基于数据驱动改进遗传算法求解作业车间调度问题的方法技术

本文发明专利技术提供一种数据驱动改进遗传算法(AR

【技术实现步骤摘要】
基于数据驱动改进遗传算法求解作业车间调度问题的方法


[0001]本专利技术涉及车间调度
，更具体地说，它涉及一种基于数据驱动改进遗传算法求解作业车间调度问题的方法。

技术介绍

[0002]新一轮工业革命的到来，促使信息技术迅速融入到工业制造过程 中，从而企业和工厂都积累了海量的生产调度数据，这些数据呈现出 不规则性和多样性等特性。而传统作业车间调度问题研究往往忽略了 工业生产中历史调度数据的潜在规律。因此，研究数据驱动在求解作 业车间调度问题的应用研究方面影响具有重要的意义。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供一种基于数据驱动改进遗传算法求解作业车间调度问题的方法，由于遗传算法不受限制性条件的约束，因此在作业车间调度问题上得到广泛应用，然而采用遗传算法求解作业车间调度问题，初始种群的质量对遗传算法求解效率有很大的影响，初始种群的质量越高，算法的起点就越高,从而可以提高遗传算法的求解效率和质量，可以更有效的求解车间调度问题。
[0004]本专利技术的上述技术目的是通过以下技术方案得以实现的：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据驱动改进遗传算法求解作业车间调度问题的方法，其特征在于，包括以下步骤：步骤一：从历史调度数据集中随机选取若干个体；步骤二：利用关联规则获取频繁工序块，同时组合调度规则获取每道工序出现在各个基因的位置及概率；步骤三：预先设置一阈值，判断频繁工序块位置上的基因出现概率是否大于阈值，如果是，执行步骤四；如果否，执行步骤五；步骤四：按照组合调度规则生成的工序进行排列，并执行步骤六；步骤五：保留该基因位置上的频繁工序块，并执行步骤六；步骤六：将生成的种群a％+(1
‑
a)％随机种群作为初始种群；步骤七：进行锦标赛选择；步骤八：判断选择的两个个体是否都具频繁工序块，如果是，执行步骤九；如果否，执行步骤十；步骤九：判断待交叉个体中频繁工序块的数量是否等于1，如果是，执行单点交叉，如果否，执行两点交叉；然后执行步骤十一；步骤十：判断两个个体是否都不具有频繁工序块，如果是，执行POX交叉；如果否，执行POX交叉，并更新频繁工序块；然后执行步骤十一；步骤十一：进行变异操作，更新频繁工序块信息；步骤十二：判断是否满足终止条件，如果是，输出最优结果；如果否，重复步骤七至步骤十二；终止条件为运算循环的次数达到迭代次数N
iter
时停止。2.根据权利要求1所述的基于数据驱动改进遗传算法求解作业车间调度问题的方法，其特征在于，所述步骤一中，从历史调度数据集中随机选取40
‑
60％的个体。3.根据权利要求1所述的基于数据驱动改进遗传算法求解作业车间调度问题的方法，其特征在于，所述步骤二中，调度规则包括基于工序的加工时间R
a,i
，基于工件的剩余加工时间R
b,i
，基于工件的剩余加工工序数R
c,i
和基于机器的加工时间R
d,i
，调度规则的线性组合参数表现形式为Power。4.根据权利要求3所述的基于数据驱动改进遗传算法求解作业车间调度问题的方法，其特征在于，基于工序的加工时间的具体调度规则如下：其中：t
max
和t
min
分别表示工序的最大加工时间和最小加工时间，表示工件i的第k道工序的加工时间，R
a,i
表示工件i在规则a下的优先值；基于工件的剩余加工时间的具体调度规则如下：其中：f
max
和f
min
分别表示待加工工件的最大剩余加工时间和最小剩余加工时间，f
i
表示
工件i的剩余加工时间，R
b,i
表示工件i在规则b下的优先值；基于工件的剩余加工工序数的具体调度规则如下：其中：n
max
和n
min
分别表示待加工工件中的最大剩余工序数和最小剩余工序数，n
i
表示工件i的剩余工序数，R...

【专利技术属性】
技术研发人员：乔东平，柏文通，段绿旗，王雅静，肖艳秋，文笑雨，李浩，李立伟，孙春亚，张玉彦，王昊琪，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：