基于自适应遗传算法的混合流水车间可持续调度控制方法技术

本发明专利技术涉及一种基于自适应遗传算法的混合流水车间可持续调度控制方法，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，基于混合流水车间加工特点，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。与现有技术相比，本发明专利技术具有节能效果明显、求解效率高等优点。

Hybrid Flow Shop Sustainable Scheduling Control Method Based on Adaptive Genetic Algorithms

【技术实现步骤摘要】
基于自适应遗传算法的混合流水车间可持续调度控制方法
本专利技术涉及制造行业生产节能控制
，尤其是涉及一种基于自适应遗传算法的混合流水车间可持续调度控制方法。
技术介绍
尽管混合流水车间调度(HybridFlowshopScheduling,HFS)问题已经有较多的研究成果，但是大多数的研究对实际问题做了简化，缺少对实际生产环境中复杂调度情况的考虑。体现在，一方面当前研究成果往往以优化生产性能为目标，例如，最小化最大完工时间、总的加工时间以及总的延迟时间等。然而，随着环境问题的凸显和能源成本的上升，生产制造的可持续发展越来越受到重视，尤其以如何优化生产过程中的能源消耗问题最为紧迫。因此，本专利技术将降低能耗作为生产调度的优化目标。另一方面，当前研究成果对实际生产调度中的约束条件考虑不足，而本专利技术考虑了来源于钢铁企业炼钢-连铸生产过程的末道工序批加工约束。因此，本专利技术研究末道工序批加工的混合流水车间可持续调度问题，具有重要的理论和应用价值。混合流水车间调度问题求解难度高，目前的求解方法主要有运筹学方法、启发式方法和元启发式方法。运筹学方法往往难以在有效时间内获得精确解，尤其本文档来自技高网...

【技术保护点】
1.一种基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。

【技术特征摘要】
1.一种基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。2.根据权利要求1所述的基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，所述步骤2)中，最小化能耗的目标函数表示为：minE＝EI+ER式中，E为总能耗，EI为机器等待能耗，ER为工件驻留能耗；i代表工件号，j代表机器号，k代表工序号；H为混合流水车间中总的工序数量，L为混合流水车间中总的工件数量，Nk为在工序k上的机器数量；ak，ij为加工状态参数，若工件i在工序k的机器j上加工，则ak，ij＝1，否则ak，ij＝0；为工件i在工序k上的结束时间，nk，ij为工序k上的机器j加工工件i结束后所要加工的工件，为工件nk，ij在工序k上的开工时间，为工件i在工序k+1上的开工时间；ipk，j为工序k上的机器j的单位等待能耗，rpk，i为工件i在工序k和k+1之间的单位驻留能耗。3.根据权利要求2所述的基于自适应遗传算法的混合流水车间可持续调度控制方法，其特征在于，所述步骤2)中的调度模型满足的约束条件包括：a)同一个工件在每道工序上只能被加工一次；b)工件的开始加工时间不小于零；c)工件的上下工序约束；d)工件在加工过程中不能被打断；e)末道工序上同一个批次内的工件连续加工；f)末道工序上同一个机器在加工前后两个批次之间需要准备时间；g)末道工序上同一个工件只能被安排到一个...

【专利技术属性】
技术研发人员：乔非，卢弘，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31