交叉变异率自适应型NSGA-Ⅱ多目标柔性作业车间调度方法技术

本申请公开了交叉变异率自适应型NSGA‑Ⅱ多目标柔性作业车间调度方法，本申请以最小化的最大完工时间和机器总能耗最低为优化目标，建立多目标柔性作业车间调度模型，基于Q‑learning的交叉率、变异率自适应策略结合于NSGA‑Ⅱ种群交叉、变异环节，弥补NSGA‑Ⅱ中交叉率和变异率固定不变的缺陷，并最终通过求解多目标柔性作业车间调度模型的目标函数，逐渐得到最优解，使用三种初始化策略生成初始解，再基于熵值法对初始种群进行排序与选择；然后，初始化Q‑learning的学习过程，交叉率和变异率在一定范围内随机选择；接下来，经过交叉变异操作后得到一个新的种群，计算它们的状态和奖励，用Q‑learning中Q表更新公式来更新Q表；最后利用带有禁忌搜索策略的局部搜索算法来获得非支配解。

【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，尤其是涉及一种交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法。

技术介绍

1、近年来，新型制造系统需要向着柔性化、智能化的方面发展，但如何在保证柔性化的同时，快速且准确的找到最优的调度方案还有很大的进步空间。本申请所研究的柔性作业车间调度指的是在车间生产过程中，以生产为中心，通过对有效的资源进行合理指挥、控制和调节，使待加工的作业能够均衡地安排到每台机器上，使完工时间最短，进而达到提高经济效益目的的过程。

2、求解fjsp的方法主要分为三类：精确算法、启发式算法和智能优化算法。精确算法的时间复杂度较大，不适合解决大规模的问题。启发式算法的求解速度快，但对于解的质量往往不大。对于智能优化算法，尽管近年来学者们已将诸如遗传算法、蚁群算法、粒子群算法、模拟退火算法等智能算法应用到该问题上的求解上，并取得了一定的效果，但至今仍没有得出一套完全良好的解决方案，因此该问题仍具有很大的研究空间。

3、因此，本申请针对多目标柔性作业车间调度问题(mofjsp)，提出了一种交叉变异率自适应型nsga-ⅱ多本文档来自技高网...

【技术保护点】

1.交叉变异率自适应型NSGA-Ⅱ多目标柔性作业车间调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的交叉变异率自适应型NSGA-Ⅱ多目标柔性作业车间调度方法，其特征在于，所述S1中多目标柔性作业车间调度模型的建立过程为：

3.根据权利要求1所述的交叉变异率自适应型NSGA-Ⅱ多目标柔性作业车间调度方法，其特征在于，所述S2中Q表更新公式为：

4.根据权利要求1所述的交叉变异率自适应型NSGA-Ⅱ多目标柔性作业车间调度方法，其特征在于，所述S2中适应度值函数主要考虑以下几个方面：

5.根据权利要求1所述的交叉变异率自适应型NSG...

【技术特征摘要】

1.交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法，其特征在于，所述s1中多目标柔性作业车间调度模型的建立过程为：

3.根据权利要求1所述的交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法，其特征在于，所述s2中q表更新公式为：

4.根据权利要求1所述的交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法，其特征在于，所述s2中适应度值函数主要考虑以下几个方面：

5.根据权利要求1所述的交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法，其特征在于，所述s2中奖惩机制公式为：

6.根据权利要求1所述的交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度方法，其特征在于，所述s2中ε-贪心策略改进在于，ε值会随着迭代的增加逐步衰减，衰减到设置的最小值后停止衰减，其公式如下：

7.根据权利要求1所述的交叉变异率自适应型nsga-ⅱ多目标柔性作业车间调度...

【专利技术属性】
技术研发人员：张国辉，李志霄，郭胜会，余娜娜，寇晓菲，闫琼，
申请(专利权)人：郑州航空工业管理学院，
类型：发明
国别省市：