一种基于禁忌搜索算法和遗传算法结合的调度优化方法技术

一种基于禁忌搜索算法和遗传算法结合的调度优化方法，属于柔性制造生产调度技术领域。解决现有技术中存在的进行瓶颈检测过程中遇到的状态空间爆炸问题。本发明专利技术适用于柔性制造系统的Petri网模型，该模型采用随机调度，利用遗传算法和禁忌搜索算法对Petri网模型数据进行优化。禁忌搜索为：选取遗传算法生成的子代作为可行解X；在每次迭代中：通过解X的邻域产生多个可行解进而获得候选解，判断所有候选解是否满足破禁规则，若满足则用满足破禁规则的解Y代替X，将Y对应的禁忌对象放入禁忌表，若不满足则选择候选解中非禁忌对象对应的最佳解，将与之对应的禁忌对象放入禁忌表，去除最早进入禁忌表的禁忌对象。本发明专利技术适用于柔性制造系统的调度。造系统的调度。造系统的调度。

【技术实现步骤摘要】
一种基于禁忌搜索算法和遗传算法结合的调度优化方法


[0001]本专利技术属于柔性制造生产调度
，具体涉及一种基于禁忌搜索算法和遗传算法结合的调度优化方法。

技术介绍

[0002]近些年来，随着计算机水平的飞速发展以及工业需求的日益增长，对于生产模式的要求也逐渐多样化，在现代工业生产中，对于数据的分析和处理变得越来越关键。在这种背景下，更多的数学与计算机理论应用到工业生产中来，随机Petri网就是其中之一，它既具有良好的数学性质且对工业生产中多变化、多维度的生产模型有着良好的仿真效果，因此它在处理工业生产过程中的瓶颈检测和流程优化问题有着独特的优势。
[0003]目前，随机Petri网已经广泛应用于多种工业生产模型中并发展出众多理论。制造系统的调度优化问题一般属于多项式级别复杂程度的非确定问题，通常都相当复杂与困难并且并没有通用的解决方式，需按照实际生产要求选择方法，常用方法有线性规划、目标规划、工程软件仿真法、智能搜索算法、启发式搜索方法等。但是最原始的算法进行分析和瓶颈检测过程中会产生状态空间爆炸的问题。

技术实现思路

[0004]本专利技术的目的是为了解决利用随机petri网络模型进行瓶颈检测过程中遇到的状态空间爆炸问题，针对该问题对原有调度方法提供了一种优化方法。
[0005]本专利技术提供了一种基于禁忌搜索算法和遗传算法结合的调度优化方法，所述调度优化方法适用于柔性制造系统的Petri网模型，所述Petri网模型进行随机调度，然后利用遗传算法和禁忌搜索算法对Petri网模型数据进行优化。
[0006]进一步地限定，所述Petri网模型的组成：
[0007]库所P1,P2,
…
,P
n
为n种工件的初始状态，所述初始状态是未加工的状态，库所P
i
(i＝1,2,
…
,n)的标记数量表示工件i的生产数量，所述生产的数量是需要加工的工件数量；
[0008]对于存在库所序列所述表示第i种工件在第m个工序下的状态；
[0009]库所M1,M2,
…
,M
k
表示k种机器的使用权，其初始标识下的库所标记数量与库所标记数量上限均为1；
[0010]对于存在变迁序列表示第i种工件的加工工序，是时间的随机变量，表示变迁的平均值为第i种工件在第m个工序加工时间。
[0011]进一步地限定，对Petri网模型数据进行优化的方法：
[0012]构建初始化种群，100个个体构成初始种群，设置迭代次数为k，k的初始值为0；
[0013]进行迭代循环，将每个个体的总得加工时间作为适应度；
[0014]判断是否满足终止条件，如果满足则选择最后一代种群中的最优解作为最后输出
的结果，若不满足则继续进行迭代；
[0015]对种群进行选择操作、交叉操作和变异操作，更新群体生成子代种群；
[0016]当k>20时，采用禁忌算法对每个个体进行优化；
[0017]当k>200时，结束循环，选择最后一代种群中的最优解作为优化的结果。
[0018]进一步地限定，所述初始化种群的步骤如下：
[0019]对每种工件随机选择一道工序为起始工序；
[0020]若该工序已被选择，则重新选择；若未被选择，则继续；直到所有工件的初始化工序选择完成。
[0021]进一步地限定，所述对种群进行进行变异操作是以0.05的概率进行的。
[0022]进一步地限定，所述对种群进行进行交叉操作中，交叉的母体选择方式为随机选取；父体选择为父代中适应度最高的个体。
[0023]进一步地限定，所述禁忌搜索的流程如下：
[0024]初始解产生：选取遗传算法生成的子代作为可行解X，清空禁忌表；
[0025]判断终止条件，如果满足终止条件则结束迭代，否则继续进行；
[0026]在每次迭代中：通过解X的邻域产生多个可行解，并从中选定若干候选解；
[0027]分析所有候选解是否满足破禁规则，若满足则选择满足破禁规则的解Y代替X并用Y对应的禁忌对象放入禁忌表，去除最早进入禁忌表的禁忌对象，若不满足则选择候选解中非禁忌对象对应的最佳的解为新的当前解，同时用与之对应的禁忌对象放入禁忌表，去除最早进入禁忌表的禁忌对象。
[0028]进一步地限定，所述禁忌表是将个体适应度作为禁忌对象，禁忌表长度为定长，遵循先进先出的原则。
[0029]进一步地限定，所述邻域的结构为对于个体上工件的工序添加扰动产生邻域的移动，是交换个体某一个工件中的任意两道工序。
[0030]进一步地限定，所述破禁规则为当一个操作移动能够提供比目前为止最好的解更好的解时，不管该操作移动是否在禁忌表中都是可以作为禁忌对象，如果所有操作动作都在禁忌表内且不符合破禁规则，则从候选解中随机选择一个解继续进行。
[0031]有益效果：本专利技术是针对现有的柔性制造系统的调度方法进行优化，进而解决现有技术存在的在进行瓶颈检测过程中遇到的状态空间爆炸问题。缩短了加工时间，提高了工作效率。
[0032]本专利技术是基于现有柔性制造系统实现的，在实际应用中，柔性制造系统的随机Petri网模型是基于现有柔性制造系统的物理模型建立的，基于该模型对于遗传算法的编码、种群生成、适应度函数、选择算子、交叉算子、变异算子进行了融合设计，采用禁忌搜索算法提升遗传算法的性能，将遗传与禁忌搜索算法进行混合算法，最后将该混合算法应用到柔性制造系统的具体模型中优化调度的方法。
[0033]实验结果表明，本专利技术所述的混合算法无论是收敛速度还是收敛结果都要优于标准遗传算法，这也就证明了混合算法对于灵活多变的柔性制造系统具有更好的适应性。本专利技术适用于对柔性制造生产的调度。
附图说明
[0034]图1为柔性制造系统的物理模型；
[0035]图2为柔性制造系统的随机Petri网模型；
[0036]图3为工件1交叉过程；
[0037]图4为禁忌搜索流程图；
[0038]图5为混合算法策略；
[0039]图6为禁忌搜索算法和遗传算法的混合算法流程图；
[0040]图7为智能制造系统的随机Petri网的部分模型；
[0041]图8为遗传算法种群数量与收敛代数的关系图；
[0042]图9为遗传算法种群数量与收敛消耗时间的关系图；
[0043]图10为标准遗传算法遗传与禁忌搜索混合算法的最优解收敛曲线。
具体实施例
[0044]个体就是整个生产序列，一个随机Petri网解决的就是整个生产序列，在网络结构中主要对应的是序列中的每个工件；在遗传算法因为需要进行抽象化产生多个解，所以才出现了个体的概念，它对应的就是整个生产序列，个体中的工件也就是整个生产序列中某个工件的序列。
[0045]个体总的加工时间是每个个体的在整个生产系列消耗的时间。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于禁忌搜索算法和遗传算法结合的调度优化方法，所述调度优化方法适用于柔性制造系统的Petri网模型，其特征在于，所述Petri网模型进行随机调度，然后利用遗传算法和禁忌搜索算法对Petri网模型数据进行优化。2.根据权利要求1所述的调度优化方法，其特征在于，所述Petri网模型的组成：库所P1,P2,
…
,P
n
为n种工件的初始状态，所述初始状态是未加工的状态，库所P
i
(i＝1,2,
…
,n)的标记数量表示工件i的生产数量，所述生产的数量是需要加工的工件数量；对于存在库所序列所述表示第i种工件在第m个工序下的状态；库所M1,M2,
…
,M
k
表示k种机器的使用权，其初始标识下的库所标记数量与库所标记数量上限均为1；对于存在变迁序列表示第i种工件的加工工序，是时间的随机变量，表示变迁的平均值为第i种工件在第m个工序加工时间。3.根据权利要求1所述的调度优化方法，其特征在于，对Petri网模型数据进行优化的方法：构建初始化种群，100个个体构成初始种群，设置迭代次数为k，k的初始值为0；进行迭代循环，将每个个体的总的加工时间作为适应度；判断是否满足终止条件，如果满足则选择最后一代种群中的最优解作为最后输出的结果，若不满足则继续进行迭代；对种群进行选择操作、交叉操作和变异操作，更新群体生成子代种群；当k>20时，采用禁忌算法对每个个体进行优化；当k>200时，结束循环，选择最后一代种群中的最优解作为优化的结果。4.根据权利要求3所述的调度优化方...

【专利技术属性】
技术研发人员：石振锋，李泽宇，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：