[发明专利]基于遗传算法的解决柔性作业车间调度问题的控制方法

说明书

技术领域

本发明涉及一种基于遗传算法的解决柔性作业车间调度问题(FJSSP)的控制方法，属于数控加工领域。

背景技术

随着工业4.0时代的到来，电子商务在全球范围内持续繁荣，客户的需求日趋个性化，产品周期缩短，交货期缩短，产品种类增加的更繁多，快速定制化将是一个大的发展趋势。如何最大限度地精确估计产品的交货期，最大效率地利用生产资料无疑就成了一个非常重要的课题。为了解决上述问题，通过研究解决FJSSP的高效控制方法来提高生产计划的质量无疑具有重大的意义。

由于流程工业生产计划与调度问题具有大规模、多目标、复杂约束和动态不确定等特征，常规的建模和优化方法难以直接运用，而采用人工调度方法又难以实现资源合理调配和作业优化排序。上述解决方案不仅求解耗时时间长，求解质量也不是那么理想，而在处理大规模的FJSSP时就更显得力不从心了，因此，探讨适合流程工业生产计划与调度的建模优化和有效的求解方法成为亟待解决的关键理论问题。

发明内容

针对现有方法中存在的上述不足，本发明要解决的技术问题是提供一种基于遗传算法的解决柔性作业车间调度问题的控制方法，可以提高FJSSP的求解质量，大幅缩短求解FJSSP所耗费的时间，当FJSSP规模较大时仍可以获得不错的求解性能。

本发明为实现上述目的所采用的技术方案是：一种基于遗传算法的解决柔性作业车间调度问题的控制方法，包括以下步骤：

根据FJSSP的原理并结合遗传算法的原理对FJSSP进行数学建模；

采用间接编码的方式对染色体的机器选择部分和工序选择部分进行编码；

应用多种搜索方式相结合的方式生成初始种群；

对种群中的个体进行遗传重组并计算个体的适应度；

根据种群中个体的适应度来筛选下一代的个体；

不断进化种群直至种群中某个个体的适应度的值符合要求或程序运行达到指定的时间，最终获得一个最优的调度结果并用甘特图和文本两种方式来展示详细的调度信息。

所述数学建模得到的模型为：一个二维数组存储每道工序可选加工机器以及用该机器加工该工序的加工时间，其中每道工序对应于该二维数组中的一个一维数组，所有工件的所有工序的数量之和对应于该二维数组中的一维数组的个数，某个一维数组表示某个工件的某一道工序的可选机器集及其加工时间，该一维数组的下标表示机器号，用下标对应的该一维数组元素中的值表示该下标对应的机器加工该道工序的加工时间。

所述对染色体的机器选择部分进行编码，具体为：某工件在工序选择部分序列中第几次出现就代表了该工件的第几道工序。

所述对染色体的工序选择部分进行编码，具体为：机器选择部分存储的数值是某个工序的可选机器集中的第几台机器。

所述多种搜索方式相结合的方式产生初始种群，具体为：运用全局搜索、局部搜索和随机搜索的方式按一定的比例来生成具有基因多样性的初始种群。

所述遗传重组的方法，具体为：分别针对机器选择部分序列和工序选择部分序列的特性进行交叉变异，对机器选择部分序列采用两点交叉和单点变异操作，对工序选择部分序列采用顺序交叉和逆转变异操作。

所述计算个体的适应度，具体为：按工序选择部分的编码顺序模拟FJSSP执行过程，由工序选择部分的执行位置获得工件的工件号和工序号，然后经由哈希表获得其在机器选择部分和机器加工时间二维数组中的位置，更新工序的加工开始和结束时间、机器的最近空闲时间和最大完工时间，直至工序选择部分中的所有工序被加工完毕，最终获得完FJSSP所需的最大完工时间。

所述根据种群中个体的适应度来筛选下一代的个体，具体为：根据子代和 父代个体的适应度的值，采用轮盘赌和精英策略相结合的方式来选择若干个适应度值较大的个体组成下一代的种群。

本发明具有以下优点及有益效果：

1.求解质量好。本发明方法采用多种搜索方式相结合的方法来产生初始解，保证了初始解具有较高的质量和种群的基因多样性，为进化出优秀的个体创造出了有利的条件，本发明所求的解决方案和文献记载的最优秀的数据相比具有相当优异的性能。

2.求解耗时时间短。本发明方法采用多种搜索方式以一定比例结合的方式来生成初始种群，全局搜索和局部搜索产生的个体是比较优秀的，进化较少的代数就可以获得想要的结果，大幅降低了求解耗时时间，这也是本发明的一个显著的特色。