The invention belongs to the manufacturing technical field and discloses a method for solving mixed flow shop scheduling algorithm based on discrete pollination of flowers including: S1: set the target parameters to generate the initial population; S2: decoding the population flower position; S3: calculating the position of the flowers of fitness value, and choose the optimal position of the flowers S4: the location of the flowers; update operation; S5: comparison of update and update the position of the flowers before the fitness value, and keep the fitness value of the lower position of the flowers; S6: comparison of updated and the optimal position of the flowers to the fitness value, and keep the fitness value of the lower position of the flowers; S7: implementation adaptive dynamic changes of workpiece block variable search area; S8: to determine whether the termination condition, if it is, then the output of the optimal position of the flowers and the fitness value, and if no end, Then go back to step S3. The method is feasible and effective, and enriches the method of solving mixed flow shop scheduling problem.
【技术实现步骤摘要】
基于离散花朵授粉算法求解混合流水线调度问题的方法
本专利技术涉及生产制造
,特别涉及一种基于离散花朵授粉算法求解混合流水线调度问题的方法。
技术介绍
在化工制造、制药生产、钢铁铸造等现实生产的调度过程都可以归结为求解混合流水线调度问题。混合流水线调度问题作为传统流水线调度问题的扩展和延伸,其特征在于加工工件存在多个加工序列,且加工序列中至少有一个加工序列存在两台及以上的加工机器,属于组合优化问题。传统求解混合流水线调度问题(HFSP,即HybridFlow-shopSchedulingProblem)的方法主要有精确计算法和启发式算法。精确计算法只适合于所求解规模较小问题的情况,随着问题规模不断的增大,其计算时间难以接受;启发式算法虽然能够在较短的时间内构造出问题域的解,但解的质量难以保证。有鉴于此,近年来,基于计算智能的方法,包括蚁群算法、人工神经网络、模糊系统、遗传算法、免疫算法等计算智能算法成功运用到了求解混合流水线调度问题上,并能够在可行的时间复杂度下获得问题的最优解或近似最优解。然而在求解混合流水线调度问题中,采用单一的算法往往易陷入“早熟”,造成优化精度低。花朵授粉算法是模拟花朵授粉过程提出的一种智能仿生算法,该算法具有结构简单、参数设置少、较强的全局搜索性能以及易实现等优点。目前许多学者在该算法的基础上提出部分改进,并推广到工农业生产问题的求解,如束优化问题、经济负荷分配问题、优化上浆桁架结构问题、优化分布式系统中电容器位置和大小和聚类分析等。因此,根据混合流水线调度问题具有离散性的特点,构建一种基于离散的花朵授粉算法来求解混合 ...
【技术保护点】
一种基于离散花朵授粉算法求解混合流水线调度问题的方法,其特征在于,包括以下具体步骤:S1:设置离散花朵授粉算法的目标参数,生成离散的初始化种群;其中,所述目标参数包括种群规模、授粉方式选择概率、最大工件块和最大迭代次数;S2:对所述初始化种群中的花朵位置进行解码;S3:计算所述初始化种群中花朵位置的适应度值,并选择最优的花朵位置;S4:采用更新操作方法,对所述初始化种群的花朵位置进行更新操作;S5:将更新后的花朵位置适应度值与更新前的花朵位置适应度值进行对比,并保留适应度值较低的花朵位置;S6:将更新后的花朵位置适应度值与最优的花朵位置适应度值进行对比,并保留适应度值较低的花朵位置;S7:执行动态自适应变化工件块的变领域搜索;S8:判断是否满足终止条件,如果是,则输出最优花朵位置及其适应度值,并结束;如果否,则返回步骤S3。
【技术特征摘要】
1.一种基于离散花朵授粉算法求解混合流水线调度问题的方法,其特征在于,包括以下具体步骤:S1:设置离散花朵授粉算法的目标参数,生成离散的初始化种群;其中,所述目标参数包括种群规模、授粉方式选择概率、最大工件块和最大迭代次数;S2:对所述初始化种群中的花朵位置进行解码;S3:计算所述初始化种群中花朵位置的适应度值,并选择最优的花朵位置;S4:采用更新操作方法,对所述初始化种群的花朵位置进行更新操作;S5:将更新后的花朵位置适应度值与更新前的花朵位置适应度值进行对比,并保留适应度值较低的花朵位置;S6:将更新后的花朵位置适应度值与最优的花朵位置适应度值进行对比,并保留适应度值较低的花朵位置;S7:执行动态自适应变化工件块的变领域搜索;S8:判断是否满足终止条件,如果是,则输出最优花朵位置及其适应度值,并结束;如果否,则返回步骤S3。2.根据权利要求1所述一种基于离散花朵授粉算法求解混合流水线调度问题的方法,其特征在于,步骤S1中,所述初始化种群由随机方式和LR算法相结合生成,其生成步骤如下:S11:采用LR算法产生m(m<size)个花朵位置放入初始种群,并计第i个花朵位置为xi=(xi,1,xi,2,...,xi,n);其中,n为工件个数,size为种群规模;S12:若m=size,则初始化结束;否则,随机产生一个可行解y=(y1,y2,...,yn);S13:若可行解y不同于初始种群中的其它花朵位置,则把该可行解y放入初始种群中,此时m=m+1;否则,将y丢弃;S14:返回步骤S12,直至初始化结束。3.根据权利要求1所述一种基于离散花朵授粉算法求解混合流水线调度问题的方法,其特征在于,步骤S4中,所述更新操作方法为:针对所述初始种群中的每个花朵位置,产生一个随机数r,若r>Pa,则花朵位置按照方程执行离散的花朵交叉授粉更新操作;否则,花朵位置按照方程执行离散的自花授粉更新操作;其中,Pa为授粉方式选择概率,xbest为最优花朵位置,j、k均为变量,缩放因子ε为满足[0,1]之间的均匀分布随机数,表示加法运算,Θ表示减法运算,表示乘法运算。4.根据权利要求3所述一种基于离散花朵授粉算法求解混合流水线调度问题的方法,其特征在于,所述加法运算表示两个不同花朵位置进行交叉操作,其运算规则包括以下步骤:S411:设待进行减法操作的两个花朵位置分别为ui=(ui,1,...ui,k,...ui,n)和uj=(uj,1...uj,2,...uj,n),vi为进行减法后的结果;S412:产生两个随机交叉点s和e,且s<e≤n;S413:把ui中的(ui,s,...ui,k,...ui,e)赋值给(vi,s,...vi,k,...vi,e);S414:删除uj中vi已有的花朵位置,并记录uj中剩余的花朵位置,并记为m[1,...,n-(e-s+...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。