基于DE和L‑BFGS‑B混合算法的柔性化车间任务调度优化方法技术

一种车间生产调度技术领域的基于DE和L‑BFGS‑B混合算法的柔性化车间任务调度优化方法，用于车间生产的排产管理，包括以下步骤：1)建立柔性化车间调度问题的数学规划模型；2)基于高斯函数与罚函数法将原数学规划模型优化为连续可微的无约束广义目标函数；3)基于DE与L‑BFGS‑B混合算法求解无约束广义目标函数得到拖期最小化的最优适应值。本发明专利技术以拖期最小化作为优化目标，并考虑了设备与操作员两种资源的多种约束情况，可以指导实际生产，并提高生产效率。

Flexible job shop scheduling optimization method based on DE and L BFGS B hybrid algorithm

A scheduling technology based on the production of flexible job shop scheduling optimization method of DE and L BFGS B hybrid algorithm for the production management of workshop production line, which comprises the following steps: 1) the establishment of mathematical model of flexible job shop scheduling problem; 2) Gauss function and penalty function method of the original mathematical programming optimization model for continuous differentiable unconstrained generalized objective function based on DE and L; 3) BFGS B hybrid algorithm for solving unconstrained generalized objective function to get the optimal fitness value based on the minimization of tardiness. The present invention takes the minimization of tardiness as the optimization objective, and considers the constraints of the two resources of the equipment and the operator, which can guide the actual production and improve the production efficiency.

【技术实现步骤摘要】
基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法
本专利技术涉及的是一种车间生产调度领域的技术，具体是一种基于DE(DifferentialEvolutionAlgorithm，差分进化算法)和L-BFGS-B(ALimitedMemoryQuasi-NewtonAlgorithmwithSimpleBoundsontheVariables)混合算法对柔性化车间生产任务调度进行优化的方法。
技术介绍
调度是制造生产过程中的核心组成部分，其用于解决生产中怎么做的问题。它需给出各道工序何时、何地由何人作业，以达到指定性能指标的最优。其中，柔性化生产车间调度问题是一类更接近于生产实际的调度问题，得到广泛的研究。它是指每道工序可在一台或多台调度机器上加工，加工过程有多条工艺路线可供选择，相比于传统车间调度问题，它突破了机器约束和加工工艺路线固定的限制，是更为复杂的一类车间调度问题。目前，对于求解这类问题的算法可分为三类：1)精确算法；2)启发式算法；3)进化类算法。其中，精确算法对求解问题有较多的限制，一般针对特定的问题，求解效率较低。启发式算法虽然求解速度较快，但解质量较差。因此这两类方法难以满足实际调度问题的求解需求。故目前进化类算法因求解效率较快及质量较高的优点，使之成为用来解决这类问题最有效的方法之一。DE是由StornR和PriceK提出来的一种采用浮点矢量编码，可对非线性和不可微的连续空间进行启发式随机搜索的优化算法。其具备实现简单、收敛迅速、易于使用且鲁棒性高的特性。目前已有学者开展了DE算法求解车间调度问题的研究。但是DE算法存在进化前期收敛速度较快，进化后期收敛速度明显变慢的特征。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出了一种基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法，以拖期最小化作为优化目标，考虑了设备与操作员两种资源的多种约束情况，能够提升生产效率。本专利技术是通过以下技术方案实现的：本专利技术通过建立柔性化车间任务调度问题模型并进行优化后得到优化广义目标函数，然后通过DE与L-BFGS-B混合算法求解优化广义目标函数，实现车间任务调度的优化。所述的柔性化车间任务调度问题模型为：优化目标为拖期最小化，目标函数具体为：其中：Gt(·)为获取第k个零件计划完成时间的函数，partnamek为名为name的部件中的第k个零件，Rtk为第k个零件的需求完成时间，对每个零部件只有一个需求完成时间。所述目标函数的约束条件有：约束1：表示操作员技能约束，表示了工序i所选的操作者oi和设备mi必须要满足oi在mi操作者序列中的条件；约束2：约束3：约束2和约束3表示工序在时间上的约束，其用来满足加工顺序的约束，使得各工序之间满足加工顺序；约束4：表示设备生产能力约束，任一设备上所有工序生产时间之和不大于计划期内该设备的生产能力；约束5：表示同一操作员在一个时间段内只能操作一个任务；约束6：表示同一设备在一个时间段内只能操作一个任务；该柔性化车间任务调度问题模型中：Sti表示任务i的生产开始时间；mi表示在设备mi上对任务i作业；oi表示任务i由操作员oi生产；Fti表示任务i的生产完成时间，有mcnum表示第num台设备的生产能力，一共M台设备；表示ti与tj的工艺约束关系当值为-1时表示tj在ti前，0时表示ti与tj没有关系，1时表示tj在ti后；对于连续的工序，必须有前面的工序的生产完成时间小于后面工序的生产开始时间；当mi＝num时，值为1，反之为0；当oi＝oj时，值为1，反之为0；当mi＝mj时，值为1，反之为0；当oi具备操作mi的技能时，值为1，反之为0。在进行优化求解前需基于高斯函数对所述模型的布尔逻辑函数进行光滑连续化，并基于罚函数法将所述的模型优化为广义目标函数，具体包括以下步骤：步骤1：基于高斯函数光滑连续化布尔逻辑函数。在调度规划模型中，常常存在部分函数关系无法用数学形式化描述，需用布尔函数逻辑判断代替的情形，如J(num,mi)函数，其表示当mi＝num时，值为1，反之为0。当满足特定条件时，给出一个数值为1的脉冲。该函数存在不连续不可微的特点，因实际需要我们往往希望用光滑连续化的理想化数学模型描述该函数。因此提出了基于高斯函数光滑连续化布尔逻辑函数的方法。高斯函数即为正态分布函数为：其中：μ为集中趋势的位置，σ为离散的程度，σ取值越小，则f(x)越接近于x＝0处的脉冲。为描述布尔函数B(x)在x＝m时存在一个数值为1的脉冲，其理想化表示为其中σ足够小。因此，对所述模型的约束中存在的布尔逻辑函数Sk(oi,mi)，J(num,mi)，C1(oi,oj)和C2(mi,mj)进行转换，具体包括：A)J(num,mi)转换：当mi＝num时，J(num,mi)＝1，故则约束条件3变为：B)C1(oi,oj)转换：当i＝j，即oi＝oj时，C1(oi,oj)＝1，故则约束条件4变为：C)C2(mi,mj)转换：当i＝j，即mi＝mj时，C2(mi,mj)＝1，故则约束条件5变为：D)Sk(oi,mi)转换：当oi和mi满足某个映射关系时，约束Sk(oi,mi)会出现一个脉冲，映射关系有限，故可对这有限个脉冲函数一一进行连续化变换；设共Ti个映射集合，可用值对集合{(voi1,vmi1),...,(voit,vmit),...,(voiTi,vmiTi)}表示，其中voit和vmit为一个映射关系：当i＝j，即oi＝oj时，C1(oi,oj)＝1，则步骤2：基于罚函数法对数学模型优化，优化后的广义目标函数为：其中：各罚函数的惩罚力度分别是β，μ，σ，θ和λ，都大于零。所述的基于DE与L-BFGS-B混合算法，下文以DE-LBFGSB表示该混合算法，有算法参数：F，CR1，CR2，size，maxg，m，std_tol，prob，tol，其中F为缩放因子，CR1为收敛前期杂交概率，CR2为收敛中后期杂交概率，size为种群规模，maxg为最大迭代数，m指定了存储序列的大小，std_tol为收敛标准差阈值，prob为概率选择阈值，tol为容忍系数。所述DE-LBFGSB算法的步骤为：步骤1：初始化当前种群代数g＝0并设定算法参数：设置initial_flag＝True，ind_opt＝1010，指定容量大小为m的适应值序列型存储容器fitness，通过对个体xi上第j个基因在解区间内进行初始化，其中rand(0,1)随机产生符合[0，1]区间内均匀分布的随机数，对xi上所有基因依次进行该操作。遍历整个种群完成初始化，其中i＝1,2,...,size。步骤2：判断第g代种群迭代数大小或第g代种群中个体的收敛标准差阈值，若到达结束条件g＝maxg或std(pop(g))<tol，得到最优解，结束算法，否则继续以下操作；步骤3：变异操作；将步骤2中的种群集合作为当前种群集合pop(g)，通过vi(g+1)＝xr1(g)+F*(xr2(g)-xr3(g))依次对种群集合pop(g)中每个个体进行处理，获得变异种群集合pop_muta(g+1)＝{v1(g+1)，v2(g+1)，...，vsize(g+1)}；步骤4：交叉操作；通过依次对第g代种群本文档来自技高网...

【技术保护点】
一种基于DE和L‑BFGS‑B混合算法的柔性化车间任务调度优化方法，其特征在于，通过建立柔性化车间任务调度问题模型并进行优化后得到优化广义目标函数，然后通过DE与L‑BFGS‑B混合算法求解优化广义目标函数，实现车间任务调度的优化；所述的柔性化车间任务调度问题模型为：优化目标为拖期最小化，目标函数具体为：

【技术特征摘要】
1.一种基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法，其特征在于，通过建立柔性化车间任务调度问题模型并进行优化后得到优化广义目标函数，然后通过DE与L-BFGS-B混合算法求解优化广义目标函数，实现车间任务调度的优化；所述的柔性化车间任务调度问题模型为：优化目标为拖期最小化，目标函数具体为：其中：Gt(·)为获取第k个零件计划完成时间的函数，partnamek为名为name的部件中的第k个零件，Rtk为第k个零件的需求完成时间，对每个零部件只有一个需求完成时间；所述目标函数的约束条件有：1)约束1，操作员技能约束：Sk(oi,mi)＞0，2)工序在时间上的约束：约束2，CR(ti,tj)*Fti≤CR(ti,tj)*Stj，约束3，CR(ti,tj)*Sti≤CR(ti,tj)*Ftj，3)约束4，设备生产能力约束：4)约束5，工人操作任务约束：C1(oi,oj)*(Fti-Stj)*(Ftj-Sti)≤0，5)约束6，设备操作任务约束：C2(mi,mj)*(Fti-Stj)*(Ftj-Sti)≤0，2.根据权利要求1所述的基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法，其特征是，所述的优化首先采用高斯函数对数学模型进行光滑连续化，然后采用罚函数法获得优化广义目标函数。3.根据权利要求2所述的基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法，其特征是，所述的高斯函数对数学模型进行光滑连续化，包括对以下约束的转换：A)J(num,mi)转换：当mi＝num时，J(num,mi)＝1，故则约束变为：B)C1(oi,oj)转换：当i＝j，即oi＝oj时，C1(oi,oj)＝1，故则约束变为：C)C2(mi,mj)转换：当i＝j，即mi＝mj时，C2(mi,mj)＝1，故则约束变为：D)Sk(oi,mi)转换：设共Ti个映射集合，可用值对集合表示，其中voit和vmit为一个映射关系：当i＝j，即oi＝oj时，C1(oi,oj)＝1，则4.根据权利要求2所述的基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法，其特征是，所述的优化广义目标函数：5.根据权利要求1所述的基于DE和L-BFGS-B混合算法的柔性化车间任务调度优化方法，其特征是，所述的基于DE与L-BFGS-B混合算法求解优化广义目标...

【专利技术属性】
技术研发人员：时轮，王池平，
申请(专利权)人：上海交通大学，上海神剑精密机械科技有限公司，
类型：发明
国别省市：上海,31