基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法技术

基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，属于制造生产车间的调度排产技术领域，本发明专利技术为解决现有的解决MOFJSP的技术普遍存在精度低、可靠性差的问题。本发明专利技术对于以最大完工时间最小和机器总负荷最小为优化目标的柔性作业车间调度问题，该方案首先建立三层编码的数学模型，设计混合初始化策略生成初始种群，然后通过领飞个体队内交叉操作、左右跟飞个体队间交叉操作，以及队内个体的变异操作生成新的排产方案，采用基于Pareto支配关系的快速排序方法选择优秀个体，循环此策略直至算法结束，得到最优加工方案。该方法能够提高算法寻找最优解的精准度，获得更高质量的排产方案，从而提高车间生产加工的高效性和可靠性。和可靠性。和可靠性。

【技术实现步骤摘要】
基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法


[0001]本专利技术涉及一种优化的调度方法，属于制造生产车间的调度排产


技术介绍

[0002]生产调度问题(Job
‑
Shop Scheduling Problem,JSP)自上世纪五十年代中期提出以来，便受到广泛的关注，而柔性作业车间调度问题(Flexible Job
‑
Shop Scheduling Problem,FJSP)作为其延伸问题，具有更高的计算复杂度。近十年来，仅考虑最大完工时间的单目标FJSP始终是工业界关注的一个热点问题，然而在实际生产过程中，往往需要同时考虑完工时间和机器负载等多个目标，因此，对于多目标柔性作业车间调度问题(Multi
‑
Objective Flexible Job
‑
Shop Scheduling Problem,MOFJSP)的研究也很有必要。
[0003]目前，常用于解决MOFJSP的方法有遗传算法、粒子群优化算法、蚁群优化算法和差分进化算法等。作为元启发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，其特征在于，该方法包括以下步骤：步骤S1：输入生产加工数据构建数据集，并初始化参数；步骤S2：根据所述数据集建立染色体三层编码数学模型；该模型初始化建立时采用混合初始化策略生成初始种群，并计算初始种群中个体的目标函数值；步骤S3：基于Pareto支配关系对当前种群进行快速排序，将种群划分为领飞个体群和左右跟飞群；步骤S4：对当前种群进行进化，进化步骤依次为：领飞个体进化的步骤；左右跟飞个体依次进化的步骤；左侧跟飞个体与右侧跟飞个体根据交叉概率进行队间交叉的进化步骤；步骤S5：判断种群进化次数是否满足步骤S1限定的初始化参数中内循环次数的要求，是，则执行步骤S6；否，则返回执行步骤S4；步骤S6：当前种群根据变异概率进行变异；步骤S7：从变异个体及当前种群中选择优秀个体对领飞个体群进行更新；步骤S8：判断迭代次数是否满足步骤S1中初始化参数给出的终止条件，是，则输出当前解为最优解，输出车间调度方案；否，则返回执行步骤S4～S7再次迭代。2.根据权利要求1所述基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，其特征在于，步骤S1中输入的生产加工数据包括：各工序可选加工机器和工序在不同机器上的加工时间；初始化参数包括：迭代次数MAXGEN、初始种群规模SizePop、内循环次数G、领飞个体群最大规模Leaders_num、邻域规模Neigh_size、共享解规模Share_size、变异个体数量G1、交叉个体数量G2和最小化总完工时间目标C占全部目标的权重e。3.根据权利要求2所述基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，其特征在于，步骤S2中所述的染色体三层编码数学模型为：第一层为工序编码基因，采用工件的序号表示待加工工件的工序，工件的序号出现的次数等于该工件的工序总数；根据工件的序号在染色体中出现的次序进行编译，也就是从左至右扫描该层染色体，第r次出现的工件序号，表示该工件的第r道工序；第二层为机器编码基因，采用机器的编号表示各工序可选加工机器；第三层为时间编码基因：表征工序在不同机器上的加工时间；工序编码部分基因、机器编码部分基因和时间编码部分基因共同构成染色体；采用混合初始化策略生成初始种群的策略为：针对染色体的工序编码部分基因与机器编码部分基因，分别采取剩余工序最少策略与加工时间最短策略，生成占初始种群规模20％的个体；针对染色体的工序编码部分基因与机器编码部分基因，均采用随机策略生成初始种群的剩余个体。4.根据权利要求3所述基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，其特征在于，初始种群中个体的目标函数值包括最大完工时间和机器总负荷，优化目标为最大完工时间最小和机器总负荷最小，两个目标函数值按下式获取：
第一目标函数值为最大完工时间目标函数值：C＝min{max(C
i
)},1≤i≤n，其中C
i
表示第i个工件的完工时间，n为待加工工件的数量；第二目标函数值为机器总负荷目标函数值：其中，h
i
表示第i个工件的工序数量，m
ij
为可以加工第i个工件的第j道工序的机器数量，t
ijk
表示第i个工件的第j道工序在机器k上的加工用时，x
ijk
为用来判断工序加工情况的变量，若第i个工件的第j道工序在机器k上加工，则x
ijk
＝1，否则x
ijk
＝0。5.根据权利要求4所述基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，其特征在于，步骤S3中基于Pareto支配关系对当前种群进行快速排序，将种群划分为领飞个体群和左右跟飞群的过程为：步骤S3
‑
1、将种群中全部个体按第一目标函数值从小到大进行排序；步骤S3
‑
2、初始化种群中第一目标函数值最小的个体的支配层为种群的最大支配层，最大支配层MaxFNo＝1；步骤S3
‑
3、再依次处理跟随的其余个体，若当前个体的第二目标函数值小于等于前一个个体的第二目标函数值，则当前个体的支配层为MaxFNo，种群的最大支配层MaxFNo数值保持不变；若当前个体的第二目标函数值大于前一个个体的第二目标函数值，则当前个体的支配层为MaxFNo＝MaxFNo+1，并更新种群的最大支配层；依此，将种群中所有个体完成Pareto非支配排序；步骤S3
‑
4、根据Pareto非支配排序的结果，统计MaxFNo＝1个体的数目，若该数字小于等于领飞个体最大规模Leaders_num，则将其全部作为领飞个体，否则从中随机选择Leaders_num个个体作为领飞个体，并划分至领飞个体群，其余个体划分至左右跟飞群。6.根据权利要求5所述基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法，其特征在于，步骤S4中所述领飞个体进化的步骤：领飞个体通过队内交叉获得子代个体，并从子代个体与当前领飞个体的混合种群中选择较优秀的个体作为进化后的领飞个体，领飞个体队内交叉的具体实现过程为：步骤S4A
‑
1、选择两个相邻的领飞个体作为父代个体，分别记作Parent1和Parent2；步骤S4A
‑
2、选择一个均匀分布在0
‑
1之间的随机数，记作rand，若rand＞Pc，则重新选择两个相邻个体，并重复执行步骤S4A
‑
2；否则执行步骤S4A
‑
3；步骤S4A
‑
3、从全部工件中随机选择一半，分别从Parent1和Parent2两个个体中筛选出属于这些工件的工序，并记录其在染色体中的基因位置；步骤S4A
‑
4、将Parent1中筛选出的工序编号，保持先后顺序不变地插入到Parent2被记录的基因位置中，同时，这些工序的加工机器编码以及加工时间也插入到Parent2的对应位置上，得到子代Child1；步骤S4A
‑
5、将Parent2中筛选出的工序编号，保持先后顺序不变地插入到Parent1被记录的基因位置中，同时，这些工序的加工机器编码以及加工时间也插入到Parent1的对应位置上，得...

【专利技术属性】
技术研发人员：邓立宝，狄原竹，宋乐，李春磊，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：