一种应用在生产排程系统的基于订单结构的遗传操作算子技术方案

本发明专利技术提供了一种应用在生产排程系统的基于订单结构的遗传操作算子，对可行解池和不可行解池内的解选择性进行选择、交叉、变异操作，得到各种遗传解，为之后的排程优化，提供一个基础。此种遗传操作算子通过交叉变异方式处理多层次ＢＯＭ结构的复杂工艺的订单排程问题，在遗传操作过程中，维持产品ＢＯＭ结构，使遗传算法的设计简单，优化不受限制性条件的约束。而选择算子使群体进行了优胜劣汰的进化，使整体品质得以提高，并对劣解的适当选择，防止群体成熟前收敛，或者遗传算法搜索引向局部极值点，在很大程度上提升了遗传算法收敛性的效果和速度。

A genetic operation operator based on order structure in production scheduling system

The invention provides an application of genetic operators in order based on the structure of production scheduling system, the feasible and infeasible solution pool pool solution selective selection, crossover and mutation, are various genetic solutions for scheduling optimization, provide a basis for. The genetic operators of crossover and mutation by way of dealing with the complex process of multilayer BOM structure order scheduling problem, in the process of genetic manipulation, to maintain the product structure of BOM, the design of simple genetic algorithm, the optimization is not restrained by the limiting conditions. The selection operator makes the group of survival of the fittest evolution, so that the overall quality can be improved, and the appropriate selection of solutions, to prevent groups of premature convergence, or genetic algorithm to search the local extremum, to a great extent to enhance the convergence speed and effect of the.

【技术实现步骤摘要】

本专利技术涉及一种应用在生产排程系统中的遗传操作算子，用于处理多层次BOM结构的复杂工艺的订单排程问题。技术背景遗传算法是一种基于基因学和遗传学机理产生的直接搜索优化方法，它通 过基因串的选择、交叉、变异，来寻求最佳解决方案。近年来，这种算法作为 一种通用的优化算法，因其编码技术和遗传操作比较简单、优化不受限制性条 件的约束、尤其是具有并行计算能力和全局解空间搜索能力，被广泛的应用在 各行各业。生产排程问题——即如何合理利用有限的资源达到预期的生产目标， 也可以通过这种算法进行优化解决。应用遗传算法来解决生产排程问题可以通过以下步骤来实现首先，对参 与排程的工单进行置换编码，生成初始化种群；然后，选择优秀个体作为父代种群，进行交叉、变异，生成子代种群，再对子代种群进行解码操作，得到排程方案；再对排程方案进行约束条件检验，保留优秀个体；重复进行以上选择、 交叉、变异操作和约束条件检验两个步骤，直至最优个体达到优化目标。在此过程中应用遗传算法来解决生产排程问题实质上是通过遗传操作，即 选择、交叉、变异操作，来不断产生新的基因，并淘汰劣等基因、保持优良基 因，逐步优化完善方案的。因此遗传操作的设计成为能否得到高质量优化排程 方案的关键。Job Sh叩(车间)调度问题是许多实际生产调度问题的简化模型，是一典型的NP-hard问题，是目前研究的最广泛的一类典型调度问题。但针对传统Job Shop调度问题设计的遗传算法，尤其是遗传操作的设计，在处理具有多层次B0M (Bill of Material,物料清单)结构的工艺复杂的订单时具有一定的局限性。 专利技术内容本专利技术的目的在于提供一种应用在生产排程系统的基于订单结构的遗传操 作算子，对可行解池和不可行解池内的解选择性进行选择、交叉、变异操作， 得到各种遗传解，为之后的排程优化，提供一个基础。在具体应用遗传算法解决排程问题时，遗传操作是针对已有的遗传基因串， 即排程方案解，进行的。已生成的解可以根据是否符合约束条件，分作可行解 和不可行解，分别存入可行解池和不可行解池。为了避免无解状况和增强多样 性，遗传算方法在这两个解池的基础上选择优秀个体，选择性进行交叉、变异 操作，生成下一代基因串，为排程方案解的优胜劣汰提供基础，选择、交叉、 变异操作包括以下特征-1. 选择是通过设置选择率^为阈值来实现的若可行解池中个体数目与种 群规模的比值小于AT，则可行解池中全部个体作为父代种群；若可行解池中解的数目与种群规模的比值大于^，则从可行解池中选择种群规模的^倍的个体 作为父代种群，并从不可行解池中选择部分个体补足所需种群规模，即使得不可行解池中选择的个体数目与之前在可行解池选择的个体数目之和达到种群规模；此处种群规模为计算前预定义的父代种群的大小；2. 交叉是从父代种群中选取一对代表排程方案的基因串个体，并选择交叉 操作算子进行交叉操作生成一对新的个体，存入子代种群，直至子代个数达到 交叉率所规定的足够数目；3.变异是从父代种群中选取一个代表排程方案的基因串个体，并选择变异 操作算子进行变异操作生成一个新的个体，存入子代种群，直至子代个数达到 变异率所规定的足够数目；所述1中的选择率AT阈值设置的范围为一; 3所述l中可行解池中解的数目与种群规模的比值大于^情况下对可行解池 中解的选择，是通过按解适应度值的高低作为其被选择到的概率，由轮盘赌方 式来实现的。所述l中不可行解池中解的选择，是按解的适应度值由高至低的次序来选 择的。所述2中的交叉操作算子，为三种交叉操作算子a.两段式交叉操作算子 一父代基因串分两段和另一父代基因串进行比较、删除、替换，生成子代基因 串；b.订单位置不变交叉操作算子 一父代基因串保留同一订单所涉及工单或 工序的基因位，其他基因位由另一父代基因串的非所述订单所涉及工单或工序 的基因位进行补充，生成子代基因串；C.订单加工顺序改变交叉操作算子一 父代基因串中同一订单所涉及工单或工序的基因位由另一父代基因串的所述订 单所涉及工单或工序的基因位进行替换，生成子代基因串。其中，两段式交叉 操作算子包括三种子算子保留父代基因串前段、或保留父代基因串后段、或 保留父代基因串较长段。所述3中的变异操作算子包括以下两种交变异操作算子a.产品加工顺序 重排列变异算子父代基因串交换同一订单所涉及工单或工序的基因位顺序， 生成子代基因串；b.在可行范围内随机插入变异算子父代基因串随机选择某个点插入到串中的不同随机位置，而可插入的可行范围受订单加工顺序的约束， 变异点多与等于一个。此外，当连续进行交叉、变异操作，选择交叉算子、变异操作时交叉操 作算子选择两段式交叉算子时，变异操作算子选择在可行范围内随机插入变异 算子；当交叉操作算子选择订单位置不变交叉操作算子时，变异操作算子选择 在可行范围内随机插入变异算子；当交叉操作算子选择加工顺序重排列改变交 叉操作算子时，变异操作算子选择产品加工顺序重排列变异算子。本专利技术的有意效果是通过交叉变异方式能够处理多层次B0M结构的复杂工艺的订单排程问题，在遗传操作过程中，维持产品B0M结构，拓展了遗传算法在生产排程领域中的应用，使遗传算法的设计简单，优化不受限制性条件的约束，具有并行计算能力和全局解空间搜索能力的优点在选定排程过程中得到显现。而选择算子在遗传算法中表现为优良个体在下一代群体中具有较强的繁殖能力，而劣质个体则逐渐被淘汰，群体的整体品质得以提高。并且通过对劣解的适当选择，防止群体成熟前收敛，或者遗传算法搜索引向局部极值点。在很大程度上提升了遗传算法收敛性的效果和速度。从而为得到一个最优化排程方案奠定了良好的基础，最终提高了企业生产资源的使用效率，降低了成本，增加了企业的竞争力。 附图说明图1遗传算法选择操作流程图。图2遗传算法交叉操作流程图。图3遗传算法变异操作流程图。具体实施方式下面结合附图和实施例对本专利技术进一步说明。应用在生产排程系统的基于订单结构的遗传操作算子，包括包括选择、交叉、 和变异，在实际实施时可以酌情选择实施以上三种操作一种或两种，本最佳实 施例将就三种操作都进行仔细阐述，具体设计如下1. 选择从可行解池和不可行解池中选择优秀个体作为父代种群，流程请参阅图1， 即遗传算法选择操作流程图，具体包括以下步骤1) 设置选择率^，所述A:的取值范围为f1;2) 判断可行解池中个体数目是否小于种群规模的^倍如果是，执 行步骤3，否则执行步骤4;3) 可行解池中全部个体插入父代种群，执行步骤5;4) 可行解池中按解的适应度值的高低作为其被选择到的概率，由轮盘赌方式选择种群规模种群规模的^倍的个体插入父代种群；5) 在不可行解池中按照适应度值高低顺序选择剩余解插入父代种群，使得总的父代种群达到种群规模。2. 交叉父代种群之间进行交叉操作生成子代种群个体，流程请参阅图2， 即遗传算法交叉操作流程图，具体包括以下步骤1) 计算交叉次数；2) 从父代种群中随机选择两个个体；3) 根据迭代次数，确定交叉算子两段式交叉方式，或订单位置不 变交叉方式，或订单加工顺序改变交叉方式；4) 根据选定的交叉方式两个父代基因串进行交叉，设两个父代基因串为《、/>2，生成的子代基因串为2,、込a) 两段式交叉方式将输入的父本文档来自技高网...

【技术保护点】
一种应用在生产排程系统的基于订单结构的遗传操作算子，包括选择、和／或交叉、和／或变异，其特征在于：　　　　①选择是通过设置选择率κ为阈值来实现的：若可行解池中个体数目与种群规模的比值小于κ，则可行解池中全部个体作为父代种群；若可行解池中解的数目与种群规模的比值大于κ，则从可行解池中选择种群规模的κ倍的个体作为父代种群，并从不可行解池中选择部分个体补足所需种群规模，即使得不可行解池中选择的个体数目与之前在可行解池选择的个体数目之和达到种群规模；此处种群规模为计算前预定义的父代种群的大小；　　　　②交叉是从父代种群中选取一对代表排程方案的基因串个体，并选择交叉操作算子进行交叉操作生成一对新的个体，存入子代种群，直至子代个数达到交叉率所规定的足够数目；　　　　③变异是从父代种群中选取一个代表排程方案的基因串个体，并选择变异操作算子进行变异操作生成一个新的个体，存入子代种群，直至子代个数达到变异率所规定的足够数目；。

【技术特征摘要】

【专利技术属性】
技术研发人员：顾永明，陈杰，
申请(专利权)人：永凯软件技术上海有限公司，
类型：发明
国别省市：31[中国|上海]