[发明专利]基于离散量子微粒群算法的机器零件加工流水线调度方法

说明书

技术领域

本发明涉及机器零件加工流水线调度方法，特别地，涉及一种基于离散量子微粒群算法的机器零件加工流水线调度方法。

背景技术

机器零件加工流水线调度从属于流水线调度，是目前研究和应用最广泛的一类典型生产调度问题，同时它又是一个具有很多变量和强NP难的复杂组合优化问题。也是生产管理的核心内容。随着生产规模的扩大，流水线调度问题的优化对提高资源利用率的作用越来越大，因此对其研究具有重要的理论和工程价值。

流水线调度问题研究                                                台机器上个工件的流水加工过程，每个零件在各台机器上的加工顺序相同，同时每个工件在每台机器上只加工一次，每台机器在某一时刻只能加工一个工件，各工件在各机器上所需的加工时间已知。调度问题的目标函数是求个工件的最优加工顺序，使最大流程时间最小。

流水线调度问题经过50多年的研究和发展，其求解方法已经形成了一定体系，总的来说，可以划分为三个分支：（1）精确方法，如分支定界，动态规划等，此类方法简单但只对小规模问题有效；（2）构造性方法，NEH方法是其中的典型代表，目前此方法常用于产生初始解；（3）混合启发式算法，就是融合了各类算法的组合算法。如结合模拟退火，遗传算法，禁忌搜索，蚁群和微粒群优化等智能优化方法的混合启发式算法，在近十多年来得到快速发展和成功应用。

微粒群优化算法是一种简单而有效的智能优化算法，其在调度领域的研究才刚刚起步。然而该算法不能保证搜索的全局收敛性，常常陷入局部最优解。在微粒群优化和量子理论基础上，孙俊于2004年提出了量子微粒群优化算法。该算法通过引入几何中心位置的概念，对微粒位置更新提供了更多的信息，并且只需要计算位置向量从而降低了计算复杂度。最重要的是，量子微粒群优化算法是一种全局最优的算法，保证了算法的有效性。但是该算法只能用于连续空间的搜索，对组合优化问题无法求解。

离散量子微粒群优化算法是一种用于求解流水线调度的优化算法。它受量子微粒群优化算法启发，将遗传算法中交叉概念和向量元素的对换操作应用于微粒位置更新。使传统量子微粒群优化原理可以适用于最小化最大流程时间的流水线调度问题。

发明内容

本发明的目的是为有效解决机器零件加工流水线调度的优化问题，提供一种基于量子微粒群优化和遗传算法交叉与向量元素对换操作的流水线方法。使该进后的算法填补了传统量子微粒群优化在组合优化领域的空白，能够有效求解具有典型NP难特性的流水线调度问题。

本发明的技术解决方案为：

基于离散量子微粒群算法的机械零件加工流水线调度方法的步骤包括：

1)读入机器零件加工的过程操作时间；

2)种群初始化，设置种群规模为，解空间问题维数为；

3)计算每个微粒的适应值，即流水线调度问题中的最大流程时间makespan；同时更新每个粒子的个体最优位置及全局最优位置；

4)基于离散量子微粒群优化的全局搜索，按照离散量子微粒群优化的位置进化公式更新种群位置、适应值、个体最优位置，全局最优位置，和种群位置的几何中心；

5)基于插入邻域结构的局部搜索；

6)判断终止条件，若未达到足够好的适应值或一个预设的最大代数，则返回步骤3)，否则执行步骤7)；

7)根据全局最优调度方案绘制零件加工次序甘特图。

所述的一种基于离散量子微粒群算法的机械零件加工流水线调度方法，其特征在于所述的基于离散量子微粒群优化的全局搜索，按照离散量子微粒群优化的位置进化公式更新种群位置、适应值、个体最优位置，全局最优位置，和种群位置的几何中心步骤，包括：

(1)计算种群位置的几何中心；

(2)对每个微粒按照如下离散量子微粒群优化的位置进化公式进行计算：

   

其中，表示该微粒经历的最佳位置，为种群中所有微粒经历的最佳位置，为种群当前位置的几何中心，为该微粒当前位置，是区间(0,1)上均匀分布的随机数，所述的离散量子微粒群优化的位置进化公式包括以下算子：

a)速度向量：，是一个代表对换操作的二元组集合，每个二元组的元素表示对换操作的作用索引。如表示对目标向量做两次对换操作，依次对换索引2,4上的元素，和索引1,2上的元素；

b)减法算子：令和是两个位置向量，则两个位置向量的差是速度向量， 是代表置换序列的速度向量；

c) 位置位置加法算子：对位置向量做两点交叉操作，得到子代位置向量；