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】
本专利技术属于车间调度领域,具体涉及一种自适应分解的多目标柔性车间调度方法。
技术介绍
1、柔性车间调度问题是指在并行机和多功能机并存的现代化智能制造车间内,企业需要一个最优的调度方案对各个工件工序的加工机器和作业时间进行合理安排。在设计调度方案过程中,调度员不仅需要同时考虑最大完工时间、最大能耗以及机器总负荷这三个因素,而且还需要考虑关于人、物、机器等方面的约束。为了有效地平衡好这三个因素之间的关系以及相应的约束,传统的多目标柔性车间调度方法主要采用pareto支配关系剔除一些被支配解集并且保留大量的非支配解,以提供更多的调度方案。随着非支配解集的迅速增加以及存储空间的限制,传统的多目标车间调度方法需要通过分析解集的内部距离以保证解集分布均匀性,但是这种方式通常会保留分布居中的解集而剔除掉分布于边缘的解集,导致解集分布不广泛。进化算法可以处理传统优化方法难以解决的复杂优化问题,例如非连续、多模态等问题,对整个群体实施选择、交叉、变异等操作,可以在算法的一次运行中并行搜索到多个解,加之其具有较强的环境自适应能力,因此,进化算法特别适用于求解柔性作业车间调度这类同时存在多个pareto非支配解的动态多目标优化问题。
2、为了有效地提高解集分布的广泛性以提供更多的可行解,基于分解的多目标柔性车间调度方法主要是通过在目标空间中预先定义n个权重向量对多目标调度问题进行分解,接着利用进化算法产生新的解,并采用传统的多目标分解公式(例如加权和法、切比雪夫法、基于惩罚值的边界交叉法)对解集进行更新。然而,基于分解的多目标车间调度方
技术实现思路
1、本专利技术的主要目的是解决现有多目标分解的柔性车间调度方法由于固定的权重向量以及惩罚值无法随着进化过程变化,导致调度方案集合分布不广泛的问题。
2、为了解决上述问题,本专利技术提供了一种自适应分解的多目标柔性车间调度方法,包括以下步骤:
3、步骤s1:对车间调度问题进行数学符号的形式化描述;
4、步骤s2:确定车间调度问题的输入数据;
5、步骤s3:确定需要优化的目标,根据优化目标建立多目标优化函数;
6、步骤s4:确定优化过程中所要满足的约束条件;
7、步骤s5:根据约束条件,采用自适应分解的多目标柔性车间调度算法求解多目标优化函数,构建多目标柔性车间调度优化模型,设置权重向量和惩罚值,通过自适应分解机制对权重向量和惩罚值进行自适应控制;
8、步骤s6,输出最终求解得到优化方案,获得车间调度方案集合。
9、为优化上述技术方案,采取的具体措施/限定还包括:
10、步骤s1中,车间调度问题的数字符号的形式化描述为:
11、用n表示工件数,j表示所有工件加工工序数集合,m表示设备数,i表示工件编号,ci表示工件i的最大完工时间,j表示工序编号,k表示设备编号;ei表示工件ji的工序总数,ji表示第i个加工工件;tijk表示工件i的第j道工序在设备k上的加工时间,xijk表示工件i的第j道工序是否在设备k上加工,sijk为工件i的工序j在设备k上的开始加工时间;cijk表示工件i的工序j在设备k上的完工时间,vi为待加工工件i的工序数量。
12、步骤s2中,车间调度问题的输入数据包括工件数n、所有工件加工工序数集合j和设备数m。
13、步骤s3中,优化目标包括两个优化目标函数,分别为最大完工时间优化目标函数f1(x)以及系统总负荷优化目标函数f2(x),表达式如下:
14、f1(x)=max(ci);
15、
16、步骤s4中,优化过程中所要满足的约束条件包括:
17、加工开始时间约束:sijk≥ci(j-1)k;
18、完工时间约束:cijk=sijk+tijk;
19、设备加工约束:
20、工件加工约束:
21、步骤s5中,自适应分解的多目标柔性车间调度算法包括:
22、步骤s5.1,定义变量,包括:设定表示子问题个数的种群数量n,,种群p={p1,...,pn},当前迭代数gen,最大迭代次数maxgen,惩罚值θ={θ1,...,θn},二进制编码阈值δ和邻域个数t;
23、步骤s5.2,初始化均匀分布的权重向量以及相应的邻域,产生父代种群;
24、步骤s5.3,生成子代种群;
25、步骤s5.4,更新种群;
26、步骤s5.5,更新权重向量以及惩罚值;
27、步骤s5.6,判定是否达到终止条件,若没有达到则进入步骤s5.3,达到则进入步骤s6。
28、步骤s5.2具体包括以下步骤:
29、步骤s5.2.1,初始化一组均匀分布的权重向量w={w1,...,wn},其中wi是由通过归一化转化而成,并且设定惩罚值θi,其中,i=1,...,n;并且分别计算第i个子问题的权重向量wi与其他n-1个子问题的权重向量间的欧氏距离,将t个距离wi最近的权重向量所对应的子种群序列{i1,...,it}构成b(i);
30、步骤s5.2.2,随机产生初始父代种群p={p1,...,pn},其中pi表示种群p的第i个个体的解;每个个体的解pi由工序序列向量和设备分配向量组成,工序序列向量采用基于作业的表示方法,同一作业的工序均用该作业号表示并且每道工序依据其在工序序列向量中出现的顺序进行转换;设备分配向量表示每道工序分配的设备编号,按照从当前序号最小作业的第一道工序到序号最大作业的最后一道工序进行分配;根据工序序列向量和设备分配向量的要求对每个个体的向量值进行随机生成;然后按照步骤s3计算每个个体的优化目标并将每个个体加入到种群p中。
31、步骤s5.3具体包括以下步骤:
32、步骤s5.3.1,令计数器k=1;
33、步骤s5.3.2,选择交配种群,产生一个均匀分布的随机数rand1∈[0,1],设置第i个子问题的更新邻域q(k):
34、
35、从q(k)中随机找到3个父代个体x1、x2、x3;
36、步骤s5.3.3,生成子代个体:首先采用差分进化算法作为繁殖算子,将x1、x2、x3和pk作为输入,从而生成子代个体uk;pk为种群p的第k个个体的解;
37、步骤s5.3.4,按照步骤s3计算uk的目标值,更新理想点计算种群p中所有个体和uk的第j个优化目标的最小值其中j=1,2,从而确定理想点
38、步骤s5.4具体包括以下步骤:
39、步骤s5.4.1,按照基于惩罚值的边界交叉法对种群p进行更新:对种群个体pi和uk分别按照以下公式计算g值,选出其中最小的g值所对应的个体对pi进行更新:
40、
41、其中,权重向量wi中i取自权重向本文档来自技高网...
【技术保护点】
1.一种自适应分解的多目标柔性车间调度方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S1中,车间调度问题的数字符号的形式化描述为:
3.根据权利要求2所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S2中,车间调度问题的输入数据包括工件数n、所有工件加工工序数集合J和设备数m。
4.根据权利要求3所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S3中,优化目标包括两个优化目标函数,分别为最大完工时间优化目标函数f1(x)以及系统总负荷优化目标函数f2(x),表达式如下:
5.根据权利要求4所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S4中,优化过程中所要满足的约束条件包括:
6.根据权利要求1所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S5中,自适应分解的多目标柔性车间调度算法包括:
7.根据权利要求6所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S5.2具体包括以下步骤:
9.根据权利要求8所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S5.4具体包括以下步骤:
10.根据权利要求9所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤S5.5具体包括以下步骤:
...【技术特征摘要】
1.一种自适应分解的多目标柔性车间调度方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤s1中,车间调度问题的数字符号的形式化描述为:
3.根据权利要求2所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤s2中,车间调度问题的输入数据包括工件数n、所有工件加工工序数集合j和设备数m。
4.根据权利要求3所述的自适应分解的多目标柔性车间调度方法,其特征在于,步骤s3中,优化目标包括两个优化目标函数,分别为最大完工时间优化目标函数f1(x)以及系统总负荷优化目标函数f2(x),表达式如下:
5.根据权利要求4所述的自适应分解的多目标柔性车间调度方法...
【专利技术属性】
技术研发人员:季云,华晓芳,
申请(专利权)人:常州信息职业技术学院,
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。