[发明专利]一种改进的布谷鸟搜索算法解决作业车间调度问题

摘要

本发明提出了一种改进的布谷鸟搜索算法解决作业车间调度问题，本发明确定了布谷鸟算法中外来鸟蛋的计算方式，精确高效，使算法更加适用于实际生产环境中。对于布谷鸟搜索算法在车间调度问题中的应用上，确定了鸟窝的初始位置的计算方式，使算法结果更加精确，同时计算方法简单，方便高效，实用性高。并且本算法突破了布谷鸟算法的三个假设条件之一鸟窝数量不变。本发明在考虑鸟窝数量增加的基础上，考虑了鸟窝数量减少的情况，使算法的应用范围更广。且确定了订单估计完成时间的计算方法。

主权项

一种改进的布谷鸟搜索算法解决作业车间调度问题，该算法涉及作业车间调度技术领域，其特征是：该算法的步骤如下：步骤1：初始化算法基本参数：设置鸟窝个数（工件数量）N,宿主发现外来鸟蛋的概率Pa（作业抢占概率），以及最大迭代次数MaxT或搜索精度：其中，n为第L优先级的鸟巢（工件）数量；步骤2：初始化鸟窝位置（工件加工完成时间）：根据订单周期，订单收益R，工件加工时间长度三个方面来确定鸟窝初始位置，具体方式如下：其中，R为完成该订单所获收益，no为订单o的工件数量；步骤3：确定编码规则：按照编码规则将鸟窝位置（完成时间）转换为工序排列，采用基于工序的编码规则编码，即染色体由个基因组成，他们表示一个工序的排列，在这个工序排列中每个工件号最多出现m次，其染色体是由一个二维空间点（x,y）表示，即第x个订单的第y个工件；例如，的实例，染色体序列为（1,1）（1,2）（2,1）（1,1）（3,1）（3,1）（3,3）（3,2）（1,2）（1,2）（1,1）（1,4），那么，它对应的工件加工序列为：其中，表示第t个订单的第i个工件的第j道工序，j表示工件i出现的次数，因此，上面例子的染色体序列表达的意思是先加工顺序为：第1个订单的第1个工件的第1道工序，加工第1个订单第2个工件的第1道工序，在加工第2个订单第1个工件的第1道工序，加工第1 个订单第1个工件的第2道工序，以此类推，最后加工第1个订单第4个工件的第1道工序，因此在解码时就可以按照工件的出现顺序转化为一个调度方案；步骤4：计算目标函数值：计算各鸟窝位置对应的目标函数值，并获得当前最优鸟窝位置，具体实现为：目标函数：（1）约束条件：其中，式（1）表示目标函数，即完成时间（Makespan）；式（2）表示工艺约束条件决定的每个工件的操作的先后顺序；式（3）表示加工每个工件的每台机器的先后顺序；式（4）表示完工时间变量约束条件；式（5）表示变量可能的取值大小，式（6）表示第o个订单的所有工件最大完成时间小于订单周期的时间约束；上述公式中所涉及的符号定义含义如下：分别为第o个订单（或阶数）中的第i个工件在机器k上的完成时间点和加工时间长度；M是一个足够大的整数；分别为指示系数和指示变量，其含义为：步骤5：更新鸟窝位置：（1）一种情况：如果没有新的鸟窝出现（鸟窝数量没有增加（没有新的订单的出现））：开始迭代，保留上代最优鸟窝位置不变，更新鸟窝位置（即全局搜索），从而随机产生下一代鸟窝，并评估位置更新后每个鸟窝的目标函数值，记录当前最优鸟窝位置，具体实施方案如下数学公式所示：（9）其中，表示第i只布谷鸟在第t代的鸟窝位置（在车间调度问题中用表示），是步长大小参数，一般取，参数S是随机游动的步长，计算公式如下：（10）其中，（11）（12）在局部搜索时对每一鸟窝位置按条件进行更新：用一个随机数Ra作为鸟窝主人发现外来鸟蛋的概率并与Pa进行比较，若Ra>Pa，则随机改变鸟窝位置，否则保持原来位置不变,并计算位置移动后每个鸟窝的目标函数值，记录当前最优鸟窝位置，用如下0‑1规划模型表示：（13）（2）另一种情况：如果有新的鸟窝出现（有新的订单出现），鸟窝数量增加，即：N+H，H为新增的鸟窝数量，同时，判断是否为紧急订单：是，则做紧急订单处理操作，把该订单的工件设置为所需加工的工序的优先级，不是紧急订单，则不做紧急处理；紧急订单处理操作如下：计算紧急系数，紧急系数越大的订单紧急程度越大，越需要得到优先处理，紧急系数的计算如下：其中，为订单o的估计完成时间，其计算方式为：其中，，实数，R为完成该订单所获收益，no为订单o的工件数量；当有鸟窝数量减少（有订单还没加工完就被迫撤离）的时候，直接定义N=N‑Z，其中，Z为减少的鸟窝数量，算法依旧依照上述算法执行；步骤6：当到达最大搜索次数或满足搜索精度时转入步骤7，否则，转步骤4进行下一次搜索；步骤7：输出最优调度值和对应的调度方案（染色体序列）。