基于改进交叉熵算法的多目标柔性作业车间调度方法技术

本发明专利技术针对现阶段求解多目标柔性作业车间调度问题存在的问题，提出了一种基于改进交叉熵算法的多目标柔性作业车间调度方法，包括步骤：初始化迭代次数M和策略切换阈值n_switch，初始化种群P、工序概率分布矩阵、机器概率分布矩阵与外部记忆库E，根据工序搜索算子与机器搜索算子得到新种群，对于具有相同目标向量的个体使用突变算子进行去重，采用基于SPEA2的环境选择算子筛选优良个体，采用种群P更新外部记忆库E；采用层次化多目标邻域搜索对种群P与外部记忆库E进行搜索优化，迭代M次；对外部记忆库E使用非支配排序得到最终的非支配解集。本发明专利技术可有效求解相关非支配解集，同时具有较好的多样性与收敛性。时具有较好的多样性与收敛性。时具有较好的多样性与收敛性。

【技术实现步骤摘要】
基于改进交叉熵算法的多目标柔性作业车间调度方法


[0001]本专利技术属于多目标柔性作业车间调度
，尤其涉及一种基于改进交叉熵算法的多目标柔性作业车间调度方法。

技术介绍

[0002]船舶制造业作为国家综合国力的体现之一，关乎到国计民生、国家安全和民族复兴，与此同时，船舶制造业也是技术密集型和劳动密集型企业的代表，属于大型装备制造行业。随着国家对船舶制造的逐渐重视，到目前为止已经建立起强大而全面的船舶与海工装备制造体系，推动了国家的海洋发展和海洋运输等方面的发展。
[0003]作业车间制造作为船舶企业生产的基础之一，其相关发展及智能数字化水平密切影响项目的整体成本以及推进进度。但是目前国内车间智能制造管理层面对作业车间的整体排产规划较为欠缺，相对国际水平还是较为落后。此外船厂车间层级的相关顶层设计还不够完善，车间与项目之间的底层逻辑尚未打通。所以，在当前全球疫情反复而导致船舶市场低迷的情况下，船舶制造企业亟待加快车间的智能制造化，更深入地推进企业产信融合、提高全球竞争力。
[0004]通过对国内主要船舶制造厂进行调研并分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进交叉熵算法的多目标柔性作业车间调度方法，其特征在于，包括：步骤1，初始化迭代次数M和策略切换阈值n_switch，初始化种群P、工序概率分布矩阵S、机器概率分布矩阵Q与外部记忆库E，采用交叉熵算法搜索，根据工序搜索算子与机器搜索算子得到新种群H，对于具有相同目标向量的个体使用突变算子进行去重，采用基于SPEA2的环境选择算子筛选优良个体，采用种群P更新外部记忆库E；步骤2，采用层次化多目标邻域搜索对种群P与外部记忆库E进行搜索优化，迭代M次；步骤3，对外部记忆库E使用非支配排序得到最终的非支配解集。2.根据权利要求1所述的多目标柔性作业车间调度方法，其特征在于，所述步骤1中初始化种群P具体包括种群P初始化解向量中机器分配向量初始化和种群P初始化解向量中中工序向量初始化；所述种群P初始化解向量中机器分配向量初始化采用4种机器分配规则初始化，所述4种机器分配规则具体为：(1)全局最小负载分配规则：每次从所有的机器中选择负载最小的机器进行分配；(2)随机排列分配规则：首先对工序向量进行随机排序，接着从左往右依次遍历工序向量，对每道工序选择负载最小的机器；(3)最小加工时间分配规则：工序分配给加工时间最短的机器；(4)随机分配规则：每一道工序，随机分配对应的加工机器；所述种群P初始化解向量中中工序向量初始化采用3种排序规则初始化，所述3种排序规则具体为：(1)最多剩余工时排序规则：根据每个任务剩余的工时进行工序分配，从所有任务中选择一个具有最小剩余工时的任务分配其工序，如果没有下一道工序，则将该任务从待分配任务集合中删除；如果有多个具有最小剩余工时的任务则随机选择一个；(2)最多剩余工序排序规则：根据每个任务剩余的工序数进行工序分配，从所有任务中选择一个具有最少工序数的任务分配其工序，如果没有下一道工序，则将该任务从待分配任务集合中删除；如果有多个具有最少工序数的任务则随机选择一个；(3)随机排序规则：随机分配所有工序的加工顺序。3.根据权利要求1所述的多目标柔性作业车间调度方法，其特征在于，所述工序概率分布矩阵S、机器概率分布矩阵Q的初始化为：另S∈R
N
×
N
为用于生成工序向量的工序概率分布矩阵，Q∈R
N
×
M
为用于生成机器向量的机器概率分布矩阵，其中N为总工序数，M为总机器数，则S[x,y]表示工序向量的第x个位置分配工序y的概率，在初始状态下令S[x,y]＝1/N，Q[x,u]表示机器向量的第x个位置分配机器u的概率，其中m
y
表示可以加工工序y的机器数，初始状态为：所述外部记忆库E初始化为空集。4.根据权利要求1所述的多目标柔性作业车间调度方法，其特征在于，所述根据工序搜索算子得到新种群具体包括步骤：判断m与n是否相同，如果相同则随机交换两道不属于同一任务的工序得到新个体并直
接返回；设当前任务数为N，对N个任务进行编号，从其中随机选择若干个任务到集合u，定义v为集合u的补集，如果选择的任务数为0或者等于N，则重新进行选择；子代p个体中属于集合u中的工序从父代个体m中依次拷贝到对应位置，剩余属于集合v中的工序则依次从父代个体n中依次拷贝到对应位置；相反的，子代q个体中属于集合u中的工序从父代个体n中依次拷贝到对应位置，剩余属于集合v中的工序则依次从父代个体m中依次拷贝到对应位置；所述根据机器搜索算子得到新种群具体包括步骤：设当前工序数为N，从N道工序中，随机选择k道组成集合u，如果集合u中元素的个数为0或者等于N，则重新进行选择；将父代个体m和n中属于集合u中的工序，对其分配的机器进行交换得到后代个体p、q。5.根据权利要求1所述的多目标柔性作业车间调度方法，其特征在于，所述对于具有相同目标向量的个体使用突变算子进行去重具体包括：基于最大负载的机器重分配算子：从具有最大负载的机器上加工的工序中，随机选择一道，将其重分配到另外具有相对更小负载的机器上进行加工；基于最晚完工时间的机器重分配算子：随机选择一道完工时间最晚的机器上的工序，将其重分配到另外一台具有更小最晚完工时间的机器上进行加工；关键工序移动：对当前个体随机获取一条关键路径，并随机找到一个当前关键路径上的关键块，然后随机选择一道工序前移或者后移到关键块的头部或者尾部；关键工序重插入：随机选择一道关键工序，将其移动到另一台可加工设备上。6.根据权利要求1所述的多目标柔性作业车间调度方法，其特征在于，所述采用基于SPEA2的环境选择算子筛选优良个体具体包括：从候选解中优选选择适应度值小于1的个体，即非支配解，如果非支配解个数不足够，根据适应度值依次选取合适数目的个体；否则将多余的个体剔除，也就是具有较小欧式距离的个体；所述适应度为：Fitness(x
i
)＝Raw(x
i
)+Den(x
i
))其中，P表示种群，x
i
和x
j
分别表示种群P中的个体，Str(x
i
)表示个体的强度值为其支配的其它个体数目，Raw(x)为原始适应度值，Den(x)表示额外的密度信息值，k为种群大小的平方根，表示x
i
到种群中其它第k近个体的欧式距离，Fitness(x
i
)为适应度。7.根据权利要求1所述的多目标柔性作业车间调度方法，其特征在于，所述采用种群P更新外部记忆库E具体包括：将种群P每一个优良个体与外部记忆库中的每一个个体的目标函数向量进行比较；如果支配外部记忆库中的个体则替换；如果二者的目标函数向量相同，则计算机器向量的海明距离，如果为0则使用变异策略直到含有不同的目标函数值并查看是否有可替换的个体；否则继续向后比较。
8.根据权利要求1所述的多目标柔性作...

【专利技术属性】
技术研发人员：刘鑫宇，张贝贝，徐鹏，朱彤，徐炜翔，全先江，孟凡文，江浩，
申请(专利权)人：江苏杰瑞信息科技有限公司中国船舶重工集团公司第七一六研究所中船重工信息科技有限公司，
类型：发明
国别省市：