專利名稱：基于自適應遺傳算法的彈性車間調度技術的制作方法
技術領域：
:本發(fā)明涉及進化計算與生產管理領域，主要公開了一種基于自適應遺傳算法的彈性車間調度技術，能有效縮短工期，提高生產效率。
背景技術：
:彈性車間調度問題(FJSP)包含兩個集合J和E，集合J由N項作業(yè)組成，集合E由M臺機器組成。每項作業(yè)包含一個序列,序列由帶優(yōu)先級約束的Ni個操作(0n，Oi2,...，0Ni)構成，即一個操作0ij+1不能開始直至它的前繼Oij完成，i = 1,2,...,N, j = 1,2,...,N1-U每個操作可以被它的可行機器集合Eij中的任意一臺機器執(zhí)行，其中如果對所有操作，Eij都等于Ε，那么問題就稱為具有全彈性，否則稱為具有部分彈性。問題的目標是在約束條件限制下，為M臺機器中的每臺機器找出一個操作序列使得N項作業(yè)的完成時間最小。FJSP是車間調度問題的一般化?，F實世界中的許多問題都可以被模型化為FJSP。因此，尋找一種有效的高效的方法來解決FJSP是在理論上和實踐上都非常重要研究課題。然而，FJSP已經被證明是一類非多項式時間難問題(NP難問題)。這就是說，沒有算法能夠確定地在多項式時間內找到最優(yōu)解，除非P = NP。在這種情況下，與其使用很高的計算工作量去尋找精確的最優(yōu)解，不如用能夠在可接受時間內找到近似最優(yōu)解的啟發(fā)式算法。在文獻上，現有的解 決FJSP的啟發(fā)式算法可以分為兩類:分層的與整合的。在分層方法中，FJSP被分成兩個子問題:路由和調度。路由子問題是要將每個操作分配給它的可行集合中一臺機器。調度子問題是要通過變換分配給每臺機器的作業(yè)的次序從而最小化所有作業(yè)的完成時間。因此，解決FJSP可以通過逐一解決路由和調度子問題完成。與分層方法相反的是，整合方法將FJSP作為一個整體處理，同時優(yōu)化路由和調度。分層方法通過問題分解降低了 FJSP的復雜度，然而，這也可能使得分層方法無法找到問題的全局最優(yōu)解。整合方法可以從理論上確保全局最優(yōu)性。盡管如此，絕大多數現有整合方法卻由于FJSP的高復雜度而面臨著效率低下的問題
發(fā)明內容
:本發(fā)明將遺傳算法用于求解彈性車間調度問題。為了提高算法的求解效率，本發(fā)明在遺傳算法中引入了啟發(fā)式信息，并將啟發(fā)式信息編碼到染色體中，根據搜索經驗自適應地調整啟發(fā)式信息的設置。發(fā)明的自適應遺傳算法用于彈性車間調度問題的步驟為:(I)初始化種群。在本發(fā)明所提出的算法中，每個染色體Xi采用三段式編碼來表示一個車間調度方案，即:Xi = <ai； Si, hi>(I)其中第一段編碼Bi = (an，ai2，…，aiT)，Bij e Ekl表示將操作Okl的機器分配，k= 1,2,..., N, T = 1,2,..., Nk ;第二段編碼 Si = (sn, si2,..., siT)表示工作的執(zhí)行次序，Sij e {1,2,……N};第三段編碼Iii = (hn，hi2，hi3)表示染色體在進化過程中采用的啟發(fā)式信息，hu e {O，I}。算法進行初始化時，每個染色體的各段編碼都是隨機產生的。上述編碼方式可以保證每個染色體都代表問題的一個合法解。(2)適應值評價與輪盤賭選擇。在本發(fā)明提出的算法中，染色體Xi的適應值&以所代表調度方案完成所有工作的工期Hlki來衡量。工期越短，該染色體的適應值越好。因此可把適應值函數定義為工期的倒數，即:
權利要求
1.一種基于自適應遺傳算法的彈性車間調度技術，其特征在于，該方法包括以下步驟: (1)初始化種群:每個染色體Xi采用三段式編碼來表示一個車間調度方案，其中第一段編碼 ai = (an, ai2,..., aiT)，e Ekl 表示將操作 Okl 的機器分配，k = 1,2,..., N, T =1,2,..., Nk,第二段編碼 Si = (sn, si2,…，siT)表不工作的執(zhí)行次序，Sij e {1,2,..., N},第三段編碼比=(hn，hi2，hi3)表示染色體在進化過程中采用的啟發(fā)式信息，h.j e {0,1}；算法進行初始化時，每個染色體的各段編碼都是隨機產生的，上述編碼方式可以保證每個染色體都代表問題的一個合法解； (2)適應值評價與輪盤賭選擇:染色體的適應值以所代表調度方案完成所有工作的工期來衡量，工期越短，該染色體的適應值越好；根據各染色體的適應值計算概率，并基于此概率分布使用輪盤賭方法來選擇參與交叉和變異運算的染色體； (3)交叉運算:算法隨機從種群中選擇兩個染色體進行交叉，產生兩個子代染色體，為保證子代染色體是一個合法的車間調度方案，各個編碼段的交叉策略有所不同；具體而言，第I編碼段使用基于啟發(fā)式信息的均勻交叉，第2編碼段采用保序交叉，第3編碼使用基于適應值的概率交叉； (4)變異運算:每個從交叉運算產生的新染色體以Pm的概率進行變異運算，在一個染色體Xi的變異過程中，其第I段編碼的每位基因au將隨機地從對應操作Okl的可行機器集Ekl中選擇一個機器，第2段編碼將隨機交換兩個位置上的基因順序，第3段編碼將隨機地選擇I位基因進行跳反； (5)檢查結束條件:在交叉和變異運算結束后，遺傳算法結束一次迭代，算法將檢查是否滿足結束條件，如果是，則算法返回當前最優(yōu)染色體作為最終解，否則，算法返回步驟(2)進行下一次迭代。
全文摘要
彈性車間調度問題作為經典調度問題車間調度問題的一般化，不僅具有NP難屬性，同時也是許多實際生產管理問題的抽象模型。本發(fā)明公開了一種基于遺傳算法的彈性車間調度技術。該技術采用三段編碼方式來表示一個合法的車間調度方案，并根據各編碼段的意義和特點設計了交叉和變異算子。同時，該技術在遺傳算法中引入了啟發(fā)式信息，利用啟發(fā)式信息指導染色體的進化過程，并根據搜索歷史自適應地調整啟發(fā)式信息的設計，從而提高算法的求解效率。在彈性車間調度問題標準測試庫上的實驗表明，發(fā)明的方法是有效和高效的。
文檔編號G06N3/12GK103246923SQ20131017193
公開日2013年8月14日 申請日期2013年4月25日 優(yōu)先權日2013年4月25日
發(fā)明者張軍, 林盈 申請人:中山大學