基于改进黑猩猩优化算法的云端化资源柔性作业调度方法技术

本发明专利技术公开了一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，该方法包括以下步骤：（1）根据黑猩猩算法进行其收敛因子的调整以及设置其位置更新策略；（2）根据步骤（1）得到的黑猩猩算法进行云端化资源调度的方案设计，提供数据参考。本发明专利技术能够解决柔性作业车间调度问题，本发明专利技术提供的一种新的GS、LS和随机搜索相结合的初始化方法，提高种群初始解的质量，加快遗传算法的收敛速度。并与现有技术中的其他遗传算法的测试结果进行比较，计算结果有了进一步提高，同时计算时间有了一定的缩短，验证了所提出的初始化方法的可行性和有效性。有效性。有效性。

【技术实现步骤摘要】
基于改进黑猩猩优化算法的云端化资源柔性作业调度方法


[0001]本专利技术属于云端化资源柔性作业调度
，涉及一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法。

技术介绍

[0002]为信息化与工业化融合的典型代表，然而云制造的相关理论与研究在调度中的应用还存在一些问题有待深入研究。本申请在国内外相关研究的基础上，结合生产流程，探索云制造环境下面向过程的云端化资源调度问题。云端化资源建模的柔性作业车间调度问题是基于传统车间调度问题上的一个拓展，对于传统车间调度问题，每一个工件的加工工序和每一个工序对应的机器和加工时间是预先确定好的。但是对于云端化的柔性车间资源调度问题来说，每一个工件涉及的工序可以在多个机器上进行加工，并且在此前提下所选择的机器的加工时间是不同的。与传统车间调度方法对比，云端化资源调度问题增加了调度的灵活性，相对符合实际生产的实际情况，因此云端化资源调度问题是当下比较迫切需要解决的问题。

技术实现思路

[0003]本专利技术要解决的技术问题是：提供一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，以解决现有技术中存在的技术问题。
[0004]本专利技术采取的技术方案为：一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，该方法包括以下步骤：
[0005](1)根据黑猩猩算法进行其收敛因子的调整以及设置其位置更新策略；
[0006](2)根据步骤(1)得到的黑猩猩算法进行云端化资源调度的方案设计，提供数据参考。
[0007]收敛因子的调整以及位置更新策略方法如下：
[0008]S1
‑
1，初始的黑猩猩算法；标准的ChOA算法将黑猩猩群体分为四种类型：攻击者、障碍者、驱赶者和追逐者，其中攻击者是种群的领导者，其他三类黑猩猩协助狩猎，社会地位依次下降，黑猩猩驱逐和追逐猎物的数学模型如下：
[0009]d＝|C
·
Xprey(t)
‑
m
·
Xchimp(t)|
[0010]Xchimp(t+1)＝Xprey(t)
‑
a
·
d
[0011]式中：t表示当前迭代次数；Xprey为猎物位置向量；Xchimp为当前黑猩猩位置向量；a，m，C为系数向量，计算公式如下：
[0012]a＝2f
·
r1‑
f
[0013]m＝Chaotic value
[0014]C＝2
·
r2[0015]式中：r1和r2分别为[0，1]间的随机向量；f为收敛因子，其值随迭代次数增加从2.5非线性减小到0；a是决定黑猩猩与猎物距离的随机向量，其值为[
‑
f，f]之间的随机数，m
为混沌映射矢量，代表黑猩猩在狩猎过程中性动机的影响；C为黑猩猩驱逐和追赶猎物的控制系数，其值为[0，2]之间的随机数；种群初始化后，依次选出四个最优解作为攻击者、障碍者、驱赶者和追逐者的位置，种群中的其他黑猩猩位置围绕以下四种黑猩猩的位置进行更新，其数学模型描述如下：
[0016]X1＝Xattacker
‑
a1
·
|C1
·
Xattacker
‑
m1
·
X|
[0017]X2＝Xbarrier
‑
a2
·
|C2
·
Xbarrier
‑
m2
·
X|
[0018]X3＝Xchaser
‑
a3
·
|C3
·
Xchaser
‑
m3
·
X|
[0019]X4＝Xdriver
‑
a4
·
|C4
·
Xdriver
‑
m4
·
X|
[0020]X
(t+1)
＝(X1+X2+X3+X4)/4
[0021]S1
‑
2，对黑猩猩算法的遗传因子进行调整，加快算法的收敛速度：
[0022][0023]其中，t为当前迭代次数，Max
iter
为最大迭代次数，a
initial
和a
final
分别为 a的初始值和最终值，分别取值为2和0；
[0024]S1
‑
3，同时，为了更好地平衡算法的全局搜索和局部开发过程，设置一种新的自适应的移步策略：
[0025][0026]S1
‑
4，设置一种基于指导位置向量权值的动态比例权重，使黑猩猩算法能够高效寻优；
[0027]当前黑猩猩个体到attacker、barrier、chaser、driver之间的距离权重
[0028][0029][0030][0031][0032]结合前面的自适应位置更新策略，最终的位置更新方式可表示为
[0033][0034]步骤(3)中详细方法如下：
[0035]S3
‑
1，同时考虑三种性能指标：最大完工时间最小、最大负荷机器负荷最小和所有
机器上的总负荷最小；
[0036]最大完工时间C
M
[0037]minC
M
＝min(max(C
K
)) 1≤k≤m
[0038]式中，Ck是机器M
K
的完工时间；
[0039]最大负荷机器负荷W
M
[0040]minW
M
＝min(max(W
K
)) 1≤k≤m
[0041]式中，W
K
是机器M
K
的工作负荷；
[0042]所有机器的总负荷
[0043][0044]S3
‑
2，LOV规则的编码更适用于黑猩猩算法解决FJSP问题，对调度方案根据LOV规则设计数据结构：
[0045]S3
‑
3，利用SDChOA对步骤S3
‑
2的数据结构进行解码，得到一个完整的调度方案。
[0046]本专利技术的有益效果：与现有技术相比，本专利技术可以对客户群进行有效组合，科学合理安排个各工件以及各工序的加工顺序，实现加工资源的充分利用，提升工件加工效率。通过按照综合作业均衡的原则，应用标准模型在规划处出工件加工的顺序；最终能够实现以下效果：
[0047]1)建立围绕关键环节的数据分析方法，对关键环节的数据进行分析研究，建立配送服务标准模型；
[0048]2)制造(机器、人员)资源的配置合理，合理增加机器的负载量，平衡各机器的加工任务；
[0049]3)建立任务调度决策系统，形成定期的数据收集、分析、应用、改善的流程规范等。
附图说明
[0050本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，其特征在于：该方法包括以下步骤：(1)根据黑猩猩算法进行其收敛因子的调整以及设置其位置更新策略；(2)根据步骤(1)得到的黑猩猩算法进行云端化资源调度的方案设计，提供数据参考。2.根据权利要求1所述的一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，其特征在于：收敛因子的调整以及位置更新策略方法如下：S1
‑
1，初始的黑猩猩算法；标准的ChOA算法将黑猩猩群体分为四种类型：攻击者、障碍者、驱赶者和追逐者，其中攻击者是种群的领导者，其他三类黑猩猩协助狩猎，社会地位依次下降，黑猩猩驱逐和追逐猎物的数学模型如下：d＝|C
·
Xprey(t)
‑
m
·
Xchimp(t)|Xchimp(t+1)＝Xprey(t)
‑
a
·
d式中：t表示当前迭代次数；Xprey为猎物位置向量；Xchimp为当前黑猩猩位置向量；a，m，C为系数向量，计算公式如下：a＝2f
·
r1‑
fm＝Chaotic valueC＝2
·
r2式中：r1和r2分别为[0，1]间的随机向量；f为收敛因子，其值随迭代次数增加从2.5非线性减小到0；a是决定黑猩猩与猎物距离的随机向量，其值为[
‑
f，f]之间的随机数，m为混沌映射矢量，代表黑猩猩在狩猎过程中性动机的影响；C为黑猩猩驱逐和追赶猎物的控制系数，其值为[0，2]之间的随机数，种群初始化后，依次选出四个最优解作为攻击者、障碍者、驱赶者和追逐者的位置，种群中的其他黑猩猩位置围绕以下四种黑猩猩的位置进行更新，其数学模型描述如下：X1＝Xattacker
‑
a1
·
|C1
·
Xattacker
‑
m1
·
X|X2＝Xbarrier
‑
a2
·
|C2
·
Xbarrier
‑
m2
·
X|X3＝X...

【专利技术属性】
技术研发人员：李少波，杨贵林，周鹏，蒲睿强，张黔富，
申请(专利权)人：贵州大学，
类型：发明
国别省市：