本发明专利技术公开了基于自适应遗传算法车间调度方法、装置、存储介质和设备，属于技术领域，基于自适应遗传算法车间调度方法，包括：对目标车间的工件工序排序、机器选择及机器预置能力进行编码，生成染色体并根据染色体以及启发式规则组合生成初始染色体种群；基于预先以完成加工时间最短为优化目标确定的适应度函数和遗传算法筛选染色体种群中适应度值最优的染色体。本发明专利技术通过将目标车间的工件工序排序、机器选择及机器预置能力进行编码，并利用启发式规则组合生成初始染色体种群，利用遗传算法筛选染色体种群中适应度值最优的染色体，提高了前期的搜索能力并加快后期的收敛速度，通过对适应度值最优的染色体进行解码得到目标车间的最优调度方案。
【技术实现步骤摘要】
本专利技术涉及基于自适应遗传算法车间调度方法、装置、存储介质和设备，属于。
技术介绍
1、为了应对多样化、定制化和准时交货的挑战，传统的柔性制造系统和流水线在高生产率与灵活性之间寻求平衡。订单多样化、需求波动、设备利用率下降和人力资源分配效率低下导致的调度困难，都是主要挑战。为此，一种新的制造系统——可重构制造系统（rms）应运而生，展示了提升生产力和灵活性的新方法。
2、现有的多层次空间竞争性分布式遗传算法的算法求解柔性作业车间调度问题大多基于竞争性分布式遗传算法以及模拟退火算法进行求解，这部分算法虽然具有竞争优势以及冷却机制，但是易陷入局部最优且收敛过快，并且竞争性分布式遗传算法还存在计算成本过高的问题。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种基于自适应遗传算法车间调度方法、装置、存储介质和设备，通过启发式规则组合生成优秀的初始种群，利用遗传算法筛选染色体种群中适应度值最优的染色体，提高了前期的搜索能力并加快后期的收敛速度，解决了当前柔性作业车间调度算法计算成本过高、易陷入局部最优且收敛过快的问题。
2、为达到上述目的/为解决上述技术问题，本专利技术是采用下述技术方案实现的：
3、本专利技术第一方面提供了一种基于自适应遗传算法车间调度方法，包括：
4、对目标车间的工件工序排序、机器选择及机器预置能力进行编码，生成染色体；
5、根据生成的染色体以及启发式规则组合生成初始染色体种群；
<
p>6、基于预先以完成加工时间最短为优化目标确定的适应度函数和遗传算法筛选染色体种群中适应度值最优的染色体；7、对适应度值最优的染色体进行解码，得到目标车间的最优调度方案。
8、进一步地，所述对目标车间的工件工序排序、机器选择及机器预置能力进行编码，生成染色体种群，包括：
9、采用osmsmc编码方式对目标车间的工件工序排序、机器选择及机器预置能力进行编码，其中：
10、os段中每个基因用工件号直接编码，对于第i次出现的工件号j，表示工件j的第i道工序，且工件号j的总出现次数等于工件j的工序总数；
11、ms段依次按照工件的工序进行排列，每道工序对应一个机器；
12、mc段中每个基因与ms段中的机器提供的预置能力和os段中工序需求的能力相匹配。
13、进一步地，所述根据生成的染色体以及启发式规则组合生成初始染色体种群，包括：
14、基于目标车间的调度步骤，通过启发式规则选取与调度步骤对应的工件和机器，直到所有工序都被选取，生成一条完整的染色体；
15、通过启发式规则组合生成染色体，直到染色体数量满足初始种群数量。
16、进一步地，所述基于预先以完成加工时间最短为优化目标确定的适应度函数和遗传算法筛选染色体种群中适应度值最优的染色体，包括：
17、对染色体进行适应度计算；
18、根据得到的适应度，计算种群中染色体自适应交叉和变异概率；
19、根据自适应交叉和变异概率，选取预设数量的染色体进行机器交叉和变异迭代、工序交叉和变异迭代，生成子代染色体；
20、筛选子代染色体作为新一代种群，直到新一代种群中染色体数量与初始种群数量相同；
21、选取新一代种群中适应度值最优的染色体。
22、更进一步地，所述根据得到的适应度，计算种群中染色体自适应交叉和变异概率，包括：
23、
24、其中：
pc表示种群中染色体自适应交叉概率，
pm表示种群中染色体变异概率，
f
min表示种群最小的适应度值，
f
ave表示当代种群平均适应度值，
f
c表示发生交叉染色体的适应度值，
f
m表示变异染色体的适应度值，
k1表示常数，
k1≤1，
k1=0.8，
k2表示常数，
k2≤1，
k2=0.3。
25、更进一步地，所述筛选子代染色体作为新一代种群，直到新一代种群中染色体数量与初始种群相同，包括：
26、将子代染色体根据适应度值进行排列，从小到大保留m个子代染色体；
27、剩余子代染色体根据适应度值进行轮盘选择，并保持种群数量不变。
28、更进一步地，所述将子代染色体根据适应度值进行排列，从小到大保留m个染色体，包括：其中：
m表示按适应度值从小到大保留的子代染色体数量，
n表示种群数量，
t表示种群迭代次数，
e表示自然常数。
29、本专利技术第二方面提供了一种基于自适应遗传算法车间调度装置，包括：
30、第一生成模块，用于对目标车间的工件工序排序、机器选择及机器预置能力进行编码，生成染色体；
31、第二生成模块，用于根据生成的染色体以及启发式规则组合生成初始染色体种群；
32、处理模块，用于基于预先以完成加工时间最短为优化目标确定的适应度函数和遗传算法筛选染色体种群中适应度值最优的染色体；
33、解码模块，用于对适应度值最优的染色体进行解码，得到目标车间的最优调度方案。
34、本专利技术第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如上述的基于自适应遗传算法车间调度方法。
35、本专利技术第四方面提供了一种计算机设备，包括：
36、存储器，用于存储指令；
37、处理器，用于执行所述指令，使得所述设备执行实现如上述的基于自适应遗传算法车间调度方法。
38、与现有技术相比，本专利技术所达到的有益效果：
39、1、本专利技术通过将目标车间的工件工序排序、机器选择及机器预置能力进行编码，并利用启发式规则组合生成初始染色体种群，提高了初始染色体种群的多样性，生成了优秀的初始种群；利用遗传算法筛选染色体种群中适应度值最优的染色体，提高了前期的搜索能力并加快了后期的收敛速度，最终通过对适应度值最优的染色体进行解码得到目标车间的最优调度方案，解决了当前柔性作业车间调度算法计算成本过高、易陷入局部最优且收敛过快的问题。
40、2、本专利技术通过osmsmc编码方式对目标车间的工件工序排序、机器选择及机器预置能力进行编码，考虑了在调度中的多台机器以及对应的机器能力，在种本文档来自技高网
...
【技术保护点】
1.一种基于自适应遗传算法车间调度方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应遗传算法车间调度方法，其特征在于，所述对目标车间的工件工序排序、机器选择及机器预置能力进行编码，生成染色体种群，包括：
3.根据权利要求1所述的基于自适应遗传算法车间调度方法，其特征在于，所述根据生成的染色体以及启发式规则组合生成初始染色体种群，包括：
4.根据权利要求1所述的基于自适应遗传算法车间调度方法，其特征在于，所述基于预先以完成加工时间最短为优化目标确定的适应度函数和遗传算法筛选染色体种群中适应度值最优的染色体，包括：
5.根据权利要求4所述的基于自适应遗传算法车间调度方法，其特征在于，所述根据得到的适应度，计算种群中染色体自适应交叉和变异概率，包括：
6.根据权利要求4所述的基于自适应遗传算法车间调度方法，其特征在于，所述筛选子代染色体作为新一代种群，直到新一代种群中染色体数量与初始种群相同，包括：
7.根据权利要求6所述的基于自适应遗传算法车间调度方法，其特征在于，所述将子代染色体根据适应度值进行排列，从小到大保留M个染色体，包括：
8.一种基于自适应遗传算法车间调度装置，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的基于自适应遗传算法车间调度方法。
10.一种计算机设备，其特征在于，包括：
...
【技术特征摘要】
1.一种基于自适应遗传算法车间调度方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应遗传算法车间调度方法，其特征在于，所述对目标车间的工件工序排序、机器选择及机器预置能力进行编码，生成染色体种群，包括：
3.根据权利要求1所述的基于自适应遗传算法车间调度方法，其特征在于，所述根据生成的染色体以及启发式规则组合生成初始染色体种群，包括：
4.根据权利要求1所述的基于自适应遗传算法车间调度方法，其特征在于，所述基于预先以完成加工时间最短为优化目标确定的适应度函数和遗传算法筛选染色体种群中适应度值最优的染色体，包括：
5.根据权利要求4所述的基于自适应遗传算法车间调度方法，其特征在于，所述根据得到的适...
【专利技术属性】
技术研发人员：裴凤雀，张佳煊，林耀杰，苑明海，顾文斌，
申请(专利权)人：河海大学，
类型：发明
国别省市：
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。