于关键工序的两种改进种领域结构上进行局部搜索；
步骤10：转步骤4。


2.根据权利要求1所述的一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法，其特征在于：步骤3采用启发式规则混合的初始化方法：
1)采用GLR选择规则初始化设备选择
首先采用GLR选择方法，即：全局选择Global，局部选择Local和随机选择Random进行初始个体设备选择的确定；其中，全局选择和局部选择是从全局过程和单次安排的局部过程角度考虑均衡设备的负载，随机选择是为了增加种群的多样性；三种选择产生的个体分别占初始种群个体的50％，30％和20％；
2)采用MWR+SPT启发规则初始化工序排序
然后采用剩余工作量最大MWR和加工时间最短SPT两种启发式规则，混合随机规则组成的混合启发式规则，进行初始操作顺序的安排。


3.根据权利要求2所述的一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法，其特征在于：采用MWR+SPT启发规则初始化工序排序的安排流程如下：
子步骤1：取出所有工件的第一个工序放入待调度工序集；
子步骤2：如果待调度工序集中的工序数量大于1，转子步骤3，否则转子步骤4；
子步骤3：产生一个在(0,1)范围内的随机数，如果该随机数大于0.6或者小于0.4时，分别采用SPT规则或者MWR规则，对待调度工序集中的工序进行调度优先级排序；其他情况时，采用随机规则对待调度工序集中的工序进行排序；
子步骤4：依次从待调度工序集中逐一取出工序进行安排至对应设备上，安排工序时采用主动调度方法，即：在上道工序完工时间之后，存在设备空闲时间大于该工序的加工时间时，就将该工序插入空闲时间段，否则安排在当前最后一个工序的完工时间之后；设备上最早的空闲时间上并记录安排工序的开始加工时间，直至待调度工序集中每个工序均完成安排；
子步骤5：取每个工件的下一个工序放入待调度工序集，如果待调度工序集为空，转子步骤6，否则转子步骤2；

【专利技术属性】
技术研发人员：刘志峰，汪俊龙，张彩霞，丁国智，郭诗瑶，
申请(专利权)人：北京工业大学，北京星航机电装备有限公司，
类型：发明
国别省市：北京;11