一种用于混合流水车间调度问题的改进候鸟优化方法技术

本发明专利技术公开了一种用于混合流水车间调度问题的改进候鸟优化方法，该方法包括：在之前进化代数，采用排列解码方式对跟飞鸟个体和领飞鸟个体进行解码，实现对跟飞鸟个体和领飞鸟个体的进化；在超过进化代数临界值后，依概率采用微调排列解码方式对跟飞鸟个体和领飞鸟个体解码，实现对跟飞鸟个体和领飞鸟个体的进化；通过判断进化代数是否满足要求，获得混合流水车间调度最佳方案。在本发明专利技术提供的改进候鸟优化方法中，微调排列解码不严格按照排列解码方法中的先到先加工原则，这增加了搜索到更好解的可能性；将排列解码步骤和微调排列解码步骤相结合，加快采用微调排列解码的改进候鸟优化算法的收敛速度。

An improved migratory bird optimization method for hybrid flow shop scheduling problem

The present invention discloses an improved migratory bird optimization method for mixed flow shop scheduling problem. The method includes: evolutionary algebra, decode and decode with the individual and the individual of the flying bird by permutation and decode, and realize the input to the individual and the individual of the flying bird, after the critical value of evolutionary algebra, According to the probability, the bird individual and the bird individual are decode to the individual and the individual of the flying bird, and the best scheme of the mixed flow shop scheduling is obtained by judging whether the evolutionary algebra satisfies the requirements. In the improved migratory bird optimization method provided by the invention, the fine tune permutation decoding does not strictly follow the first to first to first processing principle in the permutation decoding method, which increases the possibility of searching for better solutions, and combines the permutation and decoding steps with the trimming and decoding steps to speed up the improved migratory bird optimization algorithm using the fine tune permutation and decoding. The speed of convergence.

【技术实现步骤摘要】
一种用于混合流水车间调度问题的改进候鸟优化方法
本专利技术属于计算机集成制造
，更具体地，涉及一种用于混合流水车间调度问题的改进候鸟优化方法。
技术介绍
混合流水车间调度问题(Hybridflow-shopschedulingproblem，HFSP)，又称柔性流水车间调度问题，由Salvador在1973年首先提出，该问题可以看作是经典流水车间调度问题与并行机调度问题的结合。在HFSP问题中，至少有一个阶段中处理机的个数大于1，这大大增加了HFSP的求解难度，已证明处理机数分别为2和1的两阶段的HFSP是NP-hard问题。按并行机种类的不同HFSP分为三类：相同并行机、均匀并行机和不相关并行机。混合流水车间调度问题在机械、物流、钢铁、纺织等领域有广泛的应用，譬如曲轴生产线、PCB板生产线等，因此研究HFSP对实际生产具有重要的意义。自HFSP提出之后，学者们探索各种求解HFSP的方法，目前求解HFSP方法主要可分为三类：精确算法、启发式规则和元启发式规则。精确算法，如分支定界法(B&B)，在问题规模小、问题性质不复杂的情况下可以求得问题的精确解，但实际调度问题往往求解空间太大，因此很难用精确算法求解；启发式规则，如优先分配规则，优点是能够快速构建问题的解，但启发式规则是局部优化方法，很难得到全局最优结果；Panwalkar等人在1977年对113种不同的规则进行了总结，Montazeri等针对FMS总结了20条常见的规则并分析了这些规则的性能；元启发式算法通过模拟某些自然现象和规律，具有较好的稳定性，近年来广泛应用于求解HFSP，如遗传算法(Geneticalgorithm，GA)、人工免疫系统算法(ArtificialImmuneSystem，AIS)、人工蜂群算法(ArtificialBeeColony，ABC)、蚁群算法(AntColonyOptimization，ACO)、粒子群算法(ParticleSwarmOptimization，PSO)、分布估计算法(EstimationofDistributionAlgorithm，EDA)等。一个较好的元启发式算法即使不能求得问题的最优解，但能够求得与最优解尽可能接近的较好解，近年来的研究趋势是将启发式规则与元启发式算法相结合，这大大提高元启发式算法的性能，如Pan首次提出24种启发式规则，并运用到离散人工蜂群算法中来求解混合流水车间总完工时间最小化问题。候鸟优化算法(MigratoryBirdOptimization，MBO)是一种新兴的元启发式算法，它通过模拟候鸟迁徙过程中V字队形减少能量损耗来对问题进行优化。MBO最早年由Duman在2012年提出并将其运用二次分配问题的求解上，获得解的质量优于遗传算法、模拟退火算法、禁忌搜索算法、粒子群算法等。此后，MBO被应用于解决各种问题，如信用卡欺诈检测问题、排课问题、连续函数问题等。同时，越来越多的学者尝试将MBO运用到生产线调度上：Pan将MBO用于混合流水车间调度问题；谢展鹏用MBO求解了阻塞流水车间的调度问题，通过求解经典算例验证了MBO的有效性和鲁棒性；Benkalai用MBO求解了准备时间与序列相关的置换流水车间调度问题；Tongur用MBO求解了流水车间调度问题。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种用于混合流水车间调度问题的改进候鸟优化方法，其目的在于解决现有用于混合流水车间调度问题的优化方法容易陷入局部最优而无法获得更优混合流水车间调度方案的技术问题。为实现上述目的，本专利技术提供一种用于混合流水车间调度问题的改进候鸟优化方法，包括如下步骤：步骤1：初始化领飞鸟个体、跟飞鸟个体、巡回次数及进化代数；步骤2：判断进化代数是否大于进化代数临界值，若是进入步骤4，否则，进入步骤3；步骤3：采用排列解码方式对领飞鸟个体和跟飞鸟个体进行进化获得进化后个体，并更新进化代数后进入步骤2；步骤4：根据领飞鸟个体产生领飞鸟个体邻域解，并依概率以微调排列解码方式获得领飞鸟个体邻域解的目标值，并以最优目标值对应的领飞鸟邻域解作为进化后领飞鸟；步骤5：根据跟飞鸟个体和领飞鸟个体邻域解产生跟飞鸟个体邻域解，并依概率以微调排列解码方式获得跟飞鸟个体邻域解的目标值，并以最优目标值对应的跟飞鸟邻域解作为进化后跟飞鸟；步骤6：判断巡回次数是否达到巡回次数临界值，若是，用进化后跟飞鸟作为本代领飞鸟，获得进化后个体，并初始化巡回次数进入步骤7，否则，更新巡回次数并进入步骤4；步骤7：判断进化代数是否达到进化总代数，若是，则将进化后种群中领飞鸟个体作为混合流水车间调度方案，否则，更新进化代数并进入步骤4。优选地，依概率微调排列解码方式包括如下子步骤：步骤21：将各个工件在第s-1个阶段中的完工时间进行升序排列获得第s个工件序列和第s个完工时间序列；步骤22：根据第r次更新第s个完工时间序列中第j对相邻完工时间的差值获得第r次更新第j个微调概率；步骤23：判断第r次更新第j个微调概率是否大于随机值，若是，则调换第r次更新第s个工件序列中第j对相邻工件的前后顺序和第r次更新第s个完工时间序列中第j对相邻完工时间的前后顺序，获得第r+1次更新第s个工件序列和第r+1次更新第s个完工时间序列；否则，第r+1次更新第s个工件序列为第r次更新第s个工件序列，第r+1次更新第s个完工时间序列为第r次更新第s个完工时间序列；步骤24：判断对次序j是否等于对总数n-1，若是，将第r+1次更新第s个工件序列作为第s个最终工件序列，并进入步骤25；否则，令r＝r+1，j＝j+1，进入步骤22；步骤25：判断加工阶段次序s是否等于加工阶段总数k，若是，将完成k个加工阶段的最大完工时间作为领飞鸟或者跟飞鸟的目标值；否则，令s＝s+1，r＝1，j＝1，并进入步骤21；其中，第1阶段中的工件序列根据领飞鸟或者跟飞鸟确定，第1次更新第s个完工时间序列为步骤21中的第s个工件序列，第1次更新第s个工件序列为步骤21中的第s个工件序列。优选地，步骤22中根据公式获得第j个微调概率；其中，为工件序列中第j个工件对应的工件完工时间。优选地，对跟飞鸟进行多次微调排列解码获得跟飞鸟的多个备选目标值，并将最优备选目标值作为跟飞鸟的目标值。优选地，对领飞鸟进行多次微调排列解码获得领飞鸟的多个备选目标值，并将最优备选目标值作为领飞鸟的目标值。优选地，通过对领飞鸟依概率进行最优插入和最优交换操作产生领飞鸟邻域解。优选地，根据如下步骤获得跟飞鸟领域解：对跟飞鸟进行最优插入和最优交换操作获得预备跟飞鸟领域解；将预备跟飞鸟领域解和领飞鸟领域解中未替换领飞鸟的领飞鸟领域解作为跟飞鸟领域解。优选地，步骤5和步骤6之间还包括如下步骤：采用随机交换、前插操作、后插操作或序对交换四种操作对进化后跟飞鸟进行局部搜索获得局部跟飞鸟个体；判断局部跟飞鸟个体的目标值是否优于进化后跟飞鸟个体的目标值，若是，则用最优目标值对应的局部跟飞鸟个体更新进化后跟飞鸟；否则，不更新进化后跟飞鸟。优选地，步骤3包括如下子步骤：步骤31：根据领飞鸟个体产生领飞鸟个体邻域解，并以排列解码方式获得领飞鸟个体邻域解的目标值，并以最优目标值对应的领飞鸟邻域解作为进化后领飞鸟；本文档来自技高网...

【技术保护点】
1.一种用于混合流水车间调度问题的改进候鸟优化方法，其特征在于，包括如下步骤：步骤1：初始化领飞鸟个体、跟飞鸟个体、巡回次数及进化代数；步骤2：判断进化代数是否大于进化代数临界值，若是进入步骤4，否则，进入步骤3；步骤3：采用排列解码方式对领飞鸟个体和跟飞鸟个体进行进化获得进化后个体，并更新进化代数后进入步骤2；步骤4：根据领飞鸟个体产生领飞鸟个体邻域解，并依概率以微调排列解码方式获得领飞鸟个体邻域解的目标值，并以最优目标值对应的领飞鸟邻域解作为进化后领飞鸟；步骤5：根据跟飞鸟个体和领飞鸟个体邻域解产生跟飞鸟个体邻域解，并依概率以微调排列解码方式获得跟飞鸟个体邻域解的目标值，并以最优目标值对应的跟飞鸟邻域解作为进化后跟飞鸟；步骤6：判断巡回次数是否达到巡回次数临界值，若是，用进化后跟飞鸟作为本代领飞鸟，获得进化后个体，并初始化巡回次数进入步骤7，否则，更新巡回次数并进入步骤4；步骤7：判断进化代数是否达到进化总代数，若是，则将进化后种群中领飞鸟个体作为混合流水车间调度方案，否则，更新进化代数并进入步骤4。

【技术特征摘要】
1.一种用于混合流水车间调度问题的改进候鸟优化方法，其特征在于，包括如下步骤：步骤1：初始化领飞鸟个体、跟飞鸟个体、巡回次数及进化代数；步骤2：判断进化代数是否大于进化代数临界值，若是进入步骤4，否则，进入步骤3；步骤3：采用排列解码方式对领飞鸟个体和跟飞鸟个体进行进化获得进化后个体，并更新进化代数后进入步骤2；步骤4：根据领飞鸟个体产生领飞鸟个体邻域解，并依概率以微调排列解码方式获得领飞鸟个体邻域解的目标值，并以最优目标值对应的领飞鸟邻域解作为进化后领飞鸟；步骤5：根据跟飞鸟个体和领飞鸟个体邻域解产生跟飞鸟个体邻域解，并依概率以微调排列解码方式获得跟飞鸟个体邻域解的目标值，并以最优目标值对应的跟飞鸟邻域解作为进化后跟飞鸟；步骤6：判断巡回次数是否达到巡回次数临界值，若是，用进化后跟飞鸟作为本代领飞鸟，获得进化后个体，并初始化巡回次数进入步骤7，否则，更新巡回次数并进入步骤4；步骤7：判断进化代数是否达到进化总代数，若是，则将进化后种群中领飞鸟个体作为混合流水车间调度方案，否则，更新进化代数并进入步骤4。2.如权利要求1所述的改进候鸟优化方法，其特征在于，所述依概率微调排列解码方式包括如下子步骤：步骤21：将各个工件在第s-1个阶段中的完工时间进行升序排列获得第s个工件序列和第s个完工时间序列；步骤22：根据第r次更新第s个完工时间序列中第j对相邻完工时间的差值获得第r次更新第j个微调概率；步骤23：判断第r次更新第j个微调概率是否大于随机值，若是，则调换第r次更新第s个工件序列中第j对相邻工件的前后顺序和第r次更新第s个完工时间序列中第j对相邻完工时间的前后顺序，获得第r+1次更新第s个工件序列和第r+1次更新第s个完工时间序列；否则，第r+1次更新第s个工件序列为第r次更新第s个工件序列，第r+1次更新第s个完工时间序列为第r次更新第s个完工时间序列；步骤24：判断对次序j是否等于对总数n-1，若是，将第r+1次更新第s个工件序列作为第s个最终工件序列，并进入步骤25；否则，令r＝r+1，j＝j+1，进入步骤22；步骤25：判断加工阶段次序s是否等于加工阶段总数k，若是，将完成k个加工阶段的最大完工时间作为领飞鸟或者跟飞鸟的目标值；否则，令s＝s+...

【专利技术属性】
技术研发人员：任彩乐，张超勇，邵新宇，孟磊磊，任亚平，洪辉，余俊，詹欣隆，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42