[发明专利]针对动态作业车间调度问题的基于局部搜索遗传编程算法

权利要求书

1.一种针对动态作业车间调度问题的基于局部搜索遗传编程算法，该算法适用于作业车间技术领域，该算法的特征是：第一、该算法采用调度规则解决调度优化问题；第二、该算法用遗传编程方法自动设计调度规则；第三、结合局部搜索启发式方法；第四、对局部搜索的当前最优解进行摄动操作；第五、在局部搜索过程中引入禁忌搜索策略；第六、该算法生成初始程序的方法 ；第七；该算法计算初始程序适应度的方法

该算法的实现流程如下：

1）下载仿真复制

为了测量所获得的调度规则（或者程序）的有效性，我们将使用一个作业车间的离散变量仿真，随机生成若干仿真复制R ={R1, R2, . . . , RN}（随机产生若干工件的到达时间、加工时间、工序个数、路径）；

2）生成初始程序

使用生长法生成初始程序,随机生成根节点，然后随机产生子树作为根节点的子节点，如果某个节点的深度小于给定的最大深度3层就从函数集和终点集中选择，否则就从终点集中选择；

3）计算初始程序适应度

调度规则的适应度通过应用到每一个训练复制求得，适应度值可以计算如下：（6）

为训练仿真复制的数量，为调度规则在复制下获得的的性能（目标函数值），这个适应度表明了通过不同仿真复制的平均性能，本遗传编程方法考虑的所有目标（平均流动时间、最大流动时间、平均延迟时间、最大延迟时间、延迟工件百分比）都是最小化问题，因此拥有更低适应度值的规则将更好

4）初始化最优程序

复制到和禁忌表,迭代次数为0；

5）迭代

判断是否到达最大迭代次数，是则返回最优程序，结束进化；否则进行局部搜索；

6）局部搜索

①判断是否为最大局部搜索步长，是则迭代次数加1，执行摄动操作，否则对当前程序进行邻域搜索获得新的程序；

②检查禁忌表确认是否重复搜索并更新禁忌表，是则搜索步长加1，返回执行①；否则执行③；

③计算新程序的适应度，若的适应度优于的适应度，当前程序被替换，搜索步长加1，返回执行①；

7）摄动

①如果局部搜索的最优程序优于，被替换，判断是否为局部最优；否则直接判断是否为局部最优；

②如果是局部最优，对进行摄动操作，生成一个新的初始程序；否则返回执行5）；

③检查禁忌表确认摄动生成的新解是否重复并更新禁忌表，是则返回①重新进行摄动操作；否则执行5）。

2.根据权利要求1所述的算法，其特征是：遗传编程自动生成最优程序，最优程序即为最优的调度规则。

3.根据权利要求1所述的算法，其特征是：局部搜索和摄动操作过程引入禁忌搜索策略，避免重复搜索，减少计算时间。

4.根据权利要求1所述的算法，其特征是：遗传编程结合局部搜索，相比于单独的遗传编程，探索和开发能力更强，能找到比遗传编程更优的解，遗传编程结合局部搜索的具体实施流程为：

①判断是否为最大局部搜索步长，是则迭代次数加1，执行摄动操作，否则对当前程序进行邻域搜索获得新的程序；

②检查禁忌表确认是否重复搜索并更新禁忌表，是则搜索步长加1，返回执行①；否则执行③；

③计算新程序的适应度，若的适应度优于的适应度，当前程序被替换，搜索步长加1，返回执行①。

5.根据权利要求4所述的算法，其特征是：局部搜索领域产生方式是通过限制子树变异（RSM）来产生邻域程序，与遗传编程中子树变异类似，限制子树变异在程序中随机选择一个节点，用生长方法随机生成一个最大深度为2层的子树来替换那个节点的子树，图3给出了该变异操作的示例。

6.根据权利要求1所述的算法，其特征是：对局部搜索的最优解进行摄动操作，防止遗传编程陷入局部最优，具体实施过程如下：

①如果局部搜索的最优程序优于，被替换，判断是否为局部最优；否则直接判断是否为局部最优；

②如果是局部最优，对 进行摄动操作，生成一个新的初始程序；否则返回执行5）迭代；

③检查禁忌表确认摄动生成的新解是否重复并更新禁忌表，是则返回①重新进行摄动操作；否则执行5）迭代。

7.根据权利要求6所述的算法，其特征是：摄动操作有两种方式：

①限制子树变异（RSM），

②子树提取（SE）；

第一种摄动除了新生成的子树最大深度为3层以使新生成的程序与更加不同以外，与前一部分寻找邻域程序的方法相同，子树提取是从随机选择一个节点，从这个节点开始的子树将作为一个新的程序，实例如图4，因为每种摄动操作都有它自己的优势，所以这两种我们都会应用到本算法中，搜索过程中，如果一种摄动操作没有帮助找到更优的，我们将换另一种摄动操作。