针对柔性作业车间调度的改进遗传算法制造技术

本发明专利技术提出了针对柔性作业车间调度的改进遗传算法，该算法涉及作业车间调度技术领域，具体地涉及柔性作业车间调度技术领域。本发明专利技术针对传统遗传算法编码方式复杂，解码困难问题、且搜索开发能力较弱，容易早熟、遗传算子操作易出现不可行解的问题。本发明专利技术对比现有算法的改进如下：1、编码仅在一条染色体进行，编码染色体基因由三元数组（i，j，k）组成，编码方式简洁方便且不需要解码。2、根据两种不同的规则采用定位的方法为工序选择设备，采用三种已知的有效调度规则为工序排序。3、交叉和变异操作都采用基于工序优先级保护的遗传算子。4、执行变异之前通过公式计算个体和基因变异的概率，更符合自然法则。本发明专利技术实用性强。

An improved genetic algorithm for flexible job shop scheduling

The invention provides an improved genetic algorithm for flexible job shop scheduling, which relates to the technical field of job shop scheduling. Aiming at the problem that the traditional genetic algorithm is complex in coding, difficult in decoding, and weak in searching and developing ability, it is easy to be premature, and the genetic operator is easy to appear infeasible solution. Compared with the existing algorithm, the improvement is as follows: 1. The coding is carried out on only one chromosome, and the coding chromosome gene is composed of an array of three elements (I, J, K). 2, according to the two different rules using the positioning method for the process of equipment selection, using the three known effective scheduling rules for process sequencing. 3, crossover and mutation operations are based on process priority protection of genetic operators. 4, before the implementation of the mutation through the formula to calculate the probability of individual and genetic variation, more in line with the laws of nature. The invention has strong practicability.

【技术实现步骤摘要】
所属
本专利技术涉及作业车间调度
，具体地涉及一种实用性强的柔性作业车间调度

技术介绍
作业车间调度问题(JobShopSchedulingProblem，JSP)作为典型的组合优化问题之一，其研究起始于20世纪50年代，最早要追溯到1954年科学家对两台机床的流水车间调度问题的提出和解决。近几十年来，由于实际生产的需要和相关技术尤其是智能优化算法的不断提出，越来越多的学者致力于JSP研究。从单资源约束到多资源约束、确定性到不确定性、单目标到多目标、小规模到大规模，各类JSP都得到了广泛的研究。且已有部分智能调度方法的研究成果成功应用于实际生产过程中。柔性作业车间调度问题(FlexibleJobShopSchedulingProblem，FJSP)更接近生产实际，是经典作业车间调度问题的延伸，最早是在1990年提出的，FJSP是指建立FJSP的模型，通过某种算法为每项作业的每道工序分配适当的机器，并确定各机器上工序的加工顺序，以在满足各种约束条件的前提下，实现作业的完工时间最短、拖期最小、各机器的负载均衡等优化目标。由于FJSP需要非常大的组合搜索空间，且问题的复杂性更高，因此属于NP-hard问题。从FJSP的提出到现在，国内外有很多专家学者提出了多种算法。主要集中在改进粒子群算法、改进遗传算法、混合算法等进化算法。遗传算法(GeneticAlgorithm,GA)作为一种启发性搜索方法，是基于“适者生存”机制设计的算法，其思想来源于达尔文的进化论和孟德尔的遗传学说。GA主要是通过从改进交叉操作和变异操作的角度以适应于具体问题的求解。但现有的遗传面临编码复杂，解码困难，算法容易早熟，且产生不可行的解(调度方案)等问题。
技术实现思路
针对上述不足之处，本专利技术要解决的问题是提供改进的遗传算法求解柔性作业车间调度问题。本专利技术的目标是：第一.解决现有遗传算法编码方式复杂，解码困难问题；第二.解决遗传算法搜索开发能力较弱，容易早熟问题；第三.解决进化过程中遗传算子操作出现不可行解的问题。本专利技术针对上述目的所采用的技术方案是：第一.直接采用(i，j，k)的形式表示工序Oj，j，k编码染色体，不需要复杂的编码和解码过程；第二.根据两种不同的规则采用定位的方法为工序选择设备，采用三种已知的有效调度规则为工序排序；第三.交叉和变异操作都采用基于工序优先级保护的遗传算子；第四.通过公式计算个体和基因进行变异的概率。本专利技术为实现上述目的所采用的技术方案是：采用一种改进遗传算法求解柔性作业车间调度问题，该算法包括以下步骤：步骤1：初始化种群S；步骤1.1：编码在一条染色体进行，编码染色体基因由一个三元数组(i，j，k)组成，表示工序Oi，j在设备Mk上加工，染色体的长度是所有工件的工序数量步骤1.2：生成一个初始解需要两步，第一：将每一道工序分配到合适的设备；第二：在满足每个工件工序优先约束的情况下确定工序的加工顺序；步骤1.2.1：采用定位的方法初始化设备部分；步骤1.2.2：采用优先规则的方法初始化工序排序部分；步骤2：计算个体适应度，记录最好适应度个体；步骤3：判断是否达到最大迭代次数，是则返回最优解结束此程序，否则执行下一步骤；步骤4：采用轮盘赌轮法选择个体进行进化；步骤5：对选择的个体采用基于工序优先顺序保护的交叉(POX交叉)；步骤6：计算个体和基因的变异概率，采用基于工序优先级保护的移位变异(PPS变异)；步骤7：返回步骤2，重复此程序；本专利技术的有益效果是：第一：采用(i，j，k)的形式表示染色体的基因，染色体长度等于所有工件的工序数量，不会随着进化过程变化，且不需要专门的编码解码过程；第二.采用现有规则的混合来产生初始解，不仅保证初始解的质量不会过低，还增加了种群的多样性，增大了解的搜索空间；第三.基于工序优先级保护的遗传算子避免了不可行解的产生；第四.计算动态变异概率，能够控制搜索方向，提高遗传算法性能。附图说明图1表示本算法的流程图图2表示本算法的编码方式实例图3表示本算法初始解得到的调度甘特图图4表示两条染色体的POX交叉实例图5表示一条染色体的PPS变异实例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，以下结合附图和实施例对本专利技术进一步详细说明。应当理解此处所描述的具体实施例仅仅用于解释本专利技术并不用于限定本专利技术。本专利技术采用新的编码方式，简洁方便不需要专门的解码，采用基于工序优先级保护的遗传算子避免不可行解的产生，计算动态变异概率更符合自然法则且能够控制搜索方向，提高算法性能。柔性作业车间调度问题可以表述如下：n个独立工件的集合J＝{J1，J2，…，Jn本文档来自技高网...

【技术保护点】
针对柔性作业车间调度的改进遗传算法，该算法突破了常规的编码方式，初始解的产生方式，交叉变异方式，其特征在于：该算法的流程如下：步骤1：初始化种群S；步骤1.1：编码在一条染色体进行，编码染色体基因由一个三元数组（i，j，k）组成，表示工序在设备上加工，染色体的长度是所有工件的工序数量；步骤1.2：生成一个初始解需要两步，第一：将每一道工序分配到合适的设备；第二：在满足每个工件工序优先约束的情况下确定工序的加工顺序；步骤1.2.1：采用定位的方法初始化设备部分；步骤1.2.2：采用优先规则的方法初始化工序排序部分；步骤2：计算个体适应度，记录最好适应度个体；步骤3：判断是否达到最大迭代次数，是则返回最优解结束此程序，否则执行下一步骤；步骤4：采用轮盘赌轮法选择个体进行进化，个体被选择的概率计算如下：（1）其中，是种群中最小的适应度值，是最大的适应度值，是个体的适应度值，是种群中的个体；步骤5：对选择的个体采用基于工序优先顺序保护的交叉（POX交叉）；步骤6：计算个体和基因的变异概率，采用基于工序优先级保护的移位变异（PPS变异）；步骤7：返回步骤2，重复此程序。

【技术特征摘要】
1.针对柔性作业车间调度的改进遗传算法，该算法突破了常规的编码方式，初始解的产生方式，交叉变异方式，其特征在于：该算法的流程如下：步骤1：初始化种群S；步骤1.1：编码在一条染色体进行，编码染色体基因由一个三元数组（i，j，k）组成，表示工序在设备上加工，染色体的长度是所有工件的工序数量；步骤1.2：生成一个初始解需要两步，第一：将每一道工序分配到合适的设备；第二：在满足每个工件工序优先约束的情况下确定工序的加工顺序；步骤1.2.1：采用定位的方法初始化设备部分；步骤1.2.2：采用优先规则的方法初始化工序排序部分；步骤2：计算个体适应度，记录最好适应度个体；步骤3：判断是否达到最大迭代次数，是则返回最优解结束此程序，否则执行下一步骤；步骤4：采用轮盘赌轮法选择个体进行进化，个体被选择的概率计算如下：（1）其中，是种群中最小的适应度值，是最大的适应度值，是个体的适应度值，是种群中的个体；步骤5：对选择的个体采用基于工序优先顺序保护的交叉（POX交叉）；步骤6：计算个体和基因的变异概率，采用基于工序优先级保护的移位变异（PPS变异）；步骤7：返回步骤2，重复此程序。2.根据权利要求1所述的针对柔性作业车间调度的改进遗传算法，其特征在于：本发明采用定位的方法为工序分配设备，既考虑加工时间又考虑设备的总负荷（每一台设备上的工序的加工时间之和），依次为每一道工序寻找最小加工时间设备，选择这个设备，然后把这个时间加入到每一个随后进入到该设备上加工工序的加工时间内（设备负荷更新）。3.根据权利要求1所述的针对柔性作业车间调度的改进遗传算法，其特征在于：本发明采用两种规则来产生...

【专利技术属性】
技术研发人员：胡成华，
申请(专利权)人：四川用联信息技术有限公司，
类型：发明
国别省市：四川;51