基于自适应遗传算法的新工件重调度优化方法技术

一种以节能为目标含有热处理工艺的离散制造系统中基于自适应遗传算法的新工件重调度优化方法，包括如下步骤：建立数学模型；初始化；确定种群规模G、交叉率pc、变异率pm、替换率pr，循环次数上限t和局域搜索次数T的初始值；生成初始种群σ；判断是否为最优重调度，如果是则个体即为最优的重调度方案；否则，执行顺序交叉、变异操作、染色体选择操作；自适应局域搜索，找到优于当前重调度解的新重调度序列；更新种群；停止准则，如果循环的总次数达到规定的上限值t时，输出具有最大适值函数的个体，计算结束；否则继续进化种群。本发明专利技术弥分别运用倒置、转移和互换三种局域搜索算子形成一个自适应的局域搜索算法，能够在较短时间内获得更优的节能重调度方案。

New job rescheduling optimization method based on adaptive genetic algorithm

【技术实现步骤摘要】
基于自适应遗传算法的新工件重调度优化方法
本专利技术属于工业工程领域中离散制造系统的工件调度管理技术，尤其涉及一种基于自适应遗传算法的针对含有热处理工艺的离散制造系统中以节能为优化目标的工件重调度方法。
技术介绍
现代制造企业生产管理的关键是优化资源配置，而生产调度环节是优化企业资源配置的重要环节，我国制造业规模已跃居全球首位，为使经济增长与潜在增长率相协调，生产要素的供给能力和资源环境的承受能力相适应，重要的是优化资源配置。而优化现代制造企业的生产管理是优化企业资源配置的重要环节。因此，如何获得最优调度方法使之适应复杂的实际生产环境和企业目标要求，一直以来都是国内外研究和应用的热点问题。热处理工艺是工业企业中一项重要基础和常用的工艺技术，像石英玻璃深加工、半导体加工、陶瓷制品，以及轴、轴承、齿轮、连杆等重要的机械零件和工业模具都是要经过热处理的。我国在热处理的基础理论研究和某些热处理新工艺、新技术研究方面，与工业发达国家的差距也不大，但我国能源利用率低，热处理行业的专业化水平远低于工业发达国家水平。而与其他制造工艺相比，热处理工艺的特点决定了在含有热处理工艺的制造企业中，生产调度计划与能源消耗的关系尤为紧密。通常企业在生成之前已经制定好调度计划并按照初始调度进行了相应的人员、设备以及原材料等各方面的配置，而企业也经常有紧急订单需要加工，需要对初始调度进行调整，但重调度时势必受到一些客观条件和具体产品工艺等方面的约束，同时为了满足实际生产需要，必须实施重调度。因此如何根据企业复杂的生产实际情况确定最终可行、近优或者最优的调度计划，同时实现能源消耗最优化，是当前企业亟待解决的问题。而企业目前的重调度方法大多以调度员人工调度为主，而对车间生产中新工件到达需要进行重调度这一类比较重要的问题却没有科学的方法进行解决。
技术实现思路
本专利技术是要解决现有技术存在的上述问题，提供一种以节能为目标含有热处理工艺的离散制造系统中基于自适应遗传算法的新工件重调度优化方法。即在具有热处理工位已知初始工件集JO＝{1,...,nO}的初始调度υ，针对一组新到工件JN＝{nO+1,...,nO+nN}，在满足实际工艺要求的前提下，对所有工件进行重调度，从而获得目标为最小化所有工件等待时间和的重调度方案。本专利技术的技术解决方案是：一种基于自适应遗传算法的新工件重调度优化方法，其特殊之处是：包括如下步骤：步骤1：建立数学模型在具有热处理工位已知初始工件集的初始调度υ，针对一组新到工件JN＝{nO+1,...,nO+nN}，在满足实际工艺要求的前提下，对所有工件进行重调度，从而获得目标为最小化所有工件等待时间和的重调度方案；数学模型描述如下：s.t.wj(σ)≤K,j∈JO(2)sj(σ)≥rj,j∈J(3)ros(σ)＝ros(υ)(5)其中式(1)是目标函数，即最小化所有工件的等待时间和，wi表示工件i等待加工的时间；式(2)中，初始工件在重调度σ中等待加工的时间不能超过K；式(3)保证工件只能在释放时间之后被调度，即在重调度σ中工件j的开始加工时间sj(σ)要不小于它的释放时间rj；式(4)说明同一时间只能有一个工件被加工，s[j](σ)表示在第j个位置上被调度的工件开始加工的时间，p[j]表示在第j个位置上被加工工件的处理时间；式(5)中，重调度后初始工件的相对顺序ros(σ)与初始调度中初始工件的相对顺序ros(υ)保持不变；步骤2：基于自适应遗传算法求解步骤2.1：初始化；确定种群规模G、交叉率pc、变异率pm、替换率pr，循环次数上限t和局域搜索次数T的初始值；步骤2.2：生成初始种群；每一个初始种群中的重调度序列按照如下方式产生：已知初始调度序列为初始工件总数，而且重调度时初始调度中的初始工件之间的顺序保持不变；随机生成一个新工件的序列JN＝{nO+1,...,nO+nN}，nN为新工件总数，依次考虑该序列中每一个新工件nO+1,...,nO+nN，先考虑nO+1将它插入到初始调度υ之前生成子重调度序列上面横线表示新工件，等待检验；检验插入后的调度中最后一个新工件nO+1之后的初始工件1,2,3,...,nO是否满足初始工件等待加工的时间受限的约束条件，即分别检验是否满足wi≤K,i＝1,...,nO，如果满足则该新工件被确定在此位置被调度，子重调度序列被确定，否则将该新工件放在最后一个违背约束条件(wj＞K)的初始工件j之后调度生成并确定子重调度再考虑nO+2将它紧接着插入含有一些新工件的子重调度中的最后一个新工件nO+1之后，生成子调度然后再次等待检验；检验插入后的调度中最后一个新工件nO+2之后的初始工件j+1,...,nO是否满足wi≤K,i＝j+1,...,nO，如果满足则该新工件被确定在此位置被调度，子重调度序列被确定，否则将该新工件放在最后一个违背约束条件(wi＞K)的初始工件i之后调度生成并确定子重调度按照以上方法依次确定新工件的调度位置，直到新工件nO+nN的调度位置被确定，最终确定一个重调度σ；然后再随机生成一个新工件序列按照如上方法产生另一个重调度，直到生成的重调度数G等于预设的种群数；步骤2.3：判断是否为最优重调度；如果是则个体即为最优的重调度方案；否则，执行如下步骤：步骤2.4：顺序交叉；根据交叉率pc，针对父代个体中每对染色体执行顺序交叉操作，具体的步骤如下：a：给定两个父代染色体，如和b：列出父代中新工件序列和并选择准备交叉的两个交叉点x,y(和)；c：交换两个交叉点之间的基因，得到和作为子代个体的部分基因；d：从b中第二个交叉点的右侧开始，依次列出新工件的基因和然后删除与c中已经确定的子代个体中重复的基因和e：在c中子代个体的部分基因和的基础上，从第二个交叉点的右侧第一个位置开始按照d中的顺序依次调度新工件，形成一个子代中新工件的序列和f：按照e中新工件的序列顺序，将新工件按照步骤2.2的方法插入到初始调度中，最终形成2个子代个体；步骤2.5：变异操作；根据变异率pm，对执行交叉操作后的染色体执行变异操作，具体的步骤如下：已知一个父代个体，例如列出该父代中新工件的调度序列并随机选择两个新工件然ji和jj；然后交换两个被选中的新工件，则新形成一个新到工件的调度序列按照交换后的新工件的调度序列将新工件按照步骤2.2的方法插入到初始调度中进行调度，最终形成一个新的重调度序列，即一个子代个体步骤2.6：染色体选择操作；计算适值函数，运用轮盘赌的方法选择父代个体，被选中的父代个体将被执行遗传运算；自适应遗传算法采用正比选择策略，即染色体被选择的概率等于个体的适应值比上种群中所有个体适应值的和；在初始调度之后依次将所有新工件按照处理时间降序排列进行调度，得到一个可行的重调度序列是一个上界，染色体的适值函数为种群中的个体总数为S，则个体i在种群中的适应值为Fi(σ),i＝1,...S，则个体i被选择的概率为自适应遗传算法采用轮盘赌的方式实施选择操作，令PP0＝0，轮盘共旋转S次；每一次旋转就会随机产生一个随机数ξk∈U(0,1)，则当PPi-1≤ξk＜PPi时个体i被选择；步骤2.7：自适应局域搜索；自适应局域搜索算法采用自适应学习机制结合倒置、转移和互换三种局域搜索算子；在一个重调度序列中，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新工件重调度优化方法，其特征是：包括如下步骤：步骤1：建立模型在具有热处理工位已知初始工件集JO＝{1,...,nO}的初始调度υ，针对一组新到工件JN＝{nO+1,...,nO+nN}，在满足实际工艺要求的前提下，对所有工件进行重调度，从而获得目标为最小化所有工件等待时间和的重调度方案；数学模型描述如下：

【技术特征摘要】
1.一种基于自适应遗传算法的新工件重调度优化方法，其特征是：包括如下步骤：步骤1：建立模型在具有热处理工位已知初始工件集JO＝{1,...,nO}的初始调度υ，针对一组新到工件JN＝{nO+1,...,nO+nN}，在满足实际工艺要求的前提下，对所有工件进行重调度，从而获得目标为最小化所有工件等待时间和的重调度方案；数学模型描述如下：s.twj(σ)≤K,j∈JO(2)sj(σ)≥rj,j∈J(3)s[j](σ)+p[j]≤s[j+1](σ)，j∈J(4)ros(σ)＝ros(υ)(5)其中式(1)是目标函数，即最小化所有工件的等待时间和，wi表示工件i等待加工的时间；式(2)中，初始工件在重调度σ中等待加工的时间不能超过K；式(3)保证工件只能在释放时间之后被调度，即在重调度σ中工件j的开始加工时间sj(σ)要不小于它的释放时间rj；式(4)说明同一时间只能有一个工件被加工，s[j](σ)表示在第j个位置上被调度的工件开始加工的时间，p[j]表示在第j个位置上被加工工件的处理时间；式(5)中，重调度后初始工件的相对顺序ros(σ)与初始调度中初始工件的相对顺序ros(υ)保持不变；步骤2：基于自适应遗传算法求解问题步骤2.1：初始化；确定种群规模G、交叉率pc、变异率pm、替换率pr，循环次数上限t和局域搜索次数T的初始值；步骤2.2：生成初始种群；每一个初始种群中的重调度序列按照如下方式产生：已知初始调度序列JO＝{1,2,3,...,nO}，nO为初始工件总数，而且重调度时初始调度中的初始工件之间的顺序保持不变；随机生成一个新工件的序列JN＝{nO+1,...,nO+nN}，nN为新工件总数，依次考虑该序列中每一个新工件nO+1,...,nO+nN，先考虑nO+1将它插入到初始调度υ之前生成子重调度序列上面横线表示新工件，等待检验；检验插入后的调度中最后一个新工件nO+1之后的初始工件1,2,3,...,nO是否满足初始工件等待加工的时间受限的约束条件，即分别检验是否满足wi≤K,i＝1,...,nO，如果满足则该新工件被确定在此位置被调度，子重调度序列被确定，否则将该新工件放在最后一个违背约束条件(wj＞K)的初始工件j之后调度生成并确定子重调度再考虑nO+2将它紧接着插入含有一些新工件的子重调度中的最后一个新工件nO+1之后，生成子调度然后再次等待检验；检验插入后的调度中最后一个新工件nO+2之后的初始工件j+1,...,nO是否满足wi≤K,i＝j+1,...,nO，如果满足则该新工件被确定在此位置被调度，子重调度序列被确定，否则将该新工件放在最后一个违背约束条件(wi＞K)的初始工件i之后调度生成并确定子重调度按照以上方法依次确定新工件的调度位置，直到新工件nO+nN的调度位置被确定，最终确定一个重调度σ；然后再随机生成一个新工件序列按照如上方法产生另一个重调度，直到生成的重调度数G等于预设的种群数；步骤2.3：判断是否为最优重调度；如果是则个体即为最优的重调度方案；否则，执行如下步骤：步骤2.4：顺序交叉；根据交叉率pc，针对父代个体中每对染色体执行顺序交叉操作，具体的步骤如下：a：给定两个父代染色体，如和b：列出父代中新工件序列和并选择准备交叉的两个交叉点x,y(和)；c：交换两个交叉点之间的基因，得到和作为子代个体的部分基因；d：从b中第二个交叉点的右侧开始，依次列出新工件的基因和然后删除与c中已经确定的子代个体中重复的基因和e：在c中子代个体的部分基因和的基础上，从第二个交叉点的右侧第一个位置开始按照d中的顺序依次调度新工件，形成一个子代中新工件的序列和f：按照e中新工件的序列顺序，将新工件按照步骤2.2的方法插入到初始调度中，最终形成2个子代个体；步骤2.5：变异操作；根据变异率pm，对执行交叉操作后的染色体执行变异操作，具体的步骤如下：已知一个父代个体，例如列出该父代中新工件的调度序列并随机选择两个新工件然ji和jj；然后交换两个被选中的新工件，则新形成一个新到工件的调度序列按照交换后的新工件的调度序列将新工件按照步骤2.2的方法插入到初始调度中进行调度，最终形成一个新的重调度序列，即一个子代个体步骤2.6：染色体选择操作；计算适值函数，运用轮盘赌的方法选择父代个体，被选中的父代个体将被执行遗传运算；自适应遗传算法采用正比选择策略，即染色体被选择的概率等于个体的适应值比上种群中所有个体适应值的和；在初始调度之后依次将所有新工件按照处理时间降序排列进行调度，得到一个可行的重调度序列是一个上界，染色体的适值函数为种群中的个体总数为S，则个体i在种群中的适应值为Fi(σ),i＝1,..S.，则个体i被选择的概率为自适...

【专利技术属性】
技术研发人员：郭艳东，
申请(专利权)人：渤海大学，
类型：发明
国别省市：辽宁,21