基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统技术方案

本发明专利技术提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度方法，包括：S1，设定和声搜索算法的基本参数；S2，随机生成HMS个可行解存入和声记忆库中作为初始解；S3，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR；S4，利用所述PR对所生成的部分新解进行扰动调节；S5，将更新后的新解和初始解放入外部种群中进行非支配排序，得出各层Pareto最优前沿；S6，计算各层最优解在外部种群中的拥挤度；S7，根据最优解的非支配序和拥挤度选择出HMS个解，转到步骤S8；S8，判断迭代终止条件，若满足则停止迭代，输出Pareto最优解集；否则返回S3。本发明专利技术实施例中既保证了所生成的新解都能落在可行域中，又能让新解尽可能多地继承和声记忆库的整体特性。

【技术实现步骤摘要】
基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统
本专利技术涉及数据处理
，尤其涉及一种基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统。
技术介绍
多目标Flowshop调度问题是很多企业生产线生产调度问题的简化模型，是研究在m个作业区上n个产品的流水加工过程的方法。其中每个产品在各作业区上的加工顺序相同，同时约定每个产品在每个作业区上只加工一次，每个作业区一次在某一时刻只能够加工一个产品，各产品在各作业区上的加工时间和准备时间已知，要求得到某调度方案使得某些指标最优的解决方法，广泛存在于流水作业的生产制造行业，如汽车制造、集成电路板生产环境中的测试等场景。由于大多Flowshop调度问题属于NPhard问题，因此产生了各种各样的求解该问题的方法。例如，Geem提出的和声搜索算法是一种启发式全局搜索算法，它将解向量类比为由n个乐器声调的和声，而将解向量中的变量类比为乐器，目标函数被看作为对和声的评价。首先，算法产生HMS个初始解放入和声记忆库(harmonymemory)中，然后以概率HR在和声记忆库中搜索新解，以概率1-HR在和声记忆库外的变量可能值域中搜索新解；再以概率PR对新解进行微调扰动，如果新解的目标函数值好于和声记忆库中的最差解，则用新解替换之；如此不断迭代，直至达到规定的迭代次数时输出最优解。但是上述和声搜索算法求解Flowshop调度问题中，如果采用固定的和声记忆保留概率和音调调节概率，在解的多样性较好时，会使搜索速度变慢；而当解的多样性差时，易陷入局部最优。因此，用和声搜索算法求解Flowshop调度问题时存在以下问题：(1)收敛过慢、稳定性差及早熟等缺陷。(2)新解不保证能落在可行域中，也不能保证让新解能较多地继承和声记忆库的整体特性。(3)两个解的目标函数值大小若相等或相近，并不代表其解的构成也相等或相近，有时其解的构成会存在很大差异，拥挤度却不一定大。因此，在非支配排序算法中，通过解的目标函数值来计算多目标Flowshop调度问题解的拥挤度也是不科学的。
技术实现思路
针对现有技术中的缺陷，本专利技术提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统，用于解决现有技术中和声搜索算法搜索速度慢，拥挤度设置不合理的问题。第一方面，本专利技术实施例提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度方法，包括：S1，设定和声搜索算法的基本参数，所述基本参数至少包括：解向量中变量的维数n、解向量中变量的取值范围、和声记忆库可保存的和声即解向量的个数HMS、和声记忆保留概率HR的上界和下界、音调扰动调节概率PR的上界和下界和算法迭代的最大次数；S2，随机生成HMS个可行解存入和声记忆库中作为初始解；S3，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR；S4，利用所述PR对所生成的部分新解进行扰动调节，以更新新解；S5，将更新后的新解和初始解放入外部种群中，并进行非支配排序，得出各层Pareto最优前沿，所述Pareto最优前沿即最优解；S6，计算各层最优解在外部种群中的拥挤度；S7，根据最优解的非支配序和拥挤度选择出HMS个解，更新和声记忆库，转到步骤S8；S8，判断迭代终止条件，如果已满足，则停止迭代，输出Pareto最优解集；否则，返回S3。可选地，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR包括：获取预先设置的和声记忆保留概率HR公式HR＝HRmin+(HRmax-HRmin)H/log2M和音调扰动调节概率PR公式PR＝PRmax-(PRmax-PRmin)H/log2M；其中，HRmax为允许的最大和声记忆保留概率，HRmin为允许的最小和声记忆保留概率；PRmax为允许的最大音调调节概率，PRmin为允许的最小音调调节概率；表示所有解的全部变量位的平均负熵，可用来评价和声记忆库中解的多样性，若和声记忆库中解的多样性好，则平均负熵的值就较大；若和声记忆库中的解趋于一致即多样性差，则平均负熵的值就较小；表示种群中解的第j位变量的负熵；M个表示和声记忆库中有M个解，每个解由n个变量组成；设Gj表示M个解中的第j位变量值的集合，ρij表示第i个解第j位变量值在Gj中的占有率；利用和声记忆保留概率HR公式HR＝HRmin+(HRmax-HRmin)H/log2M和音调扰动调节概率PR公式PR＝PRmax-(PRmax-PRmin)H/log2M分别获取和声记忆保留概率HR和音调扰动调节概率PR。可选地，所述S4中生成新解包括：S41，在解的第1个变量集合X1中随机地选取一个值赋给新解的第一个变量设i＝1；S42，产生一个随机数rand，若rand<HR，则：①随机产生一个不小于1且不大于M的正整数m；②取和声记忆库中的第m个解xm，查出所处的位置r；③取第m个解xm中第r+1位的变量若在新解xnew的前i个变量中均没有出现过，则把变量赋给新解的第i+1个变量否则，查找最靠近位置r且在新解xnew的前i个变量中出均没有现过的变量，将其值赋给新解xnew的第i+1个变量若找不到满足条件的变量，则从N中任意取一个值且在新解的前i个变量中均未出现过的值赋给新解xnew的第i+1个变量S43，令i＝i+1；若i＝n，则输出新解否则，返回S42。可选地，所述S4中利用所述PR对所生成的部分新解进行扰动调节包括；在所述部分新解的每个新解中随机指定的两个位置，互换两个位置的变量，得到扰动后的新解。可选地，所述步骤S5包括：S51，将外部种群P中的个体p依次与外部种群中的其它个体进行支配关系对比，统计支配个体p的个体数目，并计入np；将所有np为0的个体放入第1层非支配前沿F1中，将np不为0的个体放入集合Sp中；设i＝1；S52，将集合Sp中所有个体的np值减1，将所有np为0的个体转入第i+1层非支配前沿Fi+1中；S53，令k＝i，i＝i+1；判断Fi是否为空，若Fi为空，则输出前沿F1，F2，…，Fk；否则，返回S52。可选地，所述步骤S6包括：假设外部种群有M个个体，每个个体即是一个解；每个个体由n个变量组成，设Gj为M个个体的第j位变量的集合，ρij是第i个解第j位变量的值在Gj中的比率，该个体在外部种群中的拥挤度为：利用上述拥挤度公式计算每个个体的拥挤度；根据每个个体的非支配序值和拥挤度值按如下规则选出M个个体以更新和声记忆库；其中，所述规则包括：①|F1|+|F2|+…+|Fr|＝M，则：选取F1，F2，F3，…，Fr中的所有解；②若|F1|+|F2|+…+|Fr|<M，且|F1|+|F2|+…+|Fr+1|>M，则在选取F1，F2，F3，…，Fr中的所有的解后，再从Fr+1中选择M－(|F1|+|F2|+…+|Fr|)个拥挤度id较小的解。第二方面，本专利技术实施例提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度系统，包括：基本参数设定模块，用于设定和声搜索算法的基本参数，所述基本参数至少包括：解向量中变量的维数n、解向量中变量的取值范围、和声记忆库可保存的和声即解向量的个数HMS、和声记忆保留概率HR的上界和下界、音调扰动调节概率PR的上界本文档来自技高网...

【技术保护点】
1.一种基于多目标自适应和声搜索算法的Flowshop生产调度方法，其特征在于，包括：S1，设定和声搜索算法的基本参数，所述基本参数至少包括：解向量中变量的维数n、解向量中变量的取值范围、和声记忆库可保存的和声即解向量的个数HMS、和声记忆保留概率HR的上界和下界、音调扰动调节概率PR的上界和下界和算法迭代的最大次数；S2，随机生成HMS个可行解存入和声记忆库中作为初始解；S3，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR；S4，利用所述PR对所生成的部分新解进行扰动调节，以更新新解；S5，将更新后的新解和初始解放入外部种群中，并进行非支配排序，得出各层Pareto最优前沿，所述Pareto最优前沿即最优解；S6，计算各层最优解在外部种群中的拥挤度；S7，根据最优解的非支配序和拥挤度选择出HMS个解，更新和声记忆库，转到步骤S8；S8，判断迭代终止条件，如果已满足，则停止迭代，输出Pareto最优解集；否则，返回S3。

【技术特征摘要】
1.一种基于多目标自适应和声搜索算法的Flowshop生产调度方法，其特征在于，包括：S1，设定和声搜索算法的基本参数，所述基本参数至少包括：解向量中变量的维数n、解向量中变量的取值范围、和声记忆库可保存的和声即解向量的个数HMS、和声记忆保留概率HR的上界和下界、音调扰动调节概率PR的上界和下界和算法迭代的最大次数；S2，随机生成HMS个可行解存入和声记忆库中作为初始解；S3，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR；S4，利用所述PR对所生成的部分新解进行扰动调节，以更新新解；S5，将更新后的新解和初始解放入外部种群中，并进行非支配排序，得出各层Pareto最优前沿，所述Pareto最优前沿即最优解；S6，计算各层最优解在外部种群中的拥挤度；S7，根据最优解的非支配序和拥挤度选择出HMS个解，更新和声记忆库，转到步骤S8；S8，判断迭代终止条件，如果已满足，则停止迭代，输出Pareto最优解集；否则，返回S3。2.根据权利要求1所述的Flowshop生产调度方法，其特征在于，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR包括：获取预先设置的和声记忆保留概率HR公式HR＝HRmin+(HRmax-HRmin)H/log2M和音调扰动调节概率PR公式PR＝PRmax-(PRmax-PRmin)H/log2M；其中，HRmax为允许的最大和声记忆保留概率，HRmin为允许的最小和声记忆保留概率；PRmax为允许的最大音调调节概率，PRmin为允许的最小音调调节概率；表示所有解的全部变量位的平均负熵，可用来评价和声记忆库中解的多样性，若和声记忆库中解的多样性好，则平均负熵的值就较大；若和声记忆库中的解趋于一致即多样性差，则平均负熵的值就较小；表示种群中解的第j位变量的负熵；M个表示和声记忆库中有M个解，每个解由n个变量组成；设Gj表示M个解中的第j位变量值的集合，ρij表示第i个解第j位变量值在Gj中的占有率；利用和声记忆保留概率HR公式HR＝HRmin+(HRmax-HRmin)H/log2M和音调扰动调节概率PR公式PR＝PRmax-(PRmax-PRmin)H/log2M分别获取和声记忆保留概率HR和音调扰动调节概率PR。3.根据权利要求2所述的Flowshop生产调度方法，其特征在于，所述S4中生成新解包括：S41，在解的第1个变量集合X1中随机地选取一个值赋给新解的第一个变量设i＝1；S42，产生一个随机数rand，若rand<HR，则：①随机产生一个不小于1且不大于M的正整数m；②取和声记忆库中的第m个解xm，查出所处的位置r；③取第m个解xm中第r+1位的变量若在新解xnew的前i个变量中均没有出现过，则把变量赋给新解的第i+1个变量否则，查找最靠近位置r且在新解xnew的前i个变量中出均没有现过的变量，将其值赋给新解xnew的第i+1个变量若找不到满足条件的变量，则从N中任意取一个值且在新解的前i...

【专利技术属性】
技术研发人员：刘林，卢艳云，刘心报，裴军，程浩，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34