一种分布式阻塞型流水线调度的混合群智能优化方法技术

本发明专利技术公开了一种分布式阻塞型流水线调度的混合群智能优化方法，包括：对多个工厂和多个工件进行协同初始化生成多个第一工厂工件加工序列；计算每个第一工厂工件加工序列的自适应参数，根据自适应参数进行调整生成多个第二工厂工件加工序列；通过工厂内和工厂间局部搜索调整生成多个第三工厂工件加工序列；选择部分第三工厂工件加工序列进行重生成机制，对多个第三工厂工件加工序列进行更新以确定出当前最优工厂工件加工序列；返回第二步进行迭代更新当前最优工厂工件加工序列，直至满足预设迭代终止条件输出最优工厂工件加工序列。该方法通过自适应搜索与局部搜索结合，使种群中的个体可以自我调整搜索范围，平衡了算法的粗搜索与细搜索能力。

A hybrid group intelligent optimization method for distributed blocking pipeline scheduling

The invention discloses a hybrid group intelligent optimization method for distributed blocking pipeline scheduling, which includes: initiating a plurality of factories and a plurality of workpieces to generate a plurality of first factory workpieces processing sequences; calculating the adaptive parameters of each first factory workpieces processing sequence, adjusting the adaptive parameters to generate a plurality of second factory workpieces processing sequences; and generating a plurality of second factory workpieces processing sequences through factories Internal and inter factory local search and adjustment generate multiple third factory workpiece processing sequences; select part of the third factory workpiece processing sequences to regenerate mechanism, update multiple third factory workpiece processing sequences to determine the current optimal factory workpiece processing sequence; return to the second step to update the current optimal factory workpiece processing sequence iteratively until the preset iteration is satisfied Condition output the optimal machining sequence of factory workpiece. By combining adaptive search and local search, the individuals in the population can adjust their search range and balance the ability of coarse search and fine search.

【技术实现步骤摘要】
一种分布式阻塞型流水线调度的混合群智能优化方法
本专利技术涉及流水线调度
，特别涉及一种分布式阻塞型流水线调度的混合群智能优化方法。
技术介绍
制造业是国民经济的基础，随着现代科学技术的不断发展，降低生产成本、缩短生产周期、减少资源消耗、改善产品质量成为企业在激烈的市场竞争中取得主动地位的关键。生产制造不仅仅影响着企业的经济效益，更对国民的生活水平甚至国家的综合实力都有着巨大的影响。生产调度是对生产制造过程进行计划制定与优化，从而最大程度地利用生产资源、提高生产质量，是整个生产制造过程的核心环节。一个高效合理的生产调度方案，是实现降低成本、增加效益的关键。因此，对于生产调度的研究，不仅具有较深远的理论意义，而且具有更大的现实价值。在全球化的大背景下，随着公司之间的合作生产以及企业之间的兼并收购日益普遍，分布式生产制造已经成为一种常见的生产模式。在此基础上，分布式生产调度问题考虑多个工厂、车间或生产线的协作生产，针对工件的分配与工件的排序两个方面的问题，进行分析与优化。关于分布式生产调度的研究目前大多围绕着流水线调度、作业车间调度、装配调度和柔性调度在分布式环境下的扩充来进行展开，而随着生产环境与产品工艺的不断多样化，加入切合实际情况的工艺约束也成为了研究人员关注的重点，由此衍生出的分布式阻塞流水线调度就是目前国际学术与工业界研究的热门问题。一般的流水线调度问题需要保证机器之间的缓冲区是无限的，但在实际生产环境中，由于空间上的限制、工艺以及成本的要求等原因，机器之间并不允许存在缓冲区，因此一个工件在当前机器上运行完后准备下一次的操作，如果下一台正在被使用，则此机器就被阻塞在当前机器上而无法进行下一次的操作，直到下一台机器被释放。这样工件的阻塞就会增加等待时间和生产周期，最终导致生产效率的大大降低。典型的例子如钢铁制造过程、工业废物处理过程等。因此，对于无缓冲区(阻塞)条件下分布式流水线调度问题的研究具有重要的应用价值。关于阻塞流水线调度有着许多性能指标，其中研究最多的指标是最大完工时间(makespan)，但随着现代生产系统的进步以及用户生活方式的变化，对于拖期(tardiness)目标的研究变得越来越重要，这是因为当企业无法在规定时间内完成产品的生产并提供给用户的时候，企业的用户数量与经济效益会急剧下降。合约的违反、现有客户的流失以及被损毁的名誉都将给企业的未来发展带来不可估量的伤害与打击。因此，在现代企业生产方式、市场经济以及用户习惯等因素的共同作用下，制定合理的调度方案，解决阻塞流水线调度的拖期最小化问题，是一项迫切且具有挑战性的重要工作。近几十年来，很多专家对阻塞流水线调度问题的求解算法进行了大量研究。这些算法大概可以分为两大类：启发式算法和智能优化算法。启发式算法又称为构造式算法，是基于某种特定规则构造问题的一个优良解，其优点是速度快且稳定，对于简单问题可以在短时间内得到较好的效果。常见算法有EDD(最早交货时间法)、FPD(加工时间与交货时间平衡法)、NEH等。智能优化算法一般以启发式算法得到的解作为初始解，在算法的关键参数的控制下通过邻域函数产生若干邻域解，按接受准则(确定性、概率性或混沌方式)更新当前状态,而后依据关键参数修改准则调整关键参数。如此重复上述搜索步骤直到满足算法的收敛准则,最终得到问题的优化结果。它具有适用范围广，解的质量高等优点。常见算法有禁忌搜索算法、遗传算法、GRASP、贪婪迭代算法等。目前，大多数算法局限于研究传统阻塞流水线调度问题，而将其扩展到分布式环境下进行分析的寥寥无几。可以预计，随着分布式生产的普及，分布式阻塞型流水线调度将是未来生产制造领域一个极具吸引力的研究方向。但是传统阻塞流水线调度具有约束性、动态性、大规模性等复杂特征，加上分布式环境下不仅需要考虑工件的排序，还需要对工厂的分配进行优化，这使得问题的难度急剧增加。现有的调度算法由于自身的缺陷很难在实际中得到广泛的应用。例如启发式算法优化能力有限、禁忌搜索算法收敛速度慢、贪婪迭代算法易陷入局部极小等，另外大部分算法还具有时间复杂度高、空间复杂度大，鲁棒性差等问题。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种分布式阻塞型流水线调度的混合群智能优化方法，该方法通过自适应搜索与局部搜索结合，使种群中的个体可以自我调整搜索范围，平衡了算法的粗搜索与细搜索能力。为达到上述目的，本专利技术实施例提出了一种分布式阻塞型流水线调度的混合群智能优化方法，包括：S1，获取多个工厂和多个工件，对所述多个工厂和所述多个工件进行协同初始化操作生成多个第一工厂工件加工序列；S2，计算每一个第一工厂工件加工序列的自适应参数，并根据所述自适应参数对所述多个第一工厂工件加工序列进行调整生成多个第二工厂工件加工序列；S3，通过工厂内局部搜索和工厂间局部搜索对所述多个第二工厂工件加工序列进行调整生成多个第三工厂工件加工序列；S4，在所述多个第三工厂工件加工序列中选择部分第三工厂工件加工序列进行重生成机制，并对所述多个第三工厂工件加工序列进行更新以确定出当前最优工厂工件加工序列；S5，返回步骤S2进行迭代，通过对步骤S2-S4进行迭代来更新所述当前最优工厂工件加工序列，直至满足预设迭代终止条件输出最优工厂工件加工序列。本专利技术实施例的一种分布式阻塞型流水线调度的混合群智能优化方法，根据分布式特性，设计了合理的工厂分配准则，提高了初始个体的质量，为种群进化提供了一个好的起点；自适应参数能根据个体在种群中的位置，调整其搜索范围和前进步长，增强种群的进化质量与收敛速度；针对种群中的不同个体，采用不同的局部搜索策略(工厂间和工厂内)，节约了计算量，避免了无效搜索；个体重生成机制能够增加种群的多样性，跳出局部极小，增强算法的全局收敛性。另外，根据本专利技术上述实施例的一种分布式阻塞型流水线调度的混合群智能优化方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述对所述多个工厂和所述多个工件进行协同初始化操作生成多个第一工厂工件加工序列，包括：通过启发式规则排序和随机排序结合的方式进行初始化生成工件优先级序列；根据工厂分配策略将所述工件优先级序列中的工件分配至所述多个工厂；通过变邻域搜索调整所述多个工厂的工件加工序列，以得到所述多个第一工厂工件加工序列，所述变邻域搜索包括交换邻域搜索和插入邻域搜索。进一步地，在本专利技术的一个实施例中，所述随机排序为随机生成一个包含全部工件的不重复序列；所述启发式规则排序为基于减小工件在工厂的机器上加工产生的阻塞和空闲时间和工件交货时间的因素生成工件加工序列。进一步地，在本专利技术的一个实施例中，所述根据工厂分配策略将所述工件优先级序列中的工件分配至所述多个工厂，包括：将所述工件优先级序列σ的前f个工件分别分配至每个工厂，并放置于每个工厂的工件序列的第一位，f为工厂数目；所述工件优先级序列σ中剩余的每一个工件，按本文档来自技高网...

【技术保护点】
1.一种分布式阻塞型流水线调度的混合群智能优化方法，其特征在于，包括以下步骤：/nS1，获取多个工厂和多个工件，对所述多个工厂和所述多个工件进行协同初始化操作生成多个第一工厂工件加工序列；/nS2，计算每一个第一工厂工件加工序列的自适应参数，并根据所述自适应参数对所述多个第一工厂工件加工序列进行调整生成多个第二工厂工件加工序列；/nS3，通过工厂内局部搜索和工厂间局部搜索对所述多个第二工厂工件加工序列进行调整生成多个第三工厂工件加工序列；/nS4，在所述多个第三工厂工件加工序列中选择部分第三工厂工件加工序列进行重生成机制，并对所述多个第三工厂工件加工序列进行更新以确定出当前最优工厂工件加工序列；/nS5，返回步骤S2进行迭代，通过对步骤S2-S4进行迭代来更新所述当前最优工厂工件加工序列，直至满足预设迭代终止条件输出最优工厂工件加工序列。/n

【技术特征摘要】
1.一种分布式阻塞型流水线调度的混合群智能优化方法，其特征在于，包括以下步骤：
S1，获取多个工厂和多个工件，对所述多个工厂和所述多个工件进行协同初始化操作生成多个第一工厂工件加工序列；
S2，计算每一个第一工厂工件加工序列的自适应参数，并根据所述自适应参数对所述多个第一工厂工件加工序列进行调整生成多个第二工厂工件加工序列；
S3，通过工厂内局部搜索和工厂间局部搜索对所述多个第二工厂工件加工序列进行调整生成多个第三工厂工件加工序列；
S4，在所述多个第三工厂工件加工序列中选择部分第三工厂工件加工序列进行重生成机制，并对所述多个第三工厂工件加工序列进行更新以确定出当前最优工厂工件加工序列；
S5，返回步骤S2进行迭代，通过对步骤S2-S4进行迭代来更新所述当前最优工厂工件加工序列，直至满足预设迭代终止条件输出最优工厂工件加工序列。


2.根据权利要求1所述的方法，其特征在于，所述对所述多个工厂和所述多个工件进行协同初始化操作生成多个第一工厂工件加工序列，包括：
通过启发式规则排序和随机排序结合的方式进行初始化生成工件优先级序列；
根据工厂分配策略将所述工件优先级序列中的工件分配至所述多个工厂；
通过变邻域搜索调整所述多个工厂的工件加工序列，以得到所述多个第一工厂工件加工序列，所述变邻域搜索包括交换邻域搜索和插入邻域搜索。


3.根据权利要求2所述的方法，其特征在于，
所述随机排序为随机生成一个包含全部工件的不重复序列；
所述启发式规则排序为基于减小工件在工厂的机器上加工产生的阻塞和空闲时间和工件交货时间的因素生成工件加工序列。


4.根据权利要求2所述的方法，其特征在于，所述根据工厂分配策略将所述工件优先级序列中的工件分配至所述多个工厂，包括：
将所述工件优先级序列σ的前f个工件分别分配至每个工厂，并放置于每个工厂的工件序列的第一位，f为工厂数目；
所述工件优先级序列σ中剩余的每一个工件，按照每一个工件在所述工件优先级序列σ中的先后顺序，按照如下规则进行分配：记录每一个工厂工件序列的最后一个工件从工厂中的第一台机器上离开的时间，选择时间最小的那个工厂，将当前工件分配至该工厂，并放置于该工厂工件序列的最后一个位置。


5.根据权利要求1所述的方法，其特征在于，所述自适应参数ux的计算公式为：



其中，ux为工厂工件加工序列x的自适应参数，n为工件总数量，f为工厂数目，TTbest，TTworst，TTx分别为所有工厂工件加工序列中最好的工厂工件加工序列的...

【专利技术属性】
技术研发人员：王凌，王兴，陈靖方，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11