基于序列差分的多阶段混合多目标进化的DFFSP方法技术

本发明专利技术属于流水车间调度技术领域，具体涉及一种基于序列差分的多阶段混合多目标进化的DFFSP方法。该方法在种群进化的不同阶段，采用不同的策略。中期差分进化策略是在种群中随机抽取三个不同的个体，利用交换序求解出表现较好的两个个体之间的差异，并取一定比例的差异作用于表现较差的个体，该策略可以加快种群中个体的收敛速度，提高整体的收敛性能。且在迭代后期，所采用的后期差分进化策略是对个体的选择与进化方向进行了调整，目的是提高算法对于Pareto前沿面边缘与局部区域的解的搜索能力。两者相结合，使个体朝着需要的方向去进化，以满足算法对收敛性和分布性能的需求，从而保证最终得到的解集(即最终的调度解决方案集)较优。集)较优。集)较优。

【技术实现步骤摘要】
基于序列差分的多阶段混合多目标进化的DFFSP方法


[0001]本专利技术属于流水车间调度
，具体涉及一种基于序列差分的多阶段混合多目标进化的DFFSP方法。

技术介绍

[0002]在生产调度领域，车间调度问题是一种非常重要且常见的问题。在车间生产调度过程中，需对任务、资源和操作员的合理分配与安排，加工、控制、调度的合理规划，从而获得一套高效率的生产方案。在现实中的生产调度中，可能会出现某些突发情况，例如机器的突然故障、工厂供电中断以及操作人员的状态不定等。这些不确定情况会影响调度的准确性，导致原先设定的确定性参数无法准确地描述实际的生产调度问题。因此，将不确定因素考虑进车间调度问题中是非常重要且更为贴合实际的。如今，在经济全球化的背景下，全球化合作模式的出现和科学技术的进步使得传统的生产制造环境发生了变化，大型产品的生产制造大多不再以地方企业的工厂单独加工完成，而是交由世界各地多种不同企业分工协作来共同制造。这些具有供需与合作关系的多个企业工厂共同组成了一个分布式制造系统，随着企业之间的合作制造越来越普遍，分布式制造已经成为了一种常见的生产模式。
[0003]分布式流水车间调度问题(Distributed flow shop scheduling problem,DFSP)与模糊流水车间调度问题(Fuzzy flow shop scheduling problem,FFSP)是车间调度问题的两种变体问题，DFSP考虑到了多工厂合作生产情况下的分布式制造环境，需要将待加工的作业分配至不同的工厂中，再按顺序进行流水加工，这种合作生产方式能够使工厂加工一批工件的时间更短，从而有效地提高了生产效率。FFSP则考虑到因多种不确定因素导致模糊的调度环境，使用三角模糊数来表示作业的模糊加工时间，这样能够较为真实地反映生产过程中因不确定事件而造成的模糊时间，对该理论的研究能够提升生产效率并降低生产调度中失调的概率。对于同时考虑分布式制造环境与模糊调度的流水车间调度问题的研究，具有重要的现实意义。由于车间调度问题在当今生产制造业快速蓬勃的发展下形成了多种复杂约束的变体问题，在实际生产过程中，往往会因多种不确定因素导致调度的不确定性。同时，在当前全球合作化生产模式的背景下，对分布式流水车间调度问题的研究更具有现实意义。分布式模糊流水车间调度问题(Distributed fuzzy flow shop scheduling problem,DFFSP)正是针对该情况所设计的问题，DFFSP不仅考虑了因不确定因素而导致作业的模糊加工时间，还考虑了多工厂条件下的分布式生产环境。
[0004]在早期关于车间调度问题的研究中，由于问题规模不大，且不存在诸多复杂的约束条件，因此使用传统的运筹学方法就可以解决这类问题。但是随着生产规模的逐渐扩大、生产环境越来越复杂、需要优化的目标增多，车间调度问题成为了复杂的多目标优化问题，其存在的各种解决方案组合更是非常庞大的数据，因此该问题也被证明是NP
‑
Hard问题。而传统的运筹学方法在求解这类复杂的多目标优化问题时，出现了运算时间过长、获得的解决方案不能令人满意的情况，后来开始使用多种启发式和元启发式算法来解决这类问题，在一段时间内取得了非常不错的进展。例如遗传算法(Genetic Algorithm,GA)、模拟退火
(Simulated Annealing,SA)、禁忌搜索(Tabu Search,TS)、粒子群优化(Particle Swarm Optimization,PSO)、差分进化(Differential Evolution,DE)等，这些算法在求解时间和解决方案质量上相比于传统运筹学方法都有着很大的提升，可以用于处理车间调度问题。但每种算法都有着自身优势的同时，也会不可避免的存在一些不足之处，没有一种算法能够解决所有问题，解的质量较差，无法得到较优的调度序列。

技术实现思路

[0005]本专利技术的目的在于提供一种基于序列差分的多阶段混合多目标进化的DFFSP方法，用以解决使用现有技术中的单一算法无法解算出较优的调度序列的问题。
[0006]为解决上述技术问题，本专利技术提供了一种基于序列差分的多阶段混合多目标进化的DFFSP方法，包括如下步骤：
[0007]1)根据车间加工信息，建立多目标DFFSP模型；多目标包括第一目标和第二目标，第一目标为模拟最大完工时间最短，第二目标为最小化所有工件的模糊总流动时间；初始化当代种群P
t
和当代精英种群A
t
，种群中的每个个体均为一种调度序列；
[0008]2)对当代种群P
t
进行处理生成当代子种群，将当代子种群和当代精英种群A
t
混合得到当代混合种群，对当代混合种群进行遗传操作生成当代临时种群P
t
′
；
[0009]3)判断当前所处的迭代阶段：
[0010]若处于整体迭代过程的迭代前期，则将当代临时种群P
t
′
作为下一代临时种群P
′
t+1
；
[0011]若处于整体迭代过程的迭代中期，则对当代临时种群P
t
′
执行中期差分进化策略生成当代策略临时种群SDDE
‑
P
t
′
，将当代策略临时种群SDDE
‑
P
t
′
和当代精英种群A
t
混合得到下一代临时种群P
′
t+1
；所述中期差分进化策略为：执行如下过程：从当代临时种群P
t
′
中随机抽取三个个体，使用交换序方法获得PDDR
‑
FF值较优的两个个体之间的序列差异，利用序列差异对最差的个体进行调整；重复上述过程，直至满足中期差分进化策略迭代终止条件；
[0012]若处于整体迭代过程的迭代后期，则对当代临时种群P
t
′
执行后期差分进化策略生成当代策略临时种群SDDE
‑
P
t
′
，将当代策略临时种群SDDE
‑
P
t
′
和当代精英种群A
t
混合得到下一代临时种群P
′
t+1
；所述后期差分进化策略为：执行如下过程：从当代临时种群P
t
′
中随机抽取三个个体且三个个体的PDDR
‑
FF值均小于设定值，使用交换序方法获得PDDR
‑
FF值较优的两个个体之间的序列差异，利用序列差异对最差的个体进行调整；重复上述过程，直至满足后期差分进化策略迭代终止条件；
[0013]其中，迭代前期、迭代中期和迭代后期构成一个整体迭代过程，且在时间上迭代前期早于迭代中期，迭代中期早于迭代后期；PDDR
‑
FF值为：
[0014][0015]式中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于序列差分的多阶段混合多目标进化的DFFSP方法，其特征在于，包括如下步骤：1)根据车间加工信息，建立多目标DFFSP模型；多目标包括第一目标和第二目标，第一目标为模糊最大完工时间最短，第二目标为最小化所有工件的模糊总流动时间；初始化当代种群P
t
和当代精英种群A
t
，种群中的每个个体均为一种调度序列；2)对当代种群P
t
进行处理生成当代子种群，将当代子种群和当代精英种群A
t
混合得到当代混合种群，对当代混合种群进行遗传操作生成当代临时种群P
t
′
；3)判断当前所处的迭代阶段：若处于整体迭代过程的迭代前期，则将当代临时种群P
t
′
作为下一代临时种群P
′
t+1
；若处于整体迭代过程的迭代中期，则对当代临时种群P
t
′
执行中期差分进化策略生成当代策略临时种群SDDE
‑
P
t
′
，将当代策略临时种群SDDE
‑
P
t
′
和当代精英种群A
t
混合得到下一代临时种群P
′
t+1
；所述中期差分进化策略为：执行如下过程：从当代临时种群P
t
′
中随机抽取三个个体，使用交换序方法获得PDDR
‑
FF值较优的两个个体之间的序列差异，利用序列差异对最差的个体进行调整；重复上述过程，直至满足中期差分进化策略迭代终止条件；若处于整体迭代过程的迭代后期，则对当代临时种群P
t
′
执行后期差分进化策略生成当代策略临时种群SDDE
‑
P
t
′
，将当代策略临时种群SDDE
‑
P
t
′
和当代精英种群A
t
混合得到下一代临时种群P
′
t+1
；所述后期差分进化策略为：执行如下过程：从当代临时种群P
t
′
中随机抽取三个个体且三个个体的PDDR
‑
FF值均小于设定值，使用交换序方法获得PDDR
‑
FF值较优的两个个体之间的序列差异，利用序列差异对最差的个体进行调整；重复上述过程，直至满足后期差分进化策略迭代终止条件；其中，迭代前期、迭代中期和迭代后期构成一个整体迭代过程，且在时间上迭代前期早于迭代中期，迭代中期早于迭代后期；PDDR
‑
FF值为：式中，eval(k)为个体的PDDR
‑
FF值；q(k)为支配k的个体的数量；p(k)为被k所支配的个体的数量；pSize为种群的大小；4)从下一代临时种群P
′
t+1
中挑选出PDDR
‑
FF值较优的多个个体作为下一代精英种群A
t+1
；判断是否满足整体迭代...

【专利技术属性】
技术研发人员：张闻强，李晨，杨卫东，许德刚，梁义涛，朱春华，魏蔚，刘刚，李智，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：