[发明专利]基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统

说明书

本发明提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度方法，包括：S1，设定和声搜索算法的基本参数；S2，随机生成HMS个可行解存入和声记忆库中作为初始解；S3，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR；S4，利用所述PR对所生成的部分新解进行扰动调节；S5，将更新后的新解和初始解放入外部种群中进行非支配排序，得出各层Pareto最优前沿；S6，计算各层最优解在外部种群中的拥挤度；S7，根据最优解的非支配序和拥挤度选择出HMS个解，转到步骤S8；S8，判断迭代终止条件，若满足则停止迭代，输出Pareto最优解集；否则返回S3。本发明实施例中既保证了所生成的新解都能落在可行域中，又能让新解尽可能多地继承和声记忆库的整体特性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统。

背景技术

多目标Flowshop调度问题是很多企业生产线生产调度问题的简化模型，是研究在m个作业区上n个产品的流水加工过程的方法。其中每个产品在各作业区上的加工顺序相同，同时约定每个产品在每个作业区上只加工一次，每个作业区一次在某一时刻只能够加工一个产品，各产品在各作业区上的加工时间和准备时间已知，要求得到某调度方案使得某些指标最优的解决方法，广泛存在于流水作业的生产制造行业，如汽车制造、集成电路板生产环境中的测试等场景。

由于大多Flowshop调度问题属于NP hard问题，因此产生了各种各样的求解该问题的方法。例如，Geem提出的和声搜索算法是一种启发式全局搜索算法，它将解向量类比为由n个乐器声调的和声，而将解向量中的变量类比为乐器，目标函数被看作为对和声的评价。首先，算法产生HMS个初始解放入和声记忆库(harmony memory)中，然后以概率HR在和声记忆库中搜索新解，以概率1-HR在和声记忆库外的变量可能值域中搜索新解；再以概率PR对新解进行微调扰动，如果新解的目标函数值好于和声记忆库中的最差解，则用新解替换之；如此不断迭代，直至达到规定的迭代次数时输出最优解。

但是上述和声搜索算法求解Flowshop调度问题中，如果采用固定的和声记忆保留概率和音调调节概率，在解的多样性较好时，会使搜索速度变慢；而当解的多样性差时，易陷入局部最优。因此，用和声搜索算法求解Flowshop调度问题时存在以下问题：

(1)收敛过慢、稳定性差及早熟等缺陷。

(2)新解不保证能落在可行域中，也不能保证让新解能较多地继承和声记忆库的整体特性。

(3)两个解的目标函数值大小若相等或相近，并不代表其解的构成也相等或相近，有时其解的构成会存在很大差异，拥挤度却不一定大。因此，在非支配排序算法中，通过解的目标函数值来计算多目标Flowshop调度问题解的拥挤度也是不科学的。

发明内容

针对现有技术中的缺陷，本发明提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度方法及系统，用于解决现有技术中和声搜索算法搜索速度慢，拥挤度设置不合理的问题。

第一方面，本发明实施例提供了一种基于多目标自适应和声搜索算法的Flowshop生产调度方法，包括：

S1，设定和声搜索算法的基本参数，所述基本参数至少包括：解向量中变量的维数n、解向量中变量的取值范围、和声记忆库可保存的和声即解向量的个数HMS、和声记忆保留概率HR的上界和下界、音调扰动调节概率PR的上界和下界和算法迭代的最大次数；

S2，随机生成HMS个可行解存入和声记忆库中作为初始解；

S3，计算自适应的和声记忆保留概率HR和音调扰动调节概率PR；

S4，利用所述PR对所生成的部分新解进行扰动调节，以更新新解；