一种模糊车间调度的多目标方法和系统技术方案

柔性作业车间调度问题(FJSP)是工业系统面临的挑战之一。为此，我们提出了一个双种群平衡多目标进化算法(以下称为BPBMO)求解模糊处理时间的分布式FJSP和起重机运输流程(以下称为DFJSPFC)。同时考虑两个目标，包括最小化最大模糊完成时间和机器加工、起重机运输能耗。首先，对于所考虑的问题建立数学模型。然后，开发了一个有效的问题特性相关的初始化启发式算法。为了有效平衡收敛性何多样性，设计了一种新的交叉算子和两个种群合作环境选择机制。此外，设计了一种有效的种群大小调整机制。增强局部搜索启发策略则进一步改进了算法的搜索能力。最后，基于对实际的工业过程进行测试计算比较和统计，分析了该算法的有效性。分析了该算法的有效性。分析了该算法的有效性。

【技术实现步骤摘要】
一种模糊车间调度的多目标方法和系统


[0001]本专利技术属于柔性作业车间调度优化
，尤其涉及一种含模糊处理时间和起重机运输流程的分布式柔性作业车间调度方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]调度问题是一个重要的研究课题，特别是在一些典型的工业生产过程，例如钢铁生产系统、半导体制造系统和预制构件生产系统。在现实的工业系统中存在许多不同类型的调度问题，如流水车间问题(flow shop scheduling problem,FSP)，混合流车间问题(hybrid flow shop problem,HFS)、作业车间问题(job shop problem,JSP)，和柔性作业车间问题(flexible job shop problem,FJSP)。大多数现有文献未考虑到确定因素，即假设所有工序的处理时间为确定值，然而，现实工业环境中工件加工时间通常不是确定的。
[0004]随着世界经济全球化的发展，越来越多的公司采用分布式生产提高生产效率和降低成本。因此，许多研究人员将重点放在分布式调度问题，如分布式FSP、分布式HFS、分布式JSP和分布式FJSP。同时，越来越多的现实生产过程还考虑了诸如模糊处理时间，以及起重机或机器人运输限制，因而，为适应现实工业环境，每个工件的加工时间应该设置为模糊值而不是确定性值。另外，为考虑工件搬运过程所需要的起重机资源和搬运时间，还应该在调度问题建模中融入起重机约束。
[0005]此外，随着对低碳的持续要求，相关文献也开展了对加工过程中机器加工能耗和待机能耗的研究。这里一般假设处理速度越快，能耗越大。通过对现有文献的分析，我们发现在求解FJSP时存在许多现实的约束，目前考虑模糊时间处理、起重机运输和分布约束FJSP(以下简称DFJSP
‑
FC)等约束的文献较少。

技术实现思路

[0006]为克服上述现有技术的不足，本专利技术提出了一种有效求解DFJSP
‑
FC问题的多目标优化方法。本专利技术的主要贡献如下：
[0007](1)考虑问题特性，基于混合整数规划，为所求解的DFJSP
‑
FC问题建立数学规划模型，同时考虑两个目标，即最小化最大模糊完成时间和机器加工、起重机运输能耗。
[0008](2)开发了一个有效的问题特性相关的初始化启发式算法，有效提升了初始种群的质量和多样性。
[0009](3)为了有效平衡收敛性何多样性，设计了一种新的交叉算子和两个种群合作环境选择机制。
[0010](4)设计了一种有效的种群大小调整机制。增强局部搜索启发策略则进一步改进了算法的搜索能力。
[0011]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0012]S001：一种考虑模糊时间处理和带起重机运输的分布式柔性作业车间调度优化方法，包括如下过程：
[0013]考虑典型的实际生产过程炼钢领域，其中有多个分布式工厂，每个工厂通常有五个阶段或过程。第一个过程是将铁水装入一种叫做鱼雷车(TPC)的装置。接着，TPC应该通过第二和第三精炼阶段进行加工。第四阶段是倒灌过程，最后一阶段是连铸工艺。
[0014]其中，所述考虑模糊时间处理和带起重机运输的分布式柔性作业车间调度问题的多目标优化模型的构建过程包括：
[0015](1)如何为每个工件选择合适机床；(2)如何为每台机床上的工件排序；(3)如何确定每个工件的模糊开工和完工时间；(4)如何确定起重机运输路线；(5)如何为每个工件分配合适的工厂。
[0016]一个或多个实施例所述对每个可行解进行编码和解码具体包括：
[0017]S002：与经典的FJSP一样，所考虑问题的每个解决方案也由二维向量表示，其中一个向量描述每个操作的调度序列，另一个向量告诉每个操作的机器分配。
[0018]S003：为了确定每次操作的开始和完成时间，我们应该考虑四个关键因素，即起重机的模糊空闲时间、前一次操作的模糊空闲、加工机器的模糊空闲以及起重机的移动路线。
[0019]一个或多个实施例所述初始策略包括七种特定问题的启发式方法：
[0020]S004：最长处理时间(LPT)规则、不确定最小优先(UMF)规则、负载最小优先(LMF)规则、最小能量优先(MEF)规则、最小操作数优先(MNF)规则、缩短处理时间(SPT)规则和随机分配和调度(RAND)规则。
[0021]一个或多个实施例所述交叉策略探索搜索空间具体包括：
[0022]S005：平衡式交叉方法。
[0023]一个或多个实施例所述局部搜索策略具体包括：
[0024]S006：新的强化局部搜索策略。
[0025]一个或多个实施例所述自适应种群大小调整策略具体包括：
[0026]S007：基于多目标优化的指标的自适应种群大小调整策略。
[0027]最优帕累托解集优化实验模块，其被配置包括如下步骤：
[0028]S008：(1)根据当前基础数据和考虑模糊时间处理、起重机运输和分布约束FJSP多目标优化模型，得到最优帕累托解集；(2)为了使算法能够有更出色的表现，根据当前数据基础对所提出算法的两个参数进行了调整；(3)我们开发了七个特定于问题的初始化启发式，以考虑这两个目标，从而提高初始种群的质量和多样性，根据当前数据基础对初始化策略性能分析；(4)具有不同任务的两个种群可以同时平衡收敛和多样性能力，根据当前数据基础对双种群策略性能分析；(5)通过实施两种算法来验证特定问题的平衡交叉启发式的有效性；(6)增强的局部搜索启发式是为了提高所提出算法的局部搜索能力，根据当前数据基础对局部搜索策略性能分析；(7)选择六种最先进的MOEA与所提出的算法进行比较，对所提算法性能做出分析。
[0029]以上一个或多个技术方案存在以下有益效果：
[0030]本专利技术研究了实际生产系统中带起重机运输的分布式柔性车间调度问题，并研究了模糊加工时间约束。目标是同时最小化模糊制造时间和能耗。据我所知，这项研究是解决这类优化问题的第一项工作。我们首先给出了问题的数学模型。然后，设计一个三维向量来
表示每个解。设计了一种特定于问题的初始化方法。在所提出的BPBMO算法中，设计了两个种群分别执行收敛和分集能力。然后，开发了一种新的平衡交叉方法。为了增强平衡能力，嵌入了自适应种群规模调整启发式算法。最后，研究了增强的局部搜索以进一步提高搜索能力。比较结果表明了该算法的竞争性能。
附图说明
[0031]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0032]图1为本专利技术实施例中一个解决方案表示示例；
[0033]图2(a)为本专利技术实施例中参数p
m
的HV水平图；
[0034]图2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模糊车间调度的多目标方法，其特征在于，包括如下步骤：考虑典型的实际生产过程炼钢领域，其中有多个分布式工厂，每个工厂通常有五个阶段或过程，第一个过程是将铁水装入一种叫做鱼雷车(TPC)的装置，接着，TPC应该通过第二和第三精炼阶段进行加工，第四阶段是倒灌过程，最后一阶段是连铸工艺。2.如权利要求1所述的一种模糊车间调度的多目标方法，其特征在于，所述考虑模糊时间处理和带起重机运输的分布式柔性作业车间调度问题的多目标优化模型的构建过程包括：(1)如何为每个工件选择合适机床；(2)如何为每台机床上的工件排序；(3)如何确定每个工件的模糊开工和完工时间；(4)如何确定起重机运输路线；(5)如何为每个工件分配合适的工厂。3.如权利要求2所述的一种模糊车间调度的多目标方法，其特征在于，所述对每个可行解进行编码和解码具体包括：所考虑问题的每个解决方案也由二维向量表示，其中一个向量描述每个操作的调度序列，另一个向量告诉每个操作的机器分配，为了确定每次操作的开始和完成时间，我们应该考虑四个关键因素，即起重机的模糊空闲时间、前一次操作的模糊空闲、加工机器的模糊空闲以及起重机的移动路线。4.如权利要求2所述的一种模糊车间调度的多目标方法，其特征在于，对于所考虑的问题，需要初始化三个部分，即调度部分、机器分配部分和工厂分配部分，通过使用几个特定于问题的启发式算法生成初始总体解决方案，包括：最长处理时间(LPT)规则、不确定最小优先...

【专利技术属性】
技术研发人员：李俊青，李荣昊，薛涛，张凯兵，
申请(专利权)人：聊城大学，
类型：发明
国别省市：