基于决策树和遗传算法的车间运行控制方法技术

本发明专利技术公开了基于决策树和遗传算法的车间运行控制方法，步骤1、构建出单目标部分柔性作业车间问题模型；步骤2、采用遗传算法，得到调度结果；步骤3、基于调度结果来构造学习实例集，形成决策树分类模型；步骤4、构造输入属性集，在决策树分类模型中输入属性集进行决策树归纳；步骤5、构建决策树模型；步骤6、判定采样时刻点，进行规则调度；步骤7、调用C4.5算法对学习实例进行分类，对设备当前状态下选择的排序规则进行排序；决策树模型即可用于确定任意两个冲突加工操作的先后加工顺序，并作为新的调度规则指导作业车间调度过程。本发明专利技术从完工时间这个方面，给生产作业车间提供一种相对优化的调度方案，具有一定的实用意义。具有一定的实用意义。具有一定的实用意义。

【技术实现步骤摘要】
基于决策树和遗传算法的车间运行控制方法


[0001]本专利技术属于车间调度
，具体涉及一种基于决策树和遗传算法的车间运行控制方法。

技术介绍

[0002]车间生产调度工作科学化管理对于维持车间正常生产，提升生产作业效率，实现生产效益的最大化等方面起着至关重要的作用。如今生产规模日益扩大，所需生产要素与生产子任务也逐步增加，而在原有设备基础上，不断更换加工方案，费时费力，加之设备的修损问题也日益凸显，给管理者带来了较大的工作压力。从理论研究的角度而言，由于调度问题的NP性质，车间调度的已有调度方案的实际效果已经跟不上工业现代化与自动化发展的步伐。车间调度问题作为工厂生产的命脉，在自动化发展大势下，急需一种先进的车间作业调度优化方案来保障实际生产的高效与节能。

技术实现思路

[0003]本专利技术的目的是提供基于决策树和遗传算法的车间运行控制方法，解决了现有技术中车间作业调度方案的效率和节能有待进一步优化的问题。
[0004]本专利技术所采用的技术方案是；
[0005]基于决策树和遗传算法的车间运行控制方法，具体按照如下步骤进行：
[0006]基于决策树和遗传算法的车间运行控制方法，具体按照如下步骤进行：
[0007]步骤1、对单目标部分柔性作业车间加工时间问题描述，问题描述包括工序排序问题和机器选择问题，然后进行模型假设，构建出单目标部分柔性作业车间问题模型；
[0008]步骤2、采用遗传算法的双层编码方案分别表示步骤1中的工序排序问题和机器选择问题，得到调度结果；
[0009]步骤3、基于步骤2中遗传算法所得的调度结果来构造学习实例集，通过学习实例集来训练决策树的初始模型，形成用于指导生产调度的决策树分类模型；
[0010]步骤4、构造输入属性集，在决策树分类模型中输入属性集进行决策树归纳；
[0011]步骤5、构建决策树模型，根据改进C4.5算法生成一个决策树形式的分类器：一个具有两种类型节点的结构，一个叶节点，表示一个类；一个决策点，指定要在单个属性值上进行的检验，对检验的每个可能输出有一个分枝和子树；
[0012]步骤6、判定采样时刻点，此时刻点是调度过程中的一类特殊时刻，在加工出现冲突时刻进行规则选择，在工件加工过程中的所有冲突时刻进行规则调度；
[0013]步骤7、调用C4.5算法对学习实例进行分类，对设备当前状态下选择的排序规则进行排序；决策树模型即可用于确定任意两个冲突加工操作的先后加工顺序，并作为新的调度规则指导作业车间调度过程。
[0014]本专利技术的特点还在于；
[0015]在步骤1中，假设车间有q台机器，机器的集合为M＝{M
k
,1≤k≤q}，有n个工件需要
加工，工件的集合为J＝{J
i
,1≤i≤n}，每个工件J
i
包含n
i
道工序，则工件J
i
的第j道工序可表示为O
ij
，工序的集合为I
i
＝{O
ij
,1≤j≤n
i
}。
[0016]在步骤1中，所述模型假设具体为：
[0017]minC
max
＝min(max(C
i
))
ꢀꢀ
(1
‑
1)；
[0018]ST.S
ijh
‑
C
i(j
‑
1)k
≥0,Y
ijh
＝Y
i(j
‑
1)k
＝1
ꢀꢀ
(1
‑
2)；
[0019]C
ijk
‑
S
ijk
＝L
ijk
,Y
ijk
＝1
ꢀꢀ
(1
‑
3)；
[0020]C
egk
‑
C
ijk
≥L
egk
,R
ijegk
＝1,Y
ijk
＝Y
egk
＝1
ꢀꢀ
(1
‑
4)；
[0021]Y
ijk
∈{0,1},i＝1,2,...n；j＝1,2,...n
i
；k＝1,2,...q
ꢀꢀ
(1
‑
5)；
[0022]R
ijegk
∈{0,1},i,e＝1,2,...n；j＝1,2,...n
i
；g＝1,2,...n
e
；k＝1,2,...q
ꢀꢀ
(1
‑
6)；
[0023]1≤i,e≤n,1≤j,g≤m,1≤k,h≤q,S
ijk
,C
ijk
≥0
ꢀꢀ
(1
‑
7)；
[0024]其中，C
max
为最大完成时间；C
i
为工件J
i
的完工时间；L
ijk
为工序O
ij
在机器M
k
上的加工时间，M
k
为第k台设备，C
ijk
为工序O
ij
在机器M
k
上的完工时间，S
ijk
为工序O
ij
在机器M
k
上的开始加工时间，Y
ijk
为0
‑
1变量，如果工序O
ij
较工序O
eg
优先在机器M
k
上的加工，则Y
ijk
＝1，否则，Y
ijk
＝0，R
ijegk
为0
‑
1变量，如果工序O
ij
在可以在机器M
k
上的加工，则R
ijegk
＝1；否则，R
ijegk
＝0；
[0025]其中，式(1
‑
1)为目标函数最小化最大完工时间；式(1
‑
2)为同一工件的工序顺序约束；式(1
‑
3)为工序加工过程不允许中段；式(1
‑
4)为每台机器每次只能加工一个工件；式(1
‑
5)和(1
‑
6)为0
‑
1变量，式(1
‑
7)为调度优化模型的相关变量的非负性。
[0026]在步骤2中，遗传算法的双层编码方案具体如下：
[0027]遗传算法采用OX交叉、互换变异来完成种群更新，每次迭代，都会产生许多新的个体，计算更新前后个体的目标函数值，将杂交后产生的子代直接放入原种群中，然后对原种群中每个个体按其适应度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于决策树和遗传算法的车间运行控制方法，其特征在于，具体按照如下步骤进行：步骤1、对单目标部分柔性作业车间加工时间问题描述，问题描述包括工序排序问题和机器选择问题，然后进行模型假设，构建出单目标部分柔性作业车间问题模型；步骤2、采用遗传算法的双层编码方案分别表示步骤1中的工序排序问题和机器选择问题，得到调度结果；步骤3、基于步骤2中遗传算法所得的调度结果来构造学习实例集，通过学习实例集来训练决策树的初始模型，形成用于指导生产调度的决策树分类模型；步骤4、构造输入属性集，在决策树分类模型中输入属性集进行决策树归纳；步骤5、构建决策树模型，根据改进C4.5算法生成一个决策树形式的分类器：一个具有两种类型节点的结构，一个叶节点，表示一个类；一个决策点，指定要在单个属性值上进行的检验，对检验的每个可能输出有一个分枝和子树；步骤6、判定采样时刻点，此时刻点是调度过程中的一类特殊时刻，在加工出现冲突时刻进行规则选择，在工件加工过程中的所有冲突时刻进行规则调度；步骤7、调用C4.5算法对学习实例进行分类，对设备当前状态下选择的排序规则进行排序；决策树模型即可用于确定任意两个冲突加工操作的先后加工顺序，并作为新的调度规则指导作业车间调度过程。2.根据权利要求1所述的基于决策树和遗传算法的车间运行控制方法，其特征在于，在步骤1中，假设车间有q台机器，机器的集合为M＝{M
k
,1≤k≤q}，有n个工件需要加工，工件的集合为J＝{J
i
,1≤i≤n}，每个工件J
i
包含n
i
道工序，则工件J
i
的第j道工序可表示为O
ij
，工序的集合为I
i
＝{O
ij
,1≤j≤n
i
}。3.根据权利要求1所述的基于决策树和遗传算法的车间运行控制方法，其特征在于，在步骤1中，所述模型假设具体为：minC
max
＝min(max(C
i
))
ꢀꢀ
(1
‑
1)；ST.S
ijh
‑
C
i(j
‑
1)k
≥0,Y
ijh
＝Y
i(j
‑
1)k
＝1
ꢀꢀꢀ
(1
‑
2)；C
ijk
‑
S
ijk
＝L
ijk
,Y
ijk
＝1
ꢀꢀꢀ
(1
‑
3)；C
egk
‑
C
ijk
≥L
egk
,R
ijegk
＝1,Y
ijk
＝Y
egk
＝1
ꢀꢀꢀ
(1
‑
4)；Y
ijk
∈{0,1},i＝1,2,...n；j＝1,2,...n
i
；k＝1,2,...q
ꢀꢀꢀ
(1
‑
5)；R
ijegk
∈{0,1},i,e＝1,2,...n；j＝1,2,...n
i
；g＝1,2,...n
e
；k＝1,2,...q
ꢀꢀꢀ
(1
‑
6)；1≤i,e≤n,1≤j,g≤m,1≤k,h≤q,S
ijk
,C
ijk
≥0
ꢀꢀꢀꢀꢀ
(1
‑
7)；其中，C
max
为最大完成时间；C
i
为工件J
i
的完工时间；L
ijk
为工序O
ij
...

【专利技术属性】
技术研发人员：张小燕，杨雪芹，杨昌吉，姜松，杨佳媛，孙炫炫，祖思雨，刘妮妮，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：