[发明专利]一种自交叉遗传算法解柔性作业车间调度问题

说明书

所属技术领域

本发明涉及作业车间调度领域，具体地涉及柔性作业车间调度领域。

背景技术

柔性作业车间调度是作业车间调度问题的延伸，与作业车间调度问题不同的是，柔性作业车间调度，对于一道工序可以有一组不同设备供选择加工。柔性作业车间调度除了要解决工序的加工顺序的问题还要为每道工序选择合适的设备。为了解决柔性作业车间调度问题，提出了很多算法，比如遗传算法。为了提高遗传算法的性能，研究者相继提出自适应的遗传算法和混合遗传算法。自适应的遗传算法种群规模、交叉变异概率等遗传参数在进化过程中是动态变化的；混合遗传算法是遗传算法与其他优化算法如模拟退火算法、禁忌搜索、免疫算法等结合。总结遗传算法的发展过程可以看出，研究者都主要专注于研究染色体的表示方式来避免不可行解和进化策略来避免算法早熟，并且几乎所有的交叉都是双亲遗传，在两条染色体上的交叉。

发明内容

针对上述的不足之处，本发明提出了一种基于工序分配和设备选择分别编码的自交叉遗传算法求解柔性作业车间调度问题。这种新的交叉机制基于单亲遗传，更为简便，提高了子代解的可行性，省略了交叉操作之后的可行性验证过程。

本算法的目标是：第一.解决遗传算法交叉和变异过程中会产生不可行解的问题；第二.解决遗传算法的进化过程越来越复杂的问题。

本发明针对其技术问题采用的技术方案是：第一.工序排序和设备选择两部分分别编码；第二.工序部分基于工件号编码，设备部分用概率表示选择的设备；第三.采用基于单亲遗传的自交叉的交叉方式；第四.针对染色体两段不同的部分采用两种不同的变异算子。

该技术方案的实施步骤如下：

本发明的优化目标是最小化总完工时间：Cmax＝max{C_i|i＝1，…，n}，设种群规模为N，最大迭代次数为n，交叉概率为Pc，变异概率为Pm

步骤1：初始化种群N

步骤1.1：采用基于工序和设备的双重编码方式，工序编码部分按照工件号编码，工件包含几道工序该工件号出现几次；设备编码部分基于概率编码，随机产生0到1之间的两位小数表示工序选择设备的概率；

步骤1.2：采用随机的方式初始化种群，重复以上工序和设备的编码过程，产生指定种群 规模N的初始解

步骤2：计算染色体适应度值，以总完工时间即第一个工件开始加工到最后一个工件完工所需的时间作为为适应度函数

步骤3：判断是否达到最大迭代次数n，是则返回最优调度方案，结束此程序，否则执行下一步骤；

步骤4：根据交叉概率Pc执行交叉，对工序部分作自交叉操作，设备部分与工序部分一起作相同的交叉变换；

步骤5：根据变异概率Pm执行变异操作，对工序部分采用交换型的变异，设备部分采用插入型的变异

步骤6：:计算子代解的适应度，选择子代解跟父代解的前N个个体作为下一次迭代的初始种群；

步骤7：返回步骤3，重复程序

本发明的有益效果是：第一.基于工件号和小数概率的编码，保证了遗传操作所产生的任意解都是可行的；第二.自交叉方式不需要使用特别复杂或者专门设计的交叉方式，便能使产生的所有解都是可行的；第三.采用两种不同的变异算子，既保护了父代解中优秀的基因，又保持了种群的多样性。

附图说明

图1表示本算法的流程图。

图2表示一个3*3的柔性作业车间调度问题的示例。

图3表示基于图2所示问题的一条染色体。

图4表示图3所示染色体解码所得甘特图。

图5表示图3所示染色体自交叉的过程。

图6表示图3所示染色体包含两种变异算子的变异过程

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例对本发明进一步详细说明。应当理解此处所描述的具体实施例仅仅用于解释本发明并不用于限定本发明。

本发明针对目前遗传算法求解柔性作业车间调度问题存在的不足之处，对其编码方式，交叉，变异做出了改进，优化了遗传算法的性能，能更好的运用到实际车间调度中。

下面结合附图进一步描述此发明。