[发明专利]改进布谷鸟搜索的高端装备批处理机调度方法及系统

说明书

本发明实施例提供了一种改进布谷鸟搜索的高端装备批处理机调度方法及系统。首先根据工件数量、机器的数量和第一预定数值为每台机器分配工件，并确定每台机器的每个加工批次需要加工的工件，之后生成初始种群，利用布谷鸟算法中的莱维飞行操作，更新当前种群，计算改进后的个体适应度值，并与改进前的个体的适应度值进行比较，保留适应度值大的个体；利用随机概率和交叉变异操作，遗弃更新得到的种群中的个体，最后，输出全局最优解。上述技术方案确定了每个工件将分配至具体的机器，该机器上的工件的组批方式，批的加工顺序，能够最小化制造跨度，提高生产效率，解决了学习效应情形下的平行机批调度问题。

技术领域

本发明涉及调度领域，具体涉及一种改进布谷鸟搜索的高端装备批处理机调度方法及系统。

背景技术

在一类特定的半导体生产环境中，多个半导体芯片(后简称工件)被放置在一个特制板中进行烧焊。同时进行加工的工件称为一批，具有这样批加工能力的机器称为平行批处理机。随着工厂生产越多的产品，工人积累经验，若工件越晚开始加工，工件的加工时间会越短。这类具有学习效应的工件调度问题最初由Ho(1993)提出，是一个典型的组合优化问题。不同于传统调度问题中每个工件具有固定的加工时间，在时间依赖学习效应情形下，越晚开始加工，工件的加工持续时间会越短。根据工件特定的加工形式，设计出合理有效的加工规则和调度算法，可以大幅提升企业生产运营效率，提高企业的总体竞争力。因此，对学习效应情形下考虑平行机批调度问题进行研究具有很强的现实意义。

虽然近年来也有很多文献开始研究具有学习效应的调度问题，但是同时考虑学习效应和平行批处理机的研究较少。通过文献的查找，也没有发现有研究者将学习效应，平行批加工和平行机同时考虑而构建复杂的调度模型。而在现实的生产环境中，这些因素同时存在。这一复杂问题的解决是破解企业生产难题的关键，而传统的调度模型并不能解决这一问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于改进布谷鸟搜索的高端装备批处理机调度方法及系统，解决了解决学习效应情形下的平行机批调度问题，能够最小化制造跨度，提高生产效率。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本发明实施例提供了一种改进布谷鸟搜索的高端装备批处理机调度方法，所述方法包括如下步骤:

获取工件数量、机器数量；

设置迭代代数、种群规模、每代迭代次数、全局最优解；

根据工件数量和机器的数量，确定生成小数的数量，并根据生成小数的数量生成对应个数的小数；

根据机器的数量，确定需要获取的小数的数量，并根据需要获取的小数的数量，从生成的小数中获取最大的对应个数的小数；

根据获取的小数，为每台机器分配工件；

根据第一预定数值将每台机器需要加工的工件进行分批，得到每台机器的每个加工批次需要加工的工件；

根据每台机器的每个加工批次需要加工的工件和种群规模，生成初始种群；

利用布谷鸟算法中的莱维飞行操作，更新当前种群，计算改进后的个体适应度值，并与改进前的个体的适应度值进行比较，保留适应度值大的个体；

利用随机概率和交叉变异操作，遗弃更新得到的种群中的个体；

更新当前种群的全局最优解，并根据置迭代代数和每代迭代次数，判断迭代终止条件是否满足，若是则返回生成初始种群的步骤，否则输出当前的全局最优解。

进一步地，所述方法在确定每台机器的每个加工批次需要加工的工件之后，还包括如下步骤：