基于自适应遗传算法的混合流水车间可持续调度控制方法技术

本发明专利技术涉及一种基于自适应遗传算法的混合流水车间可持续调度控制方法，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，基于混合流水车间加工特点，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。与现有技术相比，本发明专利技术具有节能效果明显、求解效率高等优点。

Hybrid Flow Shop Sustainable Scheduling Control Method Based on Adaptive Genetic Algorithms

【技术实现步骤摘要】
基于自适应遗传算法的混合流水车间可持续调度控制方法
本专利技术涉及制造行业生产节能控制
，尤其是涉及一种基于自适应遗传算法的混合流水车间可持续调度控制方法。
技术介绍
尽管混合流水车间调度(HybridFlowshopScheduling,HFS)问题已经有较多的研究成果，但是大多数的研究对实际问题做了简化，缺少对实际生产环境中复杂调度情况的考虑。体现在，一方面当前研究成果往往以优化生产性能为目标，例如，最小化最大完工时间、总的加工时间以及总的延迟时间等。然而，随着环境问题的凸显和能源成本的上升，生产制造的可持续发展越来越受到重视，尤其以如何优化生产过程中的能源消耗问题最为紧迫。因此，本专利技术将降低能耗作为生产调度的优化目标。另一方面，当前研究成果对实际生产调度中的约束条件考虑不足，而本专利技术考虑了来源于钢铁企业炼钢-连铸生产过程的末道工序批加工约束。因此，本专利技术研究末道工序批加工的混合流水车间可持续调度问题，具有重要的理论和应用价值。混合流水车间调度问题求解难度高，目前的求解方法主要有运筹学方法、启发式方法和元启发式方法。运筹学方法往往难以在有效时间内获得精确解，尤其难以应用于考虑了复杂约束的调度问题。启发式方法简单易行，然而对调度问题特点较为敏感，不具有一般性。元启发式方法不依赖于具体的调度问题，其由于较好的求解性能越来越受到青睐。其中，遗传算法在求解混合流水车间调度问题上得到了广泛的应用，然而其仍存在着易陷入局部最优解等缺点。鉴于此，本专利技术设计一种自适应遗传算法以获得高效的求解性能。经过对现有技术的文献检索，发现混合流水车间调度研究较多。在中国专利“一种用于混合流水车间调度问题的改进候鸟优化方法”(公开号CN108287531A)，任彩乐等提出了改进的候鸟优化方法以求解经典的混合流水车间调度问题。在中国专利“一种混合流水车间调度方法”(公开号CN102929263A)，李冬妮等提出了一种包含并行批处理、串行批处理和装配的混合流水车间调度方法。但这些技术方法都是以传统生产性能为优化目标。而在考虑能耗方面，在中国专利“一种混合流水车间调度节能控制方法”(公开号CN108153268A)，孟磊磊等考虑了机床能耗和公共能耗，提出一种基于候鸟优化算法的求解方法。针对以能耗为优化目标的混合流水车间调度的技术方法还十分有限，并且这些技术对于来源于实际生产的约束考虑不足。因此，目前仍缺少以降低能耗为优化目标，同时考虑复杂实际约束的混合流水车间调度技术方法的研究。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于自适应遗传算法的混合流水车间可持续调度控制方法。本专利技术的目的可以通过以下技术方案来实现：一种基于自适应遗传算法的混合流水车间可持续调度控制方法，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。进一步地，所述步骤2)中，最小化能耗的目标函数表示为：minE＝EI+ER式中，E为总能耗，EI为机器等待能耗，ER为工件驻留能耗；i代表工件号，j代表机器号，k代表工序号；H为混合流水车间中总的工序数量，L为混合流水车间中总的工件数量，Nk为在工序k上的机器数量；ak,ij为加工状态参数，若工件i在工序k的机器j上加工，则ak,ij＝1，否则为工件i在工序k上的结束时间，nk,ij为工序k上的机器j加工工件i结束后所要加工的工件，为工件nk,ij在工序k上的开工时间，为工件i在工序k+1上的开工时间；ipk,j为工序k上的机器j的单位等待能耗，rpk,i为工件i在工序k和k+1之间的单位驻留能耗。进一步地，所述步骤2)中的调度模型满足的约束条件包括：a)同一个工件在每道工序上只能被加工一次；b)工件的开始加工时间不小于零；c)工件的上下工序约束；d)工件在加工过程中不能被打断；e)末道工序上同一个批次内的工件连续加工；f)末道工序上同一个机器在加工前后两个批次之间需要准备时间；g)末道工序上同一个工件只能被安排到一个批次中。进一步地，所述步骤3)中，分层的编码方式表示为：其中，矩阵B是一个H×L的矩阵，bk,i是工件i在第k道工序上选择的加工机器号，其一行即一层，一层上的基因代表了每个工件在一道工序上的机器选择，且最后一层的工件机器号基于所述末道工序批加工信息获得。进一步地，所述自适应遗传算法中，采用分层交叉方式实现交叉操作，且交叉概率自适应调整，所述分层交叉具体为：除最后一层外，在两个待交叉个个体上逐层选择待交叉的基因，在每一层中以部分映射交叉的方式进行交叉。进一步地，所述交叉概率的自适应调整公式为：其中，Pcmin和Pcmax分别是最小和最大交叉概率，fit(n)是个体n的适应度值，fitmax是当前种群中的最大适应度值，fitavg是当前种群中的平均适应度值，fitjdg＝β×fitavg，参数β随机取自区间进一步地，所述自适应遗传算法中，采用分层变异方式实现变异操作，且变异概率自适应调整，所述分层变异具体为：除最后一层外，在待变异的个体上逐层选取变异基因，在每一层中将选取的两个基因以基因交换的形式进行变异。进一步地，所述变异概率的自适应调整公式为：其中，Pmmin和Pmmax分别是最小和最大变异概率，fit(n)是个体n的适应度值，fitmax是当前种群中的最大适应度值，fitavg是当前种群中的平均适应度值；fitjdg＝β×fitavg，参数β随机取自区间与现有技术相比，本专利技术具有以如下有益效果：(1)本专利技术面向考虑末道工序批加工约束和能耗优化目标的混合流水车间调度问题，具有重要的实际应用背景，建立了以降低能耗为目标的调度模型，通过应用该模型，能在保证生产性能的情况下，明显降低能源消耗；本专利技术有利于制造企业节约能源，保证生产效率；(2)本专利技术设计了自适应遗传算法进行求解，主要技术特点包括分层的编码和基因重组方式，以及自适应的概率调整方法，算法流程简单，并且得到的调度方案优于其他常见的方法；(3)本专利技术有效提高制造企业的自动化水平、降低成本、提升效率，具有一定的应用价值。附图说明图1为本专利技术的流程示意图；图2为本专利技术自适应的交叉概率调整示意图；图3为本专利技术分层的交叉方式示意图；图4为本专利技术分层的变异方式示意图；图5为本专利技术实施例中两种调度模型在最大完工时间上的比较示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。如图1所示，本专利技术提供一种基于自适应遗传算法的混合流水车间可持续调度控制方法，通过建立末道工序批加工的混合流水车间调度的可持续性目标和约束条件，以自适应遗传算法求解调度模型得到优化的调度方案，以控制工件加工过程。该方法具体包括以下步骤：步骤1)，获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工本文档来自技高网...

【技术保护点】
1.一种基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。

【技术特征摘要】
1.一种基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。2.根据权利要求1所述的基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，所述步骤2)中，最小化能耗的目标函数表示为：minE＝EI+ER式中，E为总能耗，EI为机器等待能耗，ER为工件驻留能耗；i代表工件号，j代表机器号，k代表工序号；H为混合流水车间中总的工序数量，L为混合流水车间中总的工件数量，Nk为在工序k上的机器数量；ak，ij为加工状态参数，若工件i在工序k的机器j上加工，则ak，ij＝1，否则ak，ij＝0；为工件i在工序k上的结束时间，nk，ij为工序k上的机器j加工工件i结束后所要加工的工件，为工件nk，ij在工序k上的开工时间，为工件i在工序k+1上的开工时间；ipk，j为工序k上的机器j的单位等待能耗，rpk，i为工件i在工序k和k+1之间的单位驻留能耗。3.根据权利要求2所述的基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，所述步骤2)中的调度模型满足的约束条件包括：a)同一个工件在每道工序上只能被加工一次；b)工件的开始加工时间不小于零；c)工件的上下工序约束；d)工件在加工过程中不能被打断；e)末道工序上同一个批次内的工件连续加工；f)末道工序上同一个机器在加工前后两个批次之间需要准备时间；g)末道工序上同一个工件只能被安排到一个...

【专利技术属性】
技术研发人员：乔非，卢弘，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31