一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法技术

一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法，它引入了灾变机制，并且对传统遗传算法结构进行改进，实现柔性作业车间调度。为平衡全局搜索和局部搜索能力，本发明专利技术引入灾变机制和大变异概率机制，为的是在算法迭代过程中施加必要的扰动，从而使算法有较大的概率跳出局部最优。同时，在算法初始化种群上，本发明专利技术引进差异度阈值策略，为的是增加种群的多样性，提高种群质量；在遗传操作上也引进差异度阈值策略，如若差异度达到阈值，则先两层交叉后变异；否则，先变异后两层交叉，从而能有效防止算法早熟的出现，提高了调度方案质量，该发明专利技术能够很好地被运用在作业车间调度领域。

An improved genetic algorithm based on catastrophe mechanism for flexible job shop scheduling

【技术实现步骤摘要】
一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法
本专利技术涉及一种生产调度技术，具体地说是一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法，该方法在单目标柔性作业车间调度优化问题中取得很好的效果。
技术介绍
20世纪以来世界制造业发生了翻天覆地的变化，美国提出要重振美国制造业，德国提出工业4.0战略计划，而在人工智能以及5g的时代，我国制造业面临着很严峻的形势，由于我国制造业本来就处于世界制造业产业链的下游，因此高效率、高柔性、高可靠性是我国制造业在下一步的主要突破口。有效的车间调度方法与优化技术的研究，对于实现先进制造企业的现代化具有重要的理论价值和实际意义。随着柔性制造系统和数控加工中心的普及，以往的经典作业车间调度系统不再适用，柔性作业车间调度问题也就成了重中之重，它是JSP的扩展，工件的一道工序可以在多台设备上加工。这样的加工情况有明显的优点：(1)极大提高了设备利用率，机器一旦空闲就可以安排机器加工，能够减少设备的空闲等待时间，降低能源损耗。(2)提高了生产效率，缩短了生产周期。主要是本文档来自技高网...

【技术保护点】
1.一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法，它引入了灾变机制，并且对遗传算法结构进行改进，实现柔性作业车间调度，其特征在于它包括以下步骤：/n步骤1：设置参数：种群规模N，最大迭代次数max，交叉率p

【技术特征摘要】
1.一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法，它引入了灾变机制，并且对遗传算法结构进行改进，实现柔性作业车间调度，其特征在于它包括以下步骤：
步骤1：设置参数：种群规模N，最大迭代次数max，交叉率pc，自适应变异参数c1，大变异密集因子α，交叉阈值参数c2，初始化差异度阈值提前变异概率pme，适应度值为最大完工时间的倒数.；
步骤2：初始化种群，种群初始化对于算法求解的速度与质量有很大的影响，当新个体与已有个体之间差异度未达到阈值，就重新生成新个体，目的是为了增加种群的多样性；
步骤3：判断是否达到灾变条件，如若达到，则进行灾变操作；否则继续正常的遗传操作。在每次灾变操作中，选取适应度大小排名偏中间的部分个体，对它们的机器编码部分进行最早完工机器选择操作(ECM)来重新设定染色体的机器选择，然后利用剩余工件时间最长、剩余工序数最多、随机初始化三种初始化方法，以4:4:2的比例对它们的工序序列进行重新初始化，然后与之前重新生成的机器序列重新组合成新的染色体来替换掉原有的个体。记录每次灾变时种群的最优个体的适应度值，如果在下次灾变过程中最优解没有得到改善，则重新设定灾变周期T，增加受灾变种群的数量；
步骤4：两层交叉操作，个体的机器序列每交叉1次，工序序列就交叉K次，交叉的一对个体差异度要达到给定交叉阈值；否则，调整顺序，先变异再两层交叉；从交叉后生成的所有子代个体中选择两个最佳的个体与父代个体进行比较，如果优于父代个体则进行替换，否则舍弃；
步骤5：自适应变异操作，自适应变异概率同该个体的适应度值与种群平均适应度值的大小关系息息相关。大变异操作的执行是通过在每次迭代过程中，判断平均适应度是否达到最大适应度的α倍(α为密集因子)，如若达到，则以较大的概率进行自适应变异；否则以正常概率进行自适应变异；对于染色体的机器编码部分的变异操作采用单点变异，即随机挑一个基因，在其可选机器集中随机挑取一个机器来代替现有值；对于工序编码部分的变异方法为：首先求出甘特图上的关键路径，然后找出该调度的瓶颈机器，在该机器上挑选某道工序且其必须在关键路径上，从该工序的可选机器集中挑选一个完工时间最小的机器，将该工序移到该机器上加工，之后重新生成染色体。经过变异的个体如果比原有种群中最差个体的适应度值还差，则舍弃该变异个体；另外，提前变异的概率pme要比正常变异的概率要大，并且其为固定值；
步骤6：变邻域搜索，变邻域搜索算法采用阈值接受法来实现；由于遗传算法跳出局部最优解的能力较弱,利用变邻域算法可以提升该算法的局部搜索能力，选取约占种群数量的15％的优秀个体进行变邻域局部搜索，变邻域搜索共有三种邻域结构，这三种邻域结构分别是：
(1)邻域结构N1：将位于关键路径上的某一道工序，移到该工序可选机器集中的另外一台机器上加工，选择一个使该机器的完工时间最小的位置；
(2)邻域结构N2：将染色体中不同工件的所有工序进行交换，如若工序数相等，直接进行交换；如若工序数不等，先将工序数少的工件移动到工序数多的工件位置上，然后在剩余位置上补上未被安排的工序；
(3)邻域结构N3：将位于关键路径上的某一关键块上的块内工序在满足工序先后顺序约束条件下移...

【专利技术属性】
技术研发人员：唐浩，黎向锋，张立果，左敦稳，张丽萍，陆开胜，王建明，叶磊，王子旋，刘安旭，刘晋川，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32