一种多目标分布式混合流水车间调度方法技术

本发明专利技术涉及一种多目标分布式混合流水车间调度方法，属于混合流水车间调度技术领域。本发明专利技术以分布式混合流水车间调度的最大完工时间和最大处理时间的同时最小化为目标建立相应的目标函数，首先使用基于向量评估遗传算法和基于Pareto支配与非支配关系的适应度函数将种群分成三个模因组，然后利用PSO对每一个模因组进行全局搜索，在Pareto前沿面的多个方向上探索解，加快Pareto前沿面的上、下边缘和中心区域的收敛速度；其次，利用针对关键工厂的critical

【技术实现步骤摘要】
一种多目标分布式混合流水车间调度方法


[0001]本专利技术涉及一种多目标分布式混合流水车间调度方法，属于混合流水车间调度


技术介绍

[0002]生产调度在许多制造系统中起着至关重要的作用，有效的生产调度是使工业提高生产效率和提高资源利用率的重要因素。因此，生产调度的建模与优化是系统工程领域的重要研究课题，研究生产调度问题，特别是开发有效的求解算法具有重要的意义。混合流水车间调度问题(HFSP)是生产制造中一个复杂的优化决策问题，目前已广泛应用于电子、玻璃、纺织、造纸、半导体等行业。HFSP是经典的置换流水车间调度问题的扩展，适用于每个阶段都有多台并行机器的柔性生产调度。为了有效地解决HFSP，提出了许多元启发式算法，包括遗传算法(Genetic Algorithm,GA)、人工蜂群算法(ABC)、迭代贪婪算法(IG)和粒子群优化算法(Particle Swarm Optimization,PSO)等算法。随着市场竞争的加剧和客户需求的个性化，集中式制造似乎难以适应市场需求。因此，大量的企业将生产扩展到分布式环境中，在不同的地方建立工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标分布式混合流水车间调度方法，其特征在于，该调度方法包括以下步骤：1)构建以分布式混合流水车间调度的最大完工时间和最大处理时间同时最小的目标函数；2)采用基于整数的离散排序编码方式对工件和工厂进行编码，按照编码结果进行种群初始化；3)将种群划分成三个模因组，分别对各模组进行PSO全局搜索；4)对三个模因组进行交互更新，并进行针对关键工厂间的局部强化，所述的关键工厂指的是目标值最差和目标值最好的工厂；5)对选择的工厂集的工厂内部进行局部强化；6)从PSO搜索后的模因组和局部强化后的模因组中选择较优的个体，并将所选个体进行下一次种群进化，直至满足终止条件，将最终得到的最优个体作为目标函数的解。2.根据权利要求1所述的多目标分布式混合流水车间调度方法，其特征在于，所述步骤3)采用基于向量评估遗传算法和基于Pareto支配与非支配关系的适应度函数法将种群分成三个模因组，三个模因组分别为满足最大完工时间最小目标的解、最大处理时间最小的解、最大完工时间和最大处理时间同时最小的解，即适应度函数值最小的解。3.根据权利要求1所述的多目标分布式混合流水车间调度方法，其特征在于，所述步骤4)中的局部强化采用两个局部搜索算子实现，第一个局部搜索算子是critical
‑
factory insert：从目标值最差的工厂中随机抽取一个工件，插入到目标值最好的工厂的随机位置；第二个局部搜索算子是critical
‑
factory swap：从目标值最差的工厂和目标值最好的工厂中随机选择两个工件，对这两个工件进行交换操作。4.根据权利要求3所述的多目标分布式混合流水车间调度方法，其特征在于，所述步骤4)的局部强化过程如下：a.评价种群，交互更新三个模因组，获取模因组中的个体；b.在critical
‑
factory insert邻域中对个体进行局部搜索，如果更新后的个体比更新前的个体目标值优秀，则继续在此邻域内进行搜索，否则，执行步骤c；c.在critical
‑
factory swap邻域中对个体进行局部搜索，如果更新后的个体比更新前的个体目标值优秀，则继续在此邻域内进行搜索，否则，执行步骤d；d.判断是否达到终止条件，若达到，则停止搜索，否则，返回步骤b。5.根据权利要求1所述的多目标分布式混合流水车间调度方法，其特征在于，所述步骤5)采用Q...

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