一种多车间作业调度方法及装置制造方法及图纸

本发明专利技术适用计算机技术领域，提供了一种多车间作业调度方法及装置，该方法包括：当接收到多车间作业调度的请求时，建立多车间作业调度的数学模型，使用预设的动态种群策略和双模式差分进化算子对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件，此时将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，从而得到多车间作业调度的解决方案，提高了多车间作业调度过程中的收敛能力和鲁棒性。

Multi job scheduling method and device

The invention is applied to computer technology, and provides a device for multiple job shop scheduling methods, the method comprises: when receiving multi scheduling request, establish mathematical model of job shop scheduling, dynamic population strategy use preset and double mode differential evolution operator for the evolution of individuals in the current population the mathematical model, when the current population of the evolutionary population evolution does not satisfy the preset termination conditions, the evolution of the current population of non dominated individuals is set to the current population model of the next generation, repeat the steps of the current population of the evolution of the mathematical model, until the current evolutionary algebra the evolution of population at the termination conditions, the current population of non dominated individuals set up mathematical model parameters in the solution of evolution, thus The solution to multi job shop scheduling improves the convergence ability and robustness in the multi job shop scheduling process.

【技术实现步骤摘要】
一种多车间作业调度方法及装置
本专利技术属于计算机
，尤其涉及一种多车间作业调度方法及装置。
技术介绍
多车间作业调度是一个典型的非确定多项式(NP)难题。整数规划法、混合整数规划法和动态规划法等数学规划法可以用来进行多车间作业调度，但是这些数学规划法的计算过程复杂性较高，使得这些方法的运用受到限制。在整数规划中，枚举方法和拉氏松弛法是其中应用最多的两种方法，枚举方法的主要缺点是：由于存在整数约束对于较大的调度问题需要很大的时间，拉氏松弛法删除了整数约束加入相应的代价，虽然在可行时间里能解决复杂的车间问题，但是其收敛能力存在局限性。局部搜索算法和模拟退火法也可以用来进行多车间作业调度，然而局部搜索算法在遇到局部极值的时候容易陷入局部最优的问题，而模拟退火法虽有可能跳出局部极小，但模拟退火法的收敛速度较慢。还有一种新兴的收敛速度快的进化算法也可以用来进行多车间作业调度，但是在计算过程中可能出现早熟收敛和停滞的问题，导致还没找到最优的方案就已经收敛并结束计算。综上所述，现有的多车间作业调度方法的收敛能力不佳、容易陷入局部最优的陷阱、可行性较低、鲁棒性不佳，因而难以有效地解决多车间作业调度问题。
技术实现思路
本专利技术的目的在于提供一种多车间作业调度方法及装置，旨在解决现有的解决多车间作业调度的方法收敛能力不佳、容易陷入局部最优的陷阱、可行性较低的问题。一方面，本专利技术提供了一种多车间作业调度方法，该方法包括下述步骤：当接收到多车间作业调度的请求时，根据多车间作业调度的作业参数，建立多车间作业调度的数学模型；对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件；当当前进化代数满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，输出数学模型中待求参数的解对应的多车间作业调度的解决方案；对数学模型的当前种群中的个体进行进化的步骤，包括：统计预先获取的数学模型当前种群中的当前非支配个体的数量，根据当前非支配个体的数量，使用预设的动态种群策略获取当前种群的大小PN，根据当前非支配个体的拥挤程度和PN，确定当前种群中保留的个体，使用预设的双模式差分进化算子对当前种群中的个体进行进化，获取进化后的当前种群中的当前非支配个体，并对当前进化代数进行加1操作。另一方面，本专利技术提供了一种多车间作业调度装置，该装置包括：模型建立模块，用于当接收到多车间作业调度的请求时，根据多车间作业调度的作业参数，建立多车间作业调度的数学模型；种群进化模块，用于对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件；以及输出模块，用于当当前进化代数满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，输出数学模型中待求参数的解对应的多车间作业调度的解决方案；其中，该种群进化模块包括：种群进化子模块，用于统计预先获取的数学模型当前种群中的当前非支配个体的数量，根据当前非支配个体的数量，使用预设的动态种群策略获取当前种群的大小PN，根据当前非支配个体的拥挤程度和PN，确定当前种群中保留的个体，使用预设的双模式差分进化算子对当前种群中的个体进行进化，获取进化后的当前种群中的当前非支配个体，并对当前进化代数进行加1操作。本专利技术在接收到多车间作业调度的请求后，根据多车间作业调度的作业参数，建立多车间作业调度的数学模型，对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件，此时将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，输出数学模型中待求参数的解对应的多车间作业调度的解决方案，以得到多车间作业调度的解决方案，提高了收敛能力和鲁棒性，进而提高了多车间作业调度的可行性。附图说明图1是本专利技术实施例一提供的多车间作业调度方法的实现流程图；图2是本专利技术实施例二提供的多车间作业调度方法的实现流程图；图3是本专利技术实施例三提供的多车间作业调度装置的结构示意图；图4是本专利技术实施例四提供的多车间作业调度装置的结构示意图；图5是本专利技术实施例五提供的多车间作业调度装置的结构示意图；以及图6是本专利技术实施例五提供的种群进化子模块的结构示意图。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，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。以下结合具体实施例对本专利技术的具体实现进行详细描述：实施例一：图1示出了本专利技术实施例一提供的多车间作业调度方法的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：在步骤S101中，当接收到多车间作业调度的请求时，根据多车间作业调度的作业参数，建立多车间作业调度的数学模型。在本专利技术实施例中，当接收到多车间作业调度的请求时，接收多车间作业的作业参数，以用于建立多车间作业调度的数学模型。作为示例地，多车间作业的作业参数可以包括需要加工的工件数N、每个工件需要经历的工序数nj、可用于加工的机器台数M以及工件和机器的加工约束条件等。建立多车间作业调度的数学模型时，具体地，可以将多车间作业调度中的加工成本f1(x)、加工时间f2(x)和产品质量f3(x)分别表示为：其中，cijk表示第j个工件在的第i道工序在第k个机器上加工所需要的成本，xijk表示第j个工件的第i道工序是否选择在k机器上加工，xijk＝0表示未选中，xijk＝1表示选中，tijk表示第j个工件的第i道工序在第k个机器上加工所需要的时间，qijk为第j个工件的第i道工序在第k个机器上的加工质量衡量度，优选地，综合考虑加工成本、交货期、修补时间、维修成本等因素的影响，该加工质量衡量度可以采用0.01～1.00区间段的数值表示，从而优化了多车间作业调度的数学模型，进而提高了多车间作业调度方案的精确性。优选地，建立多车间作业调度的数学模型后，预先对种群进化的运行参数和终止代数进行设置。之后，随机生成数学模型的初始种群，计算初始种群中个体的目标函数值，根据计算得到的目标函数值获取初始种群中的当前非支配个体，将获取的当前非支配个体组成当前种群，并将当前种群的当前进化代数设置为第一代，以用于种群进化。在步骤S102中，对数学模型的当前种群中的个体进行进化。在本专利技术实施例中，对数学模型的当前种群中的个体进行进化时，优选地，根据非支配个体的个数与预设的阀值的大小关系，使用动态种群策略(DPS)确定种群的大小PN，从而避免种群的大小对算法的收敛性和收敛速度的影响，提高解决多车间作业调度的可行性，然后在当前种群中使用预设的双模式差分进化算子对大小本文档来自技高网...

【技术保护点】
一种多车间作业调度方法，其特征在于，所述方法包括下述步骤：当接收到多车间作业调度的请求时，根据所述多车间作业调度的作业参数，建立所述多车间作业调度的数学模型；对所述数学模型的当前种群中的个体进行进化，当所述当前种群的当前进化代数不满足预设的种群进化终止条件时，将所述进化后的当前种群中的非支配个体设置为所述数学模型下一代的当前种群，重复执行对所述数学模型的当前种群中的个体进行进化的步骤，直至所述当前进化代数满足所述种群进化终止条件；当所述当前进化代数满足所述预设的种群进化终止条件时，将所述进化后的当前种群中的非支配个体设置为所述数学模型中待求参数的解，输出所述数学模型中待求参数的解对应的所述多车间作业调度的解决方案；对所述数学模型的当前种群中的个体进行进化的步骤，包括：统计预先获取的所述数学模型当前种群中的当前非支配个体的数量，根据所述当前非支配个体的数量，使用预设的动态种群策略获取所述当前种群的大小P

【技术特征摘要】
1.一种多车间作业调度方法，其特征在于，所述方法包括下述步骤：当接收到多车间作业调度的请求时，根据所述多车间作业调度的作业参数，建立所述多车间作业调度的数学模型；对所述数学模型的当前种群中的个体进行进化，当所述当前种群的当前进化代数不满足预设的种群进化终止条件时，将所述进化后的当前种群中的非支配个体设置为所述数学模型下一代的当前种群，重复执行对所述数学模型的当前种群中的个体进行进化的步骤，直至所述当前进化代数满足所述种群进化终止条件；当所述当前进化代数满足所述预设的种群进化终止条件时，将所述进化后的当前种群中的非支配个体设置为所述数学模型中待求参数的解，输出所述数学模型中待求参数的解对应的所述多车间作业调度的解决方案；对所述数学模型的当前种群中的个体进行进化的步骤，包括：统计预先获取的所述数学模型当前种群中的当前非支配个体的数量，根据所述当前非支配个体的数量，使用预设的动态种群策略获取所述当前种群的大小PN，根据所述当前非支配个体的拥挤程度和所述PN，确定所述当前种群中保留的个体，使用预设的双模式差分进化算子对所述当前种群中的个体进行进化，获取所述进化后的当前种群中的当前非支配个体，并对当前进化代数进行加1操作。2.如权利要求1所述的方法，其特征在于，建立所述多车间作业调度的数学模型的步骤之后，对所述数学模型的当前种群中的个体进行进化的步骤之前，所述方法还包括：预设种群进化的运行参数和终止代数，随机生成初始种群。3.如权利要求1所述的方法，其特征在于，建立所述多车间作业调度的数学模型的步骤之后，对所述数学模型的当前种群中的个体进行进化的步骤之前，所述方法还包括：计算所述初始种群中个体的目标函数值，根据所述计算得到的目标函数值获取所述初始种群中的当前非支配个体；将所述获取的当前非支配个体组成当前种群，并将所述当前种群的当前进化代数设置为第一代。4.如权利要求1所述的方法，其特征在于，获取所述数学模型当前种群中的当前非支配个体，根据所述当前非支配个体的数量，使用预设的动态种群策略获取所述当前种群的大小PN，根据所述当前非支配个体的拥挤程度和所述PN，确定所述当前种群中保留的个体的步骤，包括：计算所述当前种群中的当前非支配个体的拥挤距离，根据所述当前非支配个体的拥挤距离，选择所述当前非支配个体中拥挤距离超过预设值的个体组成当前活跃种群；根据所述当前非支配个体的数量，使用所述预设的动态种群策略确定种群的大小PN；对所述当前活跃种群中的个体进行克隆，直至所述当前活跃种群中的个体数量达到PN，用所述当前活跃种群中的PN个个体替换当前种群中的全部个体。5.如权利要求1所述的方法，其特征在于，使用预设的双模式差分进化算子对所述当前种群中的个体进行进化，并对当前进化代数进行加1操作的步骤，包括：使用预设的交叉算子对所述得到的数量为PN的个体进行重组，使用预设的双模式差分进化算子对所述重组后的PN个个体进行变异，得到...

【专利技术属性】
技术研发人员：林秋镇，王娜，陈剑勇，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44