[发明专利]基于多目标进化算法的动态柔性作业车间调度方法

说明书

技术领域

本发明涉及柔性作业车间调度控制领域，可用于在动态不确定的柔性作业车间生产环境中，实现对各作业工序的机器分配以及加工顺序的调度。

背景技术

柔性作业车间调度问题是指建立柔性作业车间调度的模型，通过某种算法为每项作业的每道工序分配适当的机器，并确定各机器上工序的加工顺序，以在满足各种约束条件的前提下，实现作业的完工时间最短、拖期最小、各机器的负载均衡等优化目标。

实际柔性作业车间的生产环境是动态不确定的，存在着“新的作业下达”、“机器发生故障”、“故障机器修复”等多种动态因素。当面临这些扰动时，根据初始数据产生的最优调度方案的性能可能大大降低，因此亟需研究一种能够处理动态不确定因素的新型柔性作业车间调度方法。柔性作业车间的动态调度技术对实际生产系统的成功实施具有重要意义。

进化算法是模拟生物在自然环境中的进化过程而形成的一类自适应全局优化概率搜索算法。进化算法可以处理传统优化方法难以解决的复杂优化问题，例如非连续、多模态等问题，它对整个群体实施选择、交叉、变异等操作，可以在算法的一次运行中并行搜索到多个解，加之其具有较强的环境自适应能力，因此，进化算法特别适用于求解柔性作业车间调度这类同时存在多个Pareto非支配解的动态多目标优化问题。

目前已有的柔性作业车间调度方法存在以下不足：

1)大多仅考虑了静态的生产环境，它们假设柔性作业车间中的所有信息都是预先可知且确定不变的，显然，当实际生产环境发生动态变化或存在不确定因素时，依据静态方法产生的调度方案不再适用。

2)尽管目前已经出现了一些动态调度方法，但它们大多仅考虑了动态事件对车间生产效率(如完工时间)的影响。这种方法可能会产生一个与原方案截然不同的新调度方案，某些未加工工序的开始时间将会被提前或推迟，从而对依据原方案规划的其它生产活动产生严重影响，并导致作业车间系统不稳定，使生产过程缺乏连续性。因此，动态调度方法应当同时优化柔性作业车间的生产效率和稳定性。

3)对多个优化目标的处理方式比较单一。大多已有方法采用加权求和法将多个目标转换为一个目标，这种方法将会引入较多的参数，并且需要事先对各个目标进行归一化处理。由于柔性作业车间调度问题的多个目标之间往往是相互矛盾的，因此更好的方式是采用多目标进化算法对多个目标并行处理，从而为生产管理者提供一组反映目标间不同折中程度的调度方案，为其做出最终的决策提供参考。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种基于多目标进化算法的动态柔性作业车间调度方法，以在现实世界动态不确定的车间生产环境中，及时响应随机事件的发生，实现机器的有效分配和工序加工顺序的调度，从而提高车间的生产效率，并维护生产系统的稳定性。

为实现上述目的，本发明的实现步骤包括如下：

(1)初始化：读取初始时刻的输入信息，包括每项作业的工序数、加工期限、权重，每道工序可分配的机器集合、各工序在相应机器上的加工时间、正常工作的机器数目；给出优化目标的定义；将初始时刻视为初始调度点t₀，将紧急动态事件，包括“新的紧急作业下达”、“机器发生故障”、“故障机器修复”的发生时刻视为重调度点t_l(l＝1,2,…)；在t_l(l＝0,1,2,…)时刻所处的生产环境下，“完工时间”定义为从开始加工到完成当前所有可调度的工序所花费的时间开销；“拖期”定义为对作业在加工期限上的延误值进行惩罚；“机器的最大负载”定义为各台机器加工时间的最大值；“稳定性”仅在t_l(l＝1,2,…)有定义，将其定义为各工序在新旧方案中开始加工时间和完成时间的差别；所设定的约束条件包括加工时间约束、工序优先级约束、禁止抢先占有的约束；

(2)在初始时刻t₀，根据车间内机器和作业的属性，基于静态多目标进化算法，同时最小化以下目标：完工时间、拖期以及机器的最大负载，预先产生一组Pareto非支配解，Pareto非支配解是指提高该解在任何一个目标上的性能，都必然会导致它在剩余的至少一个目标上的性能降低；将Pareto非支配解提供给生产管理者进行参考，并由他从中挑选出一个符合生产要求的满意解作为调度方案；