System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及柔性作业车间调度领域,具体涉及一种解决作业车间调度问题的多目标模因优化方法。
技术介绍
1、作业车间调度问题(jssp)在制造业中很常见。合理的jssp解决方案可以有效帮助厂家提高生产效率,降低生产成本。然而,该问题已被证明是np-hard。这意味着即使对于中等大小的jssp实例,也不能通过精确求解方法在有限时间内保证最优解。因此,许多研究人员求助于元启发式算法,包括遗传算法(ga),禁忌搜索(ts),模拟退火(sa),粒子群优化(pso)和蚁群优化(aco)来解决问题。
2、在实际的制造系统中,经常需要处理多个相互冲突的目标,因此必须考虑jssp(mojssp)的多目标版本。处理多目标问题的一种方法是通过给每个目标分配确定的权重,将多个目标聚合为一个目标。这里的挑战是如何为特定问题中的每个目标分配适当的权重。另一种方法是同时优化所有目标,这意味着需要设计有效的搜索算法,既能协调目标之间的矛盾,又能保持合理的计算时间。
3、在用于解决mojssp的元启发式算法中,像pso这样的群智能算法已经取得了令人印象深刻的结果。除了群智能算法,模因算法(mas)将进化算法与局部搜索相结合,在求解mojssp问题上表现出了良好的性能。
技术实现思路
1、针对多目标问题中如何为特定问题中的每个目标分配适当的权重或如何同时优化所有目标的技术问题,本专利技术提供一种解决作业车间调度问题的多目标模因优化方法,在考虑完工时间和延迟标准的情况下,对mojssp进行研究,
2、为实现上述目的,本专利技术采用如下技术方案:
3、一种解决作业车间调度问题的多目标模因优化方法,包括以下步骤:
4、s1:建立多目标作业车间调度问题模型,将最大完工时间、总延误作为多目标作业车间调度问题模型的目标函数;
5、s2:确定调度的约束条件,包括机器约束和工序约束;
6、s3:采用排列编码与解码解决作业车间调度问题;
7、s4:选择spt、mwr初始化方法生成种群的初始染色体,从而实现ema种群初始化;
8、s5:设计混合交叉算子hco,提高ema的全局搜索能力;
9、s6:随机地采用交换突变算子和反转突变算子来扩展解空间,以达到保持良好解的目的;
10、s7:设计一种变邻域搜索方法(vnsa),采用两种领域算子n1和n2;
11、s8:设计四组实验来评价ema的效果;
12、s9:通过多目标模因优化方法得到mojssp的最佳调度方案。
13、进一步地,步骤s1中,优化目标包括最小化最大完工时间和总延误,具体数学模型如下:
14、(a)最小化最大完工时间
15、minf1=maxci i=1,......,n (1)
16、其中,ci为工件i的完工时间;
17、(b)最小化总延误
18、
19、其中ci为工件i的完工时间,di为工件的加工时间。
20、进一步地,步骤s2机器约束和工序约束为:
21、(1)每台机器在任何工件上一次只能加工一个工序;
22、(2)每个工序只能在一台机器上加工一次,并且每个工序都遵循其顺序;
23、(3)不同工件的工序没有优先级约束;
24、(4)加工开始后不允许临时中断;
25、(5)任何工件的一个工序必须在其前面的加工完成后才能被加工;
26、(6)所有工件的加工时间和供加工的机器这些信息都是提前提供的。
27、进一步地,步骤s3中ema的排列编码与解码过程为:
28、使用带有m个重复工序号的非分区排列来解决有n个工件和m台机器的问题,具体为:使用一个从1到n的不间断整数数组,其中n是工件的总数,每个整数出现了li次,li是工件i的加工总数,从而,染色体的长度等于通过从左到右扫描工序排序,工件号的第m次出现表示该工件的第m次加工。
29、利用随机编码原理生成种群中每个初始个体的加工工序向量。利用这些表示特征,可以将加工工序向量的任意排列解码为可行解,使用此解码方法生成的调度可以确定为活动调度。例如,假设一条染色体是[21313424]。这里,1代表工件1,2代表工件2,3代表工件3,4代表工件4;第一个2表示工件2的第一次加工,第二个2表示工件2的第二次加工,其他所有数字都可以这样解释。当染色体表示被解码后,每个工序立即开始遵循优先级和机器约束。
30、进一步地,步骤s4中ema种群初始化过程为:
31、初始化种群是算法优化之前需要做的第一件事。对于作业车间调度,考虑到spt和mwr的良好性能,本专利技术选择了两者来生成初始染色体。
32、本专利技术初始化方法的主要步骤如下:
33、步骤1:设置种群n的染色体数;
34、步骤2:使用spt生成染色体;
35、步骤3:利用mwr生成染色体;
36、步骤4:随机生成n-2条染色体。
37、通过初步的分析,发现这种混合初始化方法可以有效地提高种群的平均适应度,保证种群的多样性和质量。
38、进一步地,步骤s5中,hco用p1和p2表示两个亲本,用o1和o2表示两个子代,主要过程如下:
39、1)设置相似度阈值f(如f设置为0.5);
40、2)选择两个亲本染色体p1和p2,用计算它们的相似度s值;
41、3)如果s<f,执行步骤4;否则,执行步骤5;
42、4)进行pox;
43、5)执行do。
44、进一步地,步骤s6,随机地采用交换突变算子和反转突变算子来扩展解空间,同时保持良好的解。
45、交换突变算子的过程描述如下(p1和o1分别表示亲代和子代):
46、步骤1:在p1中随机选择两个位置;
47、步骤2:交换选定位置的元素以生成o1。
48、反转突变算子的主要过程描述如下(p1和o1分别表示亲代和子代):
49、步骤1:在p1中随机选择两个位置。
50、步骤2:将所选两个位置之间的元素反向,生成o1。
51、进一步地,步骤s7中,邻域算子n1包括头部移动法hmm和末端移动法emm两种方法。hmm能够将关键路径上的某些工序移动到关键块的头部,emm会将关键路径上的某些工序移动到关键块的尾部。hmm和emm的例子分别显示在图2(a)和(b)中。从图2(a)可以看出,找到了一条关键路径,o22移动到满足其序列约束的关键块(由o32、o22和o13组成)的头部。因此,o23可以向前移动,连接它的前一个工序(o22),并且将o22移动到这个关键块的第一个工序后,该解决方案的完成时间比原来的短。从图2(b)可以看出,找到了本文档来自技高网...
【技术保护点】
1.一种解决作业车间调度问题的多目标模因优化方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S1中,优化目标包括最小化最大完工时间和总延误,具体数学模型如下:
3.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S2的机器约束和工序约束为:
4.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S3的EMA的排列编码与解码过程为:
5.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S4的EMA种群初始化过程为:
6.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S5中,HCO用P1和P2表示两个亲本,用O1和O2表示两个子代,具体过程为:
7.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S6中,交换突变算子的过程为在亲代O1中随机选择两个位置,交换选定位置的元素以生
8.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S7中,邻域算子N1包括头部移动法HMM和末端移动法EMM两种方法,HMM能够将关键路径上的某些工序移动到关键块的头部,EMM能够将关键路径上的某些工序移动到关键块的尾部;邻域算子N2能够将关键路径上的一个工序移动到它的前一个工序。
9.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤S8的四组实验为;
10.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:所述方法的具体步骤如下:
...【技术特征摘要】
1.一种解决作业车间调度问题的多目标模因优化方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤s1中,优化目标包括最小化最大完工时间和总延误,具体数学模型如下:
3.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤s2的机器约束和工序约束为:
4.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤s3的ema的排列编码与解码过程为:
5.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤s4的ema种群初始化过程为:
6.根据权利要求1所述的一种解决作业车间调度问题的多目标模因优化方法,其特征在于:步骤s5中,hco用p1和p2表示两个亲本,用o1和o2表示两个子代,具体过程为:
7.根...
【专利技术属性】
技术研发人员:龚桂良,李小强,黄丹,彭宁涛,朱凯凯,唐久强,卢典,黄文扬,张东艳,
申请(专利权)人:中南林业科技大学,
类型:发明
国别省市:
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。