一种基于优化小生境遗传算法的资源调度优化方法技术

本发明专利技术公开了一种基于优化小生境遗传算法的资源调度方法，包括下述步骤：S1.以建立多目标函数和多约束条件为基础，建立资源调度优化数学模型；S2.基于权值粒子群算法对多目标函数进行加权处理，将多目标模型转化为单目标函数的问题；S3.根据K均值聚类算法把种群分为K个聚类并确定聚类中心；S4.选择、自适应交叉、自适应变异和小生境淘汰操作；S5.判断是否满足终止条件得到最终资源调度方式。本发明专利技术针对资源调度中现存的多目标求解难和易陷入局部最优解等问题，对基于优化小生境遗传算法的资源调度方法中的多目标函数确定权值、小生境半径和交叉和变异算子这三个过程进行改进，并且有效显著降低资源调度方式的成本并且降低加工时间。

【技术实现步骤摘要】
一种基于优化小生境遗传算法的资源调度优化方法
本专利技术涉及资源调度领域，具体涉及一种基于小生境遗传算法的多目标优化方法解决资源调度问题。
技术介绍
随着传统制造向智能制造的转变，如何降低成本和减少资源浪费等成为研究热点。应用智能优化算法研究更有效、更科学和更便捷的资源调度方法是改变当前资源调度优化过程单凭资源调度的经验的重要途径和必然方法。近年来，资源调度问题一直是工业生产中提高生产效率的重中之重，越来越多的研究人员将智能优化方法应用于资源调度领域。传统的生产车间调度优化算法大多为蚁群算法、神经网络、模拟退火等，文章[王万良等.基于Hopfield神经网络的作业车间资源调度方法[J].自动化学报，2002，028(005):838-844.]采用基于Hopfield神经网络解决资源调度问题，可稳定输出为可行的车间调度方案；文章[黄学文等.基于蚁群算法的多加工路线柔性车间调度问题[J].计算机集成制造系统，2018.]针对具有工艺路径柔性和机器柔性的多加工路线柔性车间调度问题，通过引入额外的节点信息素，改进信息素更新策略和状态转移规则，实现了蚁群算法求解。这些方法能够解决模型资源调度较为简单的问题，但是在资源调度模型中约束条件越来越复杂情况下，难以得到最佳资源调度方式，且收敛速度较慢、易陷入局部最优，具有局限性，不适合处理复杂的资源调度模型。目前已有学者将智能优化算法应用于资源调度优化计算，有效的解决了传统计算资源调度模型存在的问题。文章[袁帅鹏等.多目标炼钢—连铸资源调度的改进带精英策略的快速非支配排序遗传算法[J].计算机集成制造系统，2019，25(01):119-128.]针对炼钢连铸调度的特殊工艺要求，提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法，有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。随着工厂的需求逐渐增加，传统智能优化算法出现了新的问题：不仅需要考虑完成生产任务的问题，也要同时考虑成本和资源的问题，因此，如何求得多目标函数的最佳资源调度方式并满足复杂的约束条件成为新的问题焦点。
技术实现思路
为了解决现有技术问题，本专利技术提供一种基于小生境遗传算法的多目标优化方法，首先建立以生产成本、运输成本和生产时间为优化目标，以资源总量、设备工时和生产总量等为约束条件的多目标优化模型。其次，采用基于权值粒子群算法将多目标优化问题转化为单目标优化问题。最后，根据工厂生产的实际执行因素，将基于K均值聚类算法优化小生境遗传算法与实际工厂生产过程相结合，合理地生成资源调度方式，达到减小生产成本、降低运输产本、缩短生产时间的效果。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于小生境遗传算法的多目标优化方法，包括下述步骤：S1：建立生产成本、运输成本和生产时间的多目标函数，提出资源总量、设备工时和生产总量为多约束条件，建立资源调度优化数学模型；S2：针对多目标的特点提出一种基于权值粒子群优化方法对多目标函数进行加权处理，将多目标模型转化为单目标函数的问题；S3：初始化种群，随机生成M个个体，并计算各个个体的适应度值，对每个个体的适应度进行计算按降序排列，并记忆前N个个体；S4：根据基于优化K均值聚类算法把种群分为K个聚类并确定聚类中心；S5：进行选择操作，采用最优保存策略，个体依适应度值高低进行排序，选取适应度值高的一半个体作为父代，在每个聚类中随机选取个体进行自适应交叉和变异，产生新个体然后进入下一代种群；S6：小生境淘汰操作，将S3得到的M个个体记忆的N个个体合并起来，得到一个含有M+N个个体的新群体，在每一个聚类中计算每两个个体Gi和Gj的适应度大小，并对其中适应度较低的个体加罚函数；S7：计算新的适应度并记忆前N个个体；S8：若满足终止条件，则输出算法结果，算法完成，若不满足终止条件，则将种群及种群代数计数器更新。进一步的，所述步骤S1中，建立资源调度优化数学模型为：目标函数为生产成本，公式如下：其中，F表示生产成本，n表示有n种产品，ci表示第i种产品的生产成本(元/件)，xi表示第i种产品的生产量。目标函数为运输成本，公式如下：其中，Y表示运输成本，n表示有n种产品，ti表示第i种产品的运输成本(元/件)，xi表示第i种产品的生产量。目标函数为生产时间，公式如下：其中，S表示加工时间，n表示有n种产品，ji表示第i种产品的加工时间(小时/件)，xi表示第i种产品的生产量。约束条件为资源总量，公式如下：其中，xi表示第i种产品的生产量，yi表示第i种产品的原材料用量，n表示有n种产品，M是原材料的总库存量。约束条件为设备工时，公式如下：其中，xi表示第i种产品的生产量，si表示第i种产品的设备工时，n表示有n种产品，S是设备的可工作的总工时。约束条件为生产总量，公式如下：其中，xi表示第i种产品的生产量，n表示有n种产品，Z是各产品的生产总量。进一步的，所述步骤S2中，利用基于权值粒子群优化方法对多目标函数对资源调度优化多目标数学模型进行加权处理，包括以下步骤：1-1)已知有3个目标函数，利用粒子群算法分别求出各子目标函数的最优解，记做Xi,i＝1,2,3；1-2)将各目标函数得到的最优解代入不同的目标函数，获取相应的目标函数值fi(Xj)，即fi(Xj)表示第j个目标函数的最优解代入第i个目标函数的函数值，Xj表示第j个目标函数的最优值。1-3)计算在不同最优解Xj时各目标函数的差值其中，表示第j个目标函数的最优解Xj代入到第i个目标函数得到的函数值与第i个目标函数的最小值之间的差值。1-4)按照公式计算第i个目标函数的平均差值；其中，ui表示第i个目标函数的平均差值，j表示第j个目标函数，m表示共有m个目标函数，表示取不同最优解Xj各目标函数的差值，由于所以按照m-1计算平均差值。1-5)按照公式计算权重系数λi其中，m表示m个目标函数，ui表示第i个目标函数的平均差值，uj表示第j个目标函数的平均差值，λi表示权值；1-6)为了均衡有效解的范围，将上述加权系数按大小进行排序，按照差值大的目标函数乘以较小的加权系数，差值小的目标函数乘以较大的加权系数，重新构造目标函数。进一步的，所述步骤S4中，利用基于K均值聚类算法来确定小生境半径，具体为：使用评价指标和密度来优化K均值聚类算法的K值，将参数的不确定性对聚类结果的影响降到最低。用基于K均值聚类算法就可以无需事先确定小生境的数目和半径，可以通过轮廓系数来确定K值，以此来提高算法的准确性，加快算法的收敛速度。若初始值选取不合适，可能无法得到合理的聚类结果。轮廓系数可以更好的确定K的取值，可以通过枚举，令k从3到一个固定值如8，在每个K值上重复本文档来自技高网...

【技术保护点】
1.一种基于优化小生境遗传算法的资源调度方法，其特征在于，包括下述步骤：/nS1：建立生产成本、运输成本和生产时间的多目标函数，提出生产过程中的资源总量、设备工时和生产总量为多约束条件，建立资源调度优化数学模型；/nS2：针对多目标的特点提出一种基于权值粒子群优化方法对多目标函数进行加权处理，将多目标模型转化为单目标函数的问题；/nS3：初始化种群，随机生成M个个体，并计算每个个体的适应度值，对每个个体的适应度进行计算按降序排列，并记忆前N个个体；/nS4：根据基于K均值聚类算法把种群分为K个聚类并确定聚类中心；/nS5：进行选择操作，在每个聚类中随机选取个体进行自适应交叉和变异；/nS6：小生境淘汰操作，将S3得到的M个个体记忆的N个个体合并起来，得到了一个含有M+N个个体的新群体，确定新群体中的个体属于哪个聚类，在每一个聚类中计算每两个个体G

【技术特征摘要】
1.一种基于优化小生境遗传算法的资源调度方法，其特征在于，包括下述步骤：
S1：建立生产成本、运输成本和生产时间的多目标函数，提出生产过程中的资源总量、设备工时和生产总量为多约束条件，建立资源调度优化数学模型；
S2：针对多目标的特点提出一种基于权值粒子群优化方法对多目标函数进行加权处理，将多目标模型转化为单目标函数的问题；
S3：初始化种群，随机生成M个个体，并计算每个个体的适应度值，对每个个体的适应度进行计算按降序排列，并记忆前N个个体；
S4：根据基于K均值聚类算法把种群分为K个聚类并确定聚类中心；
S5：进行选择操作，在每个聚类中随机选取个体进行自适应交叉和变异；
S6：小生境淘汰操作，将S3得到的M个个体记忆的N个个体合并起来，得到了一个含有M+N个个体的新群体，确定新群体中的个体属于哪个聚类，在每一个聚类中计算每两个个体Gi和Gj的适应度大小，并对其中适应度较低的个体加罚函数；
S7：计算新的适应度并记忆前N个个体；
S8：若满足终止条件，则输出算法结果，算法完成，若不满足终止条件，则将种群及种群代数计数器更新。


2.根据权利要求1所述的一种基于优化小生境遗传算法的资源调度方法，其特征在于：所述步骤S2中，采用基于权值粒子群优化方法决定资源调度中多目标函数权值的计算，步骤如下：
1-1)已知有3个目标函数，利用粒子群算法分别求出各子目标函数的最优解，记做Xi,i＝1,2,3；
1-2)将各目标函数得到的最优解代入不同的目标函数，获取相应的目标函数值f...

【专利技术属性】
技术研发人员：刘晶，袁夕霞，闫文杰，齐巧玲，智琦琦，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12