[发明专利]一种多目标柔性作业车间调度用混合遗传方法

说明书

本发明公开了一种多目标柔性作业车间调度用混合遗传方法，涉及生产调度技术领域，采用提出的HGA混合遗传算法对于以总完工时间、机器总负荷和关键机器负荷的多目标柔性作业车间调度问题建立数据模型，该模型用于求解多目标柔性作业车间调度问题，通过数据模型对实际车间案例和国际标准算法Kacem问题和BRdata问题进行仿真，能得到Pareto最优解。

技术领域

本发明涉及生产调度技术领域，特别涉及一种多目标柔性作业车间调度用混合遗传方法。

背景技术

车间生产调度就是组织执行生产进度计划的工作。车间生产调度以生产进度计划为依据，车间生产进度计划要通过生产调度来实现。车间生产调度的必要性是由工业企业车间生产活动的性质决定的。现代工业企业，生产环节多，协作关系复杂，生产连续性强，情况变化快，某一局部发生故障，或某一措施没有按期实现，往往会波及整个生产系统的运行。因此，加强车间生产调度工作，对于及时了解、掌握生产进度，研究分析影响生产的各种因素，根据不同情况采取相应对策，使差距缩小或恢复正常是非常重要的。

作业车间调度问题(Job-shop Scheduling Problem,JSP)中，一组机器需处理一组工件，每个工件由一系列具有先后顺序约束的工序形成，每个工序只需要一台机器，机器一直可用，可以一次处理一个操作而不会中断。决策内容包括如何对机器上的工序进行排序，已优化给定的性能指标。JSP的典型性能指标是完工时间(makespan)，即完成所有工作所需的时间。JSP是一个众所周知的NP难题。柔性作业车间调度问题FJSP(Flexible Job-shop Scheduling Problem,FJSP)是经典JSP的拓展，该问题中每个工序允许在一组可用机器中的任何一个上进行处理。FJSP比传统的JSP更难，因为它引入了除了排序之外的另一个决策内容，即作业路径。确定作业路径意味着为每个工序决定使用哪台机器处理它。

现有技术在求解车间生产调度中较复杂问题时，理想状态下的理论模型不能完全应对复杂的实际生产车间调度过程。理论研究与实际生产系统调度中的问题不能做到完全衔接。当产生的问题规模较小时，很多研究方法都能够在不同层面解决问题，可是对于大规模FJSP问题，现有方法中解的状态发生变化，导致已有方法求解效率下降。且在产生的多目标问题中，求解的目标解的个数不止一个，现有技术无法在众多的目标解中选择适合企业的折中解，形成现在制造业类企业亟需解决的关键问题。目前，现有技术对求解FJSP算法的评价标准不统一，因此针对不同FJSP问题选择统一规模的数据进行测试，是评价不同算法性能优劣的必要条件。

针对现有技术存在的问题，本申请提供了一种多目标柔性作业车间调度用混合遗传方法，建立以求解多目标柔性作业车间调度问题的数据模型，解决实际车间问题和国际标准算例中的Kacem问题和BRdata问题。

发明内容

本发明的目的在于提供一种多目标柔性作业车间调度用混合遗传方法，建立以求解多目标柔性作业车间调度问题的数据模型，解决实际车间问题和国际标准算例中的Kacem问题和BRdata问题。

本发明提供了一种多目标柔性作业车间调度用混合遗传方法，包括以下步骤：

步骤S1：进行编码种群初始化，并确定种群大小P、迭代次数T和邻域搜索VT的次数；

步骤S2：采用OS随机编码方法和MA全局顺序编码方法分别对工件进行编码，再按照OS随机编码的顺序进行解码，按最小时间线将每道工序在该工序上的可选加工机器上进行加工，直至所有工序都按最小时间线进行加工，并匹配对应的MA顺序，随机选择OS随机编码中的OS序列，采用GSE选择与随机选择相结合的方法选择得出MA序列；

步骤S3：计算序列中的每个染色体的适应度值，使用快速非支配排序方法计算当前总体的Pareto最优解集，根据每个染色体的Pareto排序和拥挤距离，将种群中排序前20％的染色体保存到Pareto档案PA中；