【技术实现步骤摘要】
一种多目标柔性作业车间调度方法、电子设备、介质
[0001]本专利技术涉及智能工厂的生产管理领域，尤其涉及一种多目标柔性作业车间调度方法
、
电子设备
、
介质
。
技术介绍
[0002]柔性车间调度问题是一种典型的组合优化问题，它涉及到在多个工件需要在多台设备上进行加工的情况下，如何安排工件的加工顺序和设备的分配，以达到某种优化目标
。
柔性车间调度问题具有高度的复杂性和不确定性，是一种
NP
难问题
。
柔性车间调度问题的优化目标通常有多个，例如最大完工时间
、
生产成本
、
设备负荷等，这些目标之间往往存在冲突和矛盾，因此需要采用多目标优化方法来求解
。
多目标优化方法的目的是找出一组非劣解，即在不影响其他目标的情况下，无法改善任何一个目标的解，这组非劣解构成了帕累托最优集
。
[0003]对于柔性作业车间调度多目标优化问题的优化算法研究，最初的研究思路是通过给每个优化目标加权
,
而将多目标优化问题转化为求解难度较低的单目标优化问题
,
但其缺点在于人为地给每个优化目标加权会导致最终的优化解集表现不全面，甚至很差
。
另一研究思路是只考虑一个优化目标而将其余目标作为约束条件
,
该策略会弱化其它优化目标的重要性
,
从而得不到理想的优化结果
。
技术实现思路
>[0004]针对现有技术不足，本专利技术提供了一种基于自适应非支配遗传算法的柔性作业车间多目标调度方法
、
电子设备
、
介质，该方法能够有效地解决柔性车间生产过程中的多目标优化问题，同时考虑完工时间
、
生产成本和设备负荷等因素，提高柔性车间的生产性能和生产效率
。
[0005]本专利技术实施例的第一方面，提供了一种多目标柔性作业车间调度方法，所述方法具体包括以下步骤：
[0006]步骤
S1
，设定初始参数，所述初始参数包括种群规模
N、
迭代次数
T、
外部档案集
S、
初始交叉概率
P
C
、
变异概率
P
M
；
[0007]步骤
S2
，构建多目标柔性作业车间调度模型，所述多目标柔性作业车间调度模型通过完工时间目标函数
、
生产成本目标函数
、
设备负荷目标函数以及约束条件进行描述；使用基于
Tent
混沌映射的两段式编码，生成规模为
N
的初始化种群；
[0008]步骤
S3
，基于工序插入式的贪婪解码方法解码染色体，根据完工时间目标函数
、
生产成本目标函数
、
设备负荷目标函数计算适应度值；
[0009]步骤
S4、
使用快速非支配排序求解种群个体的非支配等级，并计算个体的拥挤度，之后通过选择
、
交叉和变异生成第一代种群，令遗传代数
t
＝1，并将第一代种群加入外部档案集
S
；
[0010]步骤
S5、
使用锦标赛选择算子选择适合繁衍的个体进入交叉池；
[0011]步骤
S6、
采用基于遗传参数的自适应交叉策略更新交叉概率，根据概率判断进行遗传交叉，其中工序段部分采用
IPOX
交叉，机器段部分采用
MPX
交叉；
[0012]步骤
S7、
采用基于近亲指数的自适应变异策略计算近亲指数，更新变异概率，根据概率判断进行遗传变异，工序段部分采用基于邻域的变异，机器段部分采用随机选择一个可选机器的方法变异，生成子代；
[0013]步骤
S8、
将父代与子代合并，使用精英保留策略通过非支配关系与拥挤度保留父代与子代合并种群中的前
N
个个体作为新一代种群，令遗传代数
t
＝
t+1
，并更新独立于种群的外部档案集
S
；
[0014]步骤
S9、
当遗传代数
t
达到预设次数
T
，输出外部档案集
S
中的帕累托最优解集；
[0015]步骤
S10、
对帕累托最优解集进行非支配排序，采用线性加权法确定最满意解；
[0016]步骤
S11、
根据最满意解解码获得调度结果
。
[0017]本专利技术实施例的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器与所述处理器耦接；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述的多目标柔性作业车间调度方法
。
[0018]本专利技术实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的多目标柔性作业车间调度方法
。
[0019]与现有技术相比，本专利技术具有以下优点和有益效果：
[0020](
一
)
本专利技术方法引入基于
Tent
混沌映射的两段式编码，该编码方法可以有效地避免染色体陷入局部循环，提高了编码的多样性和随机性，同时也保证了工序和机器的可行性
。
[0021](
二
)
本专利技术通过引入一种动态自适应交叉策略
、
基于近亲指数的自适应变异策略，可以根据种群的状态和进化代数动态调整交叉概率
Pc
和变异概率
Pm
，使得算法能够在全局搜索和局部寻优之间平衡，避免了固定交叉和变异概率可能导致的过早收敛或者停滞现象
。
[0022](
三
)
本专利技术通过引入精英保留策略，设计了一种概率分布函数代替传统按非支配等级与拥挤度大小确定的保留策略，可以根据不同的非支配等级为个体添加相应的保留概率，同时建立一个外部档案集来存放保留下来的非支配个体，并通过非支配关系对其进行更新，从而提高了种群质量和多样性
。
[0023](
四
)
本专利技术以最小化最大完工时间
、
生产成本和最大设备负荷建立多目标优化函数
。
这三种目标函数可以反映柔性车间调度问题的多个重要指标，同时也符合企业生产管理决策的需求，能够实现企业生产的全方位优化
。
[0024](
五
)
本专利技术可有效解决多目标柔性作业车间调度中相关算法所存在的全局搜索能力不足，容易收敛到局部最优，种群多样性不足等问题
。
本专利技术提本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种多目标柔性作业车间调度方法，其特征在于，所述方法具体包括以下步骤：步骤
S1
，设定初始参数，所述初始参数包括种群规模
N、
迭代次数
T、
外部档案集
S、
初始交叉概率
P
C
、
变异概率
P
M
；步骤
S2
，构建多目标柔性作业车间调度模型，所述多目标柔性作业车间调度模型通过完工时间目标函数
、
生产成本目标函数
、
设备负荷目标函数以及约束条件进行描述；使用基于
Tent
混沌映射的两段式编码，生成规模为
N
的初始化种群；步骤
S3
，基于工序插入式的贪婪解码方法解码染色体，根据完工时间目标函数
、
生产成本目标函数
、
设备负荷目标函数计算适应度值；步骤
S4、
使用快速非支配排序求解种群个体的非支配等级，并计算个体的拥挤度，之后通过选择
、
交叉和变异生成第一代种群，令遗传代数
t
＝1，并将第一代种群加入外部档案集
S
；步骤
S5、
使用锦标赛选择算子选择适合繁衍的个体进入交叉池；步骤
S6、
采用基于遗传参数的自适应交叉策略更新交叉概率，根据概率判断进行遗传交叉，其中工序段部分采用
IPOX
交叉，机器段部分采用
MPX
交叉；步骤
S7、
采用基于近亲指数的自适应变异策略计算近亲指数，更新变异概率，根据概率判断进行遗传变异，工序段部分采用基于邻域的变异，机器段部分采用随机选择一个可选机器的方法变异，生成子代；步骤
S8、
将父代与子代合并，使用精英保留策略通过非支配关系与拥挤度保留父代与子代合并种群中的前
N
个个体作为新一代种群，令遗传代数
t
＝
t+1
，并更新独立于种群的外部档案集
S
；步骤
S9、
当遗传代数
t
达到预设次数
T
，输出外部档案集
S
中的帕累托最优解集；步骤
S10、
对帕累托最优解集进行非支配排序，采用线性加权法确定最满意解；步骤
S11、
根据最满意解解码获得调度结果
。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，所述完工时间目标函数
f1的表达式如下：其中，其中为第
i
个工件的第
j
道工序在第
k
台设备上的完工时刻；所述生产成本目标函数
f2的表达式如下：其中，
n
为工件数量，
p
i
为第
i
个工件的工序数量，
m
为设备数量，
x
ijk
为第
i
个工件的第
j
道工序是否在第
k
台设备上加工的0‑1变量，
C
ijk
为其加工成本；所述设备负荷目标函数
f3为设备的运行时间，表达式如下：其中，
t
ijk
为其加工时间；
所述约束条件包括：每个工件有多道工序，每道工序可以在一台或多台设备上加工；每个工件在同一时刻只能在一台设备上加工，每台设备在同一时刻只能加工一个工件；每个工件的后道工序必须在前道工序完成后才能开始加工，并且不能早于所使用设备的最早可开工时刻
。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，使用基于
Tent
混沌映射的两段式编码，生成规模为
N
的初始化种群包括：随机生成第一初始混沌变量和第二初始混沌变量，所述第一初始混沌变量和第二初始混沌变量的取值范围为
(0
，
1)
；基于
Tent
混沌映射对第一初始混沌变量和第二初始混沌变量进行迭代，得到第一组混沌变量序列和第二组混沌变量序列，每组混沌变量序列的长度等于工序的数量；表达式如下：式中，
s
为个体序号，
t
为混沌变量序号；为混沌变量，
R
为工序总数，
rand(0
，
1)
为
[0
，
1]
之间的随机数；如果迭代过程中出现的情况，则重新计算该值，直到满足条件；将第一组混沌变量序列与原始工序序列一一对应，按照混沌变量的大小从大到小排序，并将对应的工序按照同样的顺序重新排列，得到工序码；将第二组混沌变量序列与工序码一一对应，将第二组混沌变量序列中的每个混沌变量转换为一个整数值，这个整数值表示该第二组混沌变量序列所选择的设备编号，将这些整数值按照顺序组成一个新的序列，得到设备码；表达式如下：式中，分别为对应工序所能使用设备中设备编号的最大值与最小值；将生成的工序码和设备码构建为规模为
N
的初始化种群
。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，所述步骤
S4
具体包括以下步骤：步骤
S401
：从外部档案集
S
中第1个个体
x1
开始，将第1个个体
x1
与其后面的个体进行支配关系比较；将外部档案集
S
分成两部分，第一部分是
x1
支配的个体；第二部分是支配
x1
的个体，第二部分个体组成新的序列集
S`
；步骤
S402
：在新的序列集
S`
中重复步骤
S401
中的操作，直到新的序列集
S`
中只剩下1个个体；步骤
S403
：将外部档案集
S
中属于当前非支配解集的个体删除，重复上述操作，直到所有个体的非支配等级都分配完毕；步骤
S404
：计算同一等级个体的拥挤距离，公式如下：
式中，
D(i)
为种群中个体
i
的拥挤距离，
D(i,j)
为个体
i
在第
j
个目标分量上的拥挤距离
。
把与个体
i
具有相同非支配等级的个体的目标分量按照从小到大的顺序排列，其中，和为目标分量
j
的最大值和最...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。