[发明专利]基于差分进化算法的离散制造车间静态调度优化方法

权利要求书

1.一种基于差分进化算法的离散制造车间静态调度优化方法，其特征在于，包括以下步骤：

步骤S1，确定生产车间调度优化的目标函数及约束条件；

步骤S2，建立设备矩阵M，储存工件各个工序对应的加工设备；建立时间矩阵T，存储每台设备加工对应工件时所需的时间；

步骤S3，用差分进化优化算法对调度优化问题求取最优目标解；

步骤S4，编码：采用双层设计的方式进行定义，第一层定义为工序层，表示第i个工件的各个工序；第二层定义为设备层，表示第i个工件的工序加工时的机器；

步骤S5，离散化；将连续域的变量映转换到离散空间中；

步骤S6，将生成的调度方案根据时间矩阵和设备矩阵的定义，进行反编译，在满足相关约束条件基础上，依次将工件放入对应的加工设备上，得到优化调度方案。

2.如权利要求1所述的基于差分进化算法的离散制造车间静态调度优化方法，其特征在于，

步骤S1中，目标函数为：

FM＝min(max(FM_i)) (1)

FM——所有工件的最后完工时间；

FM_i——所有的工件在设备M_i上的完工时间；

i——为大于0的正整数变量；

约束条件包括：

1)某道工序在某一时刻只能用同一台设备进行加工；

2)某个工件的一道工序一旦开始加工，在该工序完成之前不能随意终止；

3)在零时刻所有工件的加工优先级都相同；

4)不同工件的各工序之间的加工顺序优先级相同，同一工件的各工序的加工必须按照之前约定好的加工顺序。

3.如权利要求1所述的基于差分进化算法的离散制造车间静态调度优化方法，其特征在于，

设备矩阵M，时间矩阵T，如公式(2)所示：

设备矩阵M中，行号表示工件号，列号表示工序号，数值表示设备号；时间矩阵T中，行号表示工件号，列号表示工序号，数值表示加工时间。

4.如权利要求3所述的基于差分进化算法的离散制造车间静态调度优化方法，其特征在于，

步骤S3中，调度优化求解的具体步骤如下：

a、参数初始化：由公式(3)随机产生NP个初始个体构成一个初始种群，根据设备的数量和工件的加工任务对差分进化优化算法中的个体数进行初始化；

其中，表示个体i的第j维，rand()是在[0，1]之间产生的均匀分布随机数，和分别表示个体i第j维的上限和下限；

b、变异过程：对于每一代，种群中第t代每个个体执行变异操作产生一个变异个体变异操作是产生新个体的主要操作，根据个体间的差分向量得以实现，如公式(4)所示：

其中，为第t代种群中3个差分向量，r1、r2、r3为[1，NP]内的随机整数，变异因子F∈(0,1)，用来控制解产生的幅度；

c、交叉过程：将当前个体的部分分量用变异个体的对应分量替换，产生实验个体操作由交叉概率因子CR来确定，对变异后的个体与当前个体进行混合；随机生成一个数rand()，如果rand()的值大于CR，那么变异后个体进入新一代种群；否则，当前个体进入新一代种群，如公式(5)所示：

d、选择阶段：指经过变异和交叉过程之后，生成的调度方案需要选择，分别计算实验个体的适应值，采用“贪婪”的搜索策略，对和执行一对一选择操作，若的适应度值优于那么就作为子代；否则，就作为子代，选择操作如公式(6)所示：

5.如权利要求4所述的基于差分进化算法的离散制造车间静态调度优化方法，其特征在于，

步骤S5具体包括：

S501，首先将个体x_i＝{x_i,1,x_i,2,…,x_i,n×m}中各基因从小到大进行排列得到中间序列φ_i＝{φ_i,1,φ_i,2,…,φ_i,n×m}，其中i∈[1,NP]，NP为种群的大小；

S502，由公式(7)计算得到工件的排序：

其中，维数k的变化范围为1到n×m，表示对实数a进行取整；

S503，将第一次生成的调度方案作为初始方案，进行局部迭代，设置迭代次数为q，跳转S502，若生成的调度方案优于初始方案，则将此次调度方案设为初始调度方案，迭代次数满足q，则输出调度方案。