[发明专利]一种基于改进遗传算法的混流制造车间调度方法

权利要求书

1.一种基于改进遗传算法的混流制造车间调度方法，其特征在于：

包括以下步骤：

S1：根据实际车间生产情况建立Petri网模型；

S2：在所述Petri网模型基础上，将车间调度方案用染色体编码算法编码为染色体；

S3：采用改进遗传算法对所述染色体进行运算，求解适应度最大的染色体；

其中，所述步骤S3，所述适应度最大的染色体代表完成加工所需时间最短的车间调度方案，即所述改进遗传算法的最优解；

所述步骤S3中，所述改进遗传算法需要进行若干次遗传迭代，进行一次遗传迭代即依次进行交叉操作、变异操作、邻域搜索；进行一次遗传迭代所生成的染色体为一代染色体；

所述Petri网模型包括：基本参数、路径集合、作业集合和时间函数；所述路径集合、作业集合和时间函数均由所述基本参数构成；

S1.1：定义基本参数：所述基本参数表达式为M(P，T，I，O，D，C，Θ)；其中，P是Petri网模型中库所place的有限集合，所有的同类并行机用库所place来表示；T是转运transaction的集合，代表转运，工件从一个库所place转移到另一个库所place都会经过一个转运；I/O函数：是一个向量集合，从库所place指向转运transaction为输出O；从转运transaction指向库所place为输入I；C函数用于为任意库所p_i设定容量的大小，C(p_i)：代表库所place p_i的容量，即同类并行机的数量；Θ是工件token的有限类型的集合，Θ(θ)＝{COLOR}，COLOR∈{c₁，c₂，…，c_μ}；D是各种不同类型的工件token在库所place中停留的加工时间矩阵，D(p_i、θ)：表示工件θ在库所place p_i上加工的时间；加工订单Order是工件token的集合；

S1.2：定义路径集合：所述路径集合W(M)是Petri网模型中工件加工从库所p₀到p_l的路径所组成的向量集合；r为路径向量的编号；W(M)_r表示W(M)中的第r个路径；

S1.3：定义作业集合：所述作业集合是表示工件θ选择了路径W(M)_r完成所有操作所产生的作业集合；对于一个工件而言，在一个库所place进行的加工为一个作业，完成一个作业即一道工序；

S1.4：定义时间函数：所述时间函数s((θ，p_i))、c((θ，p_i))分别表示操作(θ，p_i)进入库所的时间与离开库所的时间，且s((θ，p_i))-c((θ，p_i))≥D(Θ(θ)，p_i)；一个完整订单Order的所有作业的s((θ，p_i))、c((θ，p_i))最终会写入时间报表schedule table中进行统一汇报；

所述步骤S2中，所述染色体包括选择段与安排段；所述选择段在所述染色体编码算法下能够生成唯一的安排段，从而实现选择段与染色体一一对应，在进入遗传算法时以染色体选择段代替完整染色体与适应度进行关联，降低了运算负担；

所述染色体以基因为单位，所述基因用数字表达；

所述选择段的基因的数量与工件数量一致，所述选择段第θ位基因上的数字r代表工件θ选择的路径的编号r；

所述安排段包括若干分段genestring_x，所述分段的数量与工序的数量一致；所述分段均设置有编号x，所述编号x与所述工序的顺序对应；所述分段的基因的数量与工件数量一致；

所述步骤S2中，所述染色体编码算法包括预编码算法和安排段编码算法；所述预编码算法能够得到一个初始的染色体，为进行安排段编码算法做准备；

所述预编码算法步骤为：

S2.1：若选择段空白则随机编码染色体的选择段genestring₀；确定每个工件θ的路径r；若选择段已经填充，则执行步骤S2.2；

S2.2：根据所得的选择段对安排段进行预编码：

S2.2.1：令x＝1，从安排段的第一个分段genestring₁开始；

S2.2.2：把genestring_x进行切割；genestring_x按照其所代表的工序中所包含的库所place数量切割，并把切割的份数赋值给变量N；

S2.2.3：编排genestring_x的N个子块，通过Petri网调度机制进行填充，每个子块中工件token顺序代表对应库所place内作业的顺序；

S2.2.4：x＝x+1；如果x工序数量，则完成了对安排段的预编码，结束预编码算法，否则执行步骤S2.2.2；

所述安排段编码算法，输入为选择段genestring0、最大编码迭代次数DN，输出为染色体及其对应时间报表的二元关系Chromosome，schedule table；所述染色体编码算法能在选择段已知的情况下，给出该选择段对应的唯一的安排段；

所述安排段编码算法步骤为：

S2.3：定义变量编码迭代次数a，并令a＝1；

S2.4：生成染色体Chromosome：如果当前编码迭代次数a等于1，采用染色体的预编码算法，执行步骤S2.1到S2.2.4，生成初始的染色体；如果当前编码迭代次数a不等于1，保留上一次编码迭代得到的新的安排段的第一个分段，并采用Petri网调度机制重新编码安排段的其他分段，生成完整的染色体Chromosome；

S2.5：通过Chromosome输入Petri网模型生成schedule table并记录本次生成的二元关系Chromosome，schedule table；

S2.6：取出记录中最近的二元关系Chromosome，schedule table：

S2.6.1：从二元关系的染色体Chromosome中取出安排段的第一个分段genestring₁；

S2.6.2：定义变量k，并令k←1；

S2.6.3：从二元关系的时间表schedule table中取出倒数第k个完成的工件tokenθ_x的最后一个作业

S2.6.4：根据作业更新和和是的两个搜索方向：代表同在库所place p_i但先于执行的前一个作业；代表工件tokenθ_x当前作业前一个工序的作业；对于查找作业与之间是否存在空闲，若不存在空闲，则若存在空闲，则然后循环执行S2.6.4，直到所在的库所place p_i在第1道工序为止；

S2.6.5：判断作业的加工库所p_i容量，如果小于或等于1即没有调整的余地则执行步骤S2.6.6，否则执行步骤S2.7；

S2.6.6：k←k+1，如果k大于订单Order中的工件token数量则结束安排段编码算法并输出二元关系Chromosome，schedule table，否则执行步骤S2.6.3；

S2.7：从库所p_i中获得开始时间早于且最接近于操作开始时间的操作Q′；将代表操作的基因与代表操作Q′的基因在安排段的第一个分段genestring₁段找出并进行交换，得到新的安排段的第一个分段；

S2.8：令a＝a+1，判断编码迭代次数a是否大于最大编码迭代次数DN，如果是结束安排段编码算法并输出二元关系Chromosome，schedule table，否则执行步骤S2.4。