[发明专利]基于混合算法的多目标双柔性作业车间调度方法及系统

权利要求书

1.一种基于混合算法的多目标双柔性作业车间调度方法，其特征在于，所述方法包括：

构建多目标双柔性作业车间调度模型；所述多目标双柔性作业车间调度模型包括目标函数和约束条件；所述目标函数为最大完工时间和线边库存时间的组合加权函数；所述约束条件包括加工时间约束和准备时间约束；

基于考虑工件位置相关和考虑工件相似度的学习效应模型求解所述加工时间约束获取求解后的加工时间约束；基于连续指数递增学习效应模型求解所述准备时间约束获取求解后的准备时间约束；基于求解后的加工时间约束和求解后的准备时间约束优化多目标双柔性作业车间调度模型；

基于混合算法求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解，并基于所述最优解绘制多目标双柔性作业车间调度的甘特图；所述混合算法为多种群遗传算法和模拟退火算法的组合混合算法；其中，所述模拟退火算法用于求解产生多种群遗传算法的初始种群。

2.如权利要求1所述的方法，其特征在于，所述组合加权函数包括：

min Z＝ω₁C^max+ω₂C^edge

其中，C^max表示最大完工时间，C^edge表示线边库存时间；ω₁表示最大完工时间的优化权重，ω₂为线边库存时间的优化权重。

3.如权利要求1所述的方法，其特征在于，所述工件位置相关和考虑工件相似度的学习效应模型包括：

P_j,r＝P_j(S[1,r]+S[2,r]+...+S[r,r])^α

其中，P_j表示工序不考虑学习效应的加工时间；P_j,r表示在加工位置r上的工件考虑学习效应后的加工时间；S[r₁,r₂]表示在r₁位置和r₂位置的工件的相似度；

所述连续指数递增学习效应模型包括：

C_max＝R^-1(P+R(0))

其中，C_max表示实际的加工准备时间；P表示考虑学习效应之前的正常加工准备时间，R(0)为t＝0时y＝R(t)的函数值。

4.如权利要求1所述的方法，其特征在于，所述基于混合多种群遗传算法求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解，并基于所述最优解绘制多目标双柔性作业车间调度的甘特图，包括如下步骤：

Step1进行参数初始化设置，包括设置模拟退火算法中的初温T₀、终温T₁、降温速率q₀、每个温度下迭代次数c，每个状态下最大迭代次数L₀；还包括设置多种群遗传算法中的种群数量N、初始温度T₀'、降温速率q₀'、每个种群的交叉率p_c、变异率p_m、每个种群的规模P_size、迭代代数gen，以及最大迭代次数iterations；

Step2基于模拟退火算法产生多种群遗传算法的N个初始种群；

Step3令多种群遗传算法中的温度T＝T₀'；

Step4多种群遗传算法中的各个种群开始独立进化，并基于预设的进化规则对所述初始种群进行进化；

Step5令gen＝gen+1且T＝T×q₀'，并判断gen％5＝＝0是否成立，若不成立，则执行Step4；若成立，则基于预设的迁移策略对进化后的每个所述初始种群进行迁移；

Step6判断gen％iterations＝＝0是否成立，若不成立，则执行Step4；若成立，则执行Step7；

Step7输出最优个体，并根据最优个体绘制多目标双柔性作业车间调度的甘特图。