一种基于改进遗传算法的解决复杂生产环境下作业车间调度控制方法技术

一种基于改进遗传算法的解决复杂生产环境下作业车间调度控制方法，包括以下步骤：1)、设定模糊化参数的作业车间调度模型，以最大化所有产品满意度和最大化最小满意度为目标函数；2)、采用改进的遗传算法求解所述目标函数，(2.1)采用基于工序的编码；(2.2)多次运行G&T算法产生一个初始种群；(2.3)采用目标函数作为适应度函数对个体进行评价；(2.4)选择和交叉操作；(2.5)采用反转变异；(2.6)当每个组的个体均收敛到某一个度时，将各组种群合并继续进化直到收敛；(2.7)以预先设定的最大进化代数Nmax作为停止条件，将目前为止最好的解作为最优解，得到解决复杂生产环境下作业车间调度方案。本发明专利技术精确性良好、可靠性较好、实用性强。

【技术实现步骤摘要】

本专利技术涉及作业车间调度控制
，尤其是一种解决复杂生产环境下作业车间调度控制方法。
技术介绍
近年来对JSP (作业车间调度问题(Job-Shop Scheduling Problem, JSP))的研究，已经突破了原始的运筹学范畴，在管理科学、控制论、人工智能、工业工程、系统工程等领域都有学者用各自的领域知识开展了卓有成效的研究工作，从而推动各种优化算法的发展和融合。随着先进制造技术的发展，作业车间调度问题的含义有所拓展，增加了随机性、 动态性、不确定性、约束性、多目标性等属性，其与实际生产情况更为接近。目前对作业车间调度问题的研究大多存在以下问题(I)将生产过程中的各项参数看做确定性的精确值。过去的研究工作多数集中于确定型作业车间调度问题，即工件的加工时间和交货期都是已知的确定量。而事实上，由于各种随机因素，如机器故障、操作工人的熟练程度、环境参数等影响，很少能获得精确的加工时间和交货期，人们只能估计加工时间或交货期的变化范围。因此，调度中生产参数用非精确数来表示更符合生产实际，即模糊作业车间调度问题。(2)将生产系统当作一个静态的系统，忽略实际生产过程中各种突发状况的出现。 由于待加工的工件连续不断的到来、机床设备突然损坏或被修复、工人生病、紧急订单等各种状况的出现而产生的原调度中断失效情况，调度中应加以考虑，即动态的作业车间调度。已有的作业车间调度研究往往将生产模型大大简化，与实际生产状况距离较远， 不完全适合生产条件变化频繁、工况变化大的制造企业。
技术实现思路
为了克服已有作业车间调度技术的精确性较差、可靠性较差、实用性较差的不足， 本专利技术提供一种精确性良好、可靠性较好、实用性强的基于改进遗传算法的解决复杂生产环境下作业车间调度控制方法。本专利技术解决其技术问题所采用的技术方案是，所述控制方法包括以下步骤I)、确定模糊化参数作业车间调度的目标函数设定模糊化参数的作业车间调度模型，以最大化所有产品满意度和最大化最小满意度为目标函数，即权利要求1.，其特征在于所述控制方法包括以下步骤1)、确定模糊化参数作业车间调度的目标函数设定模糊化参数的作业车间调度模型，以最大化所有产品满意度和最大化最小满意度为目标函数，即全文摘要，包括以下步骤1)、设定模糊化参数的作业车间调度模型，以最大化所有产品满意度和最大化最小满意度为目标函数；2)、采用改进的遗传算法求解所述目标函数，(2.1)采用基于工序的编码；(2.2)多次运行G&T算法产生一个初始种群；(2.3)采用目标函数作为适应度函数对个体进行评价；(2.4)选择和交叉操作；(2.5)采用反转变异；(2.6)当每个组的个体均收敛到某一个度时，将各组种群合并继续进化直到收敛；(2.7)以预先设定的最大进化代数Nmax作为停止条件，将目前为止最好的解作为最优解，得到解决复杂生产环境下作业车间调度方案。本专利技术精确性良好、可靠性较好、实用性强。文档编号G06N3/12GK102609805SQ201210012320公开日2012年7月25日 申请日期2012年1月16日 优先权日2012年1月16日专利技术者吴云翔, 潘益菁, 盛家君, 邱晓杰, 陈勇 申请人:浙江工业大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：陈勇，盛家君，邱晓杰，吴云翔，潘益菁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：