[发明专利]一种基于超启发式算法的智能柔性作业车间主动调度方法

说明书

本发明属于柔性作业车间调度相关技术领域，并公开了一种基于超启发式算法的智能柔性作业车间主动调度方法，包括：构建带作业释放时间的柔性作业车间调度模型，并确定对应的适应度函数；针对柔性作业车间调度模型，基于超启发式算法对工序排序规则、设备选择规则分别进行挖掘优化，然后采用优化后的规则实现柔性作业车间的主动调度过程。通过本发明，能根据不同的车间环境挖掘出车间最优调度规则，并且通过对启发式算法的设计使得算法生成的调度方案在主动调度集中，在确保能得到最优调度方案的同时有效减少了算法的计算成本，大大提高了算法计算效率，因而尤其适用于对调度实时性要求高的智能柔性作业车间应用场合。

技术领域

本发明属于柔性作业车间调度相关技术领域，更具体地，涉及一种基于超启发式算法的智能柔性作业车间主动调度方法。

背景技术

调度问题是制造流程规划和管理中最为关键的问题之一。作业车间问题(JSP)可以描述为：车间内有多个工件，每个工件有自己的工艺路线，工艺路线中包含多道工序，每道工序只能在一台机床上加工，机床在同一时刻只能加工一个工件；调度的目的就是确定每道工序的开始加工时间和结束加工时间，以最优化目标性能。柔性作业车间调度问题(FJSP)是车间调度的更一般情况，每道工序可以有多台机床选择，从而降低工序对资源的竞争。随着现代化车间具有相同功能机床的增加，此类问题的调度问题也越来越突出。

专利检索发现，现有技术中针对柔性作业车间调查问题已经提出了一些解决方案。例如，CN110619437A公开了一种低能耗柔性作业车间调度方法，其中采用改进遗传算法，采用多层编码策略，得出能源消耗和完工时间最优情况；CN110796355A公开了一种基于动态解码机制的柔性作业车间调度方法，其中提出可采用改进MOGA进行求解，并融入基于工件优先顺序交叉方法来完成对多目标柔性作业车间调度的最优化设计。又如，CN111967654A公开了一种基于混合遗传算法求解柔性作业车间调度方法，其中提出了将鲸鱼群算法得出的鲸鱼个体与遗传算法得到的染色体进行重组，从而改善了局部最优的不足，增强了求解精度和稳定性。

然而，进一步的研究表明，上述现有技术仍存在以下的不足或缺陷：首先，此类调度方法对于不同复杂车间环境的工况下，往往存在算法计算成本高、效率不足等问题；其次，现有技术中对如何实现柔性作业车间的主动调度方面考虑不足，相应无法满足对调度实时性要求高的智能制造车间；最后，在引入算法的过程中，如何在不破坏种群多样性的前提下进一步加快算法的进化效率，正构成本领域中亟待解决的关键问题之一。

发明内容

针对现有技术的以上缺陷或需求，本发明的目的在于提供一种基于超启发式算法的智能柔性作业车间主动调度方法，其中通过对整个调度流程重新进行了设计，并对关键操作步骤及算法机理等多个方面作出针对性改进，相应在确保能得到最优调度方案的同时进一步降低了算法的计算成本，显著提高了算法计算效率；此外，本发明能够有效根据不同复杂车间环境来主动挖掘与其相适应的调度规则，更为灵活且效果更优，因而尤其适用于对调度实时性要求高的智能柔性作业车间应用场合。

为实现上述目的，按照本发明，提供了一种基于超启发式算法的智能柔性作业车间主动调度方法，其特征在于，该方法包括：

S1：建模步骤

构建带作业释放时间的柔性作业车间调度模型，并确定对应的适应度函数；

S2：主动调度步骤

S21：根据柔性作业车间及待加工工件的相关基础信息，确定可调度工序集合和可加工设备集合；

S22：基于超启发式算法对工序排序规则进行优化，并采用优化后的规则来计算可调度工序集合中各工序优先级，选择优先级最高的工序作为加工工序；

S23：基于超启发式算法对设备选择规则进行优化，并采用优化后的规则来计算可加工设备集合中各设备优先级，选择选择优先级最高的设备作为所述工工序的加工设备，然后将工序安排在此设备的最早可加工时间段上；