基于多模态特性感知的混合流水调度进化优化方法技术

本发明专利技术公布了一种基于多模态特性感知的混合流水调度进化优化方法，旨在提供一种可以为大规模多模态混合流水车间调度问题寻找到一组最优的调度方案，供管理者选择。步骤如下：(1)基于多模态特性，给出多模态混合流水调度问题的多重解、多重最优解以及多重最优解集的定义以及决策变量分类；(2)基于决策变量分类，提出决策信息引导的多模态特性感知的混合流水调度进化优化方法。

Evolutionary optimization method for hybrid pipeline scheduling based on multi-modal characteristic perception

The invention discloses an evolutionary optimization method for hybrid flow shop scheduling based on multi-modal characteristics perception, aiming at providing a set of optimal scheduling schemes for large-scale multi-modal hybrid flow shop scheduling problems for managers to choose. The steps are as follows: (1) Based on the multi-modal characteristics, the definitions of multi-solution, multi-optimal solution and multi-optimal solution set as well as the classification of decision variables are given; (2) Based on the classification of decision variables, an evolutionary optimization method of multi-modal characteristics perception is proposed.

【技术实现步骤摘要】
基于多模态特性感知的混合流水调度进化优化方法
本专利技术涉及人工智能与生产管理领域(一个具体的领域)，具体涉及一种基于多模态特性感知的混合流水调度进化优化方法。
技术介绍
混合流水线调度问题的目标函数具有多模态特性，即在决策空间中，存在多个不同的最优解，对应相同的目标函数值。当调度问题的很多约束条件难以采用数学形式表达，或者存在不确定因素时，生产商往往需要得到尽可能多的多重最优解，以满足最大完工时间、提前完工时间和推迟完工时间等指标，此时，就需要进行大量的多次实验，以考察解的可行性，这就大大增加了问题的求解难度。因此，如果能够找到那些在决策空间不同，但在目标空间具有相同目标函数值的解，通过这些解发现优化问题中一些潜在特征，以便能够提供更多的选择给决策者考虑。在实际应用中，很多优化问题的目标函数具有多模态特性，目前，诸多学者主要针对连续的函数优化问题进行多模态优化问题的研究，提出了基于决策空间小生境方法、基于小生境的交配池选择方法等，而针对离散优化问题的多模态特性的研究，尚未开展。虽然已有方法为解决多模态连续优化问题提供了可行途径，但是，离散与连续优化问题的约束、邻域结构等差别很大，使本文档来自技高网...

【技术保护点】
1.一种基于多模态特性感知的混合流水调度进化优化方法，其特征在于，该方法包括：(1)根据决策变量在构成多重调度策略时的作用以及多重调度策略中工件、机器之间的关系，给出多模态定义以及决策变量分类；(2)基于决策变量分类，设计决策信息引导的多模态特性感知的混合流水调度进化优化方法。

【技术特征摘要】
1.一种基于多模态特性感知的混合流水调度进化优化方法，其特征在于，该方法包括：(1)根据决策变量在构成多重调度策略时的作用以及多重调度策略中工件、机器之间的关系，给出多模态定义以及决策变量分类；(2)基于决策变量分类，设计决策信息引导的多模态特性感知的混合流水调度进化优化方法。2.根据权利要求1所述的基于多模态特性感知的混合流水调度进化优化方法，其特征在于，多重解、多重最优解、多重最优解集概念的定义如下，其中，s是混合流水线调度问题的所有调度序列集合，π1，π2，π*，π′都是该问题的调度序列或者解，f(π)为问题的目标函数值，多重解：若且π1≠π2，使得f(π1)＝f(π2)，则称π1和π2为多重解；多重最优解：π*是问题的最优解，若使得f(π*)＝f(π′)，则称π*和π′为多重最优解；由多重最优解构成的集合，称为多重最优解集。3.根据权利要求2所述的基于多模态特性感知的混合流水调度进化优化方法，其特征在于，对多重最优解建立概率分布模型，多模态混合流水线调度的决策变量分类：收敛性决策变量：通过改变解x的某一或某些工件次序得到一个新解，若该新解的目标函数值只会等于π、大于π，或者小于π的目标函数值，则该解为收敛性决策变量；分布性决策变量：通过改变解π的某一或某些工件次序得到一个新解，若该新解的目标函数值只会等于π的目标函数值，则该解为分布性决策变量。4.根据权利要求3所述的基于多模态特性感知的混合流水调度进化优化方法，其特征在于，基于决策变量分类后的结果，设计进化优化方法，生成子代个体的步骤如下：步骤1：随机初始化种群，基于决策变量分类方法，构建收敛性保存集和分布性保存集；步骤2：采用小生境方法将一个大种群分割为多个小种群；步骤3：每个小种群内部产生个体的过程如下：步骤3.1：π′1、π′2和π′3为种群子代个体，π′1、π′2和π′3均初始化为空；步骤3.2：从收敛性保存集中随机选择2个个体，π1和π2，将π1和π2的相同位置的相同工件复制给子代π′1和π′2，其他位置的工件通过步骤3.3和步骤3.4得到；步骤3.3：从小种群中随机选...

【专利技术属性】
技术研发人员：韩玉艳，李俊青，桑红燕，高开周，刘莉莉，
申请(专利权)人：聊城大学，
类型：发明
国别省市：山东,37