[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

说明书

所属技术领域

本发明属于作业车间技术领域，尤其适用于动态作业车间生产调度优化问题。

背景技术

现实世界中制造系统通常会涉及到不确定或者动态的变化，尤其是在面向订单的作业车间环境下。这种情形下的调度是一种挑战，因为要根据车间的变化及时作出可靠的调度决策，在这种情况下，调度规则由于其实施简单和具备应对动态环境问题的能力，已经被普遍应用。然而，由于每个制造系统的特殊化，还是没有一个通用的调度规则能在所有的环境下起作用。因此，从业人员不得不人工改变他们的调度规则以应对他们独特的操作环境。这也暗示着需要一种自动的方法来帮助调度规则的选择或设计。

一些启发式算法和人工智能算法已经被开发出来帮助根据不同的车间情况选择合适的调度规则。严格的依赖于候选规则来选择规则的方法虽然取得了良好的效果，但是这些候选规则当中可能没有适合某个别制造造环境或者个别性能指标。即使这些规则是适合的，他们也不一定就是最优的一个。因此，设计一个有效的提高调度性能的调度规则依然是一个关键的问题。因为设计一个有效的规则是一个很难的任务，会很费时，所以自动设计方法被提出来帮助完成这个任务。

受启发于生物进化的遗传编程是基于遗传算法的一种新的引入该领域的进化计算方法，它根据适应度函数进化计算机程序。以层次化结构表示个体的方式让程序变得更加简洁和方便。尽管，一些遗传编程的方法已用于设计调度规则，但他们依然存在着应对动态调度问题时由于程序庞大，导致计算时间过长，计算成本过高的问题，以及解决复杂调度问题时开发能力较弱的问题。

针对这些问题，我们提出了一种新的基于局部搜索的遗传编程算法。

发明内容

本发明解决的问题是：第一.解决目前很多高级的优化算法受静态调度约束的问题；第二.针对特定的问题，也许没有合适的规则可供选择，或者有但是未必是最优的问题；第三.解决遗传编程在处理有多个冲突的目标和特征要求时开发能力不足的问题；第四.解决局部搜索容易陷入局部最优的问题；第五.解决遗传编程用树的形式表示程序时所需存储空间大，且处理动态问题时程序规模庞大而导致计算成本过高的问题。

本发明针对其技术问题采用的技术方案是：第一.采用调度规则解决调度优化问题；第二.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。

本发明的有益效果是：第一.调度规则易于实施，且能够应对动态环境调度问题；第二.该算法能找到比已有规则更有效的调度规则；第三.改进的遗传编程算法的搜索开发能力比单独的遗传编程方法更强；第四.避免了局部最优，让算法找到了全局最优解；第五.避免了不必要的重复搜索，减小了计算时间。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1表示生成树形调度规则所需的端点集和函数集，其中t表示作出调度决策的时间。

图2表示基于局部搜索的遗传编程实施过程。

图3表示限制子树变异操作示例，阴影节点代表新生成的子树。

图4表示子树提取操作示例。

图5表示调度规则的实施过程，树形框所示程序为遗传编程所求的调度规则Dbest。

图6为该方法流程简图。

具体实施方式

一.动态车间调度问题

实际生产中的调度问题，通常要面对更多的工件，更多样化的机器以及其它一些突发的工况，如机器故障、新工件到达等，因此车间环境多是动态的，且部分系统信息是不确定的并会随时间发生变化，工件往往会受到这些随机扰动的影响，这就是动态车间作业调度问题。

二.确定目标函数

平均流动时间：

最大流动时间：F_max＝max_j∈J{f_j} (2)

延迟工件百分比：

平均延迟时间:

最大延迟时间：T_max＝max_j∈Q{C_j-d_j} (5)

其中，J是工件的集合，Q＝{j∈J:C_j-d_j＞0}是延迟工件的集合，C_j、d_j、f_j分别表示工件j完工时间、截止时间、流动时间。

二.参数设定

最大搜索步长：100

最大迭代次数：200