[发明专利]一种求解作业车间调度问题的混合粒子群算法

说明书

所属技术领域

本发明涉及计算机执行制造系统领域，具体地涉及用算法解决作业车间调度的组合优化问题。

背景技术

制造系统的调度已广泛研究了超过半个世纪，各种研究成果被提出。一些作业车间调度问题(JSP)的研究包括：工作分解，任务抢占，多执行模式，非统一资源的可用性。其中，如何能让JSP的完工时间最小，是研究的重点，亦是难点。且JSP是一种多级调度问题，是一个NP-hard问题。解决JSP复杂性包括两个方面，一个是编码，另一个是算法的选择。

许多算法和方法被提出用于解决JSP。大致有以下四类：(1)数学规划，包括整数规划；(2)评级/线性规划，包括分支界定法(B&B)、基于模型的优化；(3)模糊决策和多属性决策的办法，包括人工神经网络(ANN)、基于知识的系统(KBS)；(4)优化方法和人工智能技术，包括禁忌搜索(TS)、遗传算法(GA)、粒子群优化(PSO)，模拟退火(SA)、蚁群优化(ACO)等。

粒子群算法(Particle Swarm Optimization，PSO)是一种全局搜索的群体智能算法。它原理简单，算法实现也相对容易，运行效率高。但是，粒子群算法容易陷入局部极小，并且搜索精度也不高。

模拟退火算法(Simulated Annealing，SA)是从物理退火过程的启发中提出的一种单点搜索算法，该算法成功应用于组合优化问题。它具有跳出局部最优和搜索精度高的优点。

发明内容

针对现有技术中存在的上述不足之处，本发明提出了一个结合SA算子的混合PSO算法。

本发明的目的则是克服现有技术中存在的：迭代局部搜索容易陷入局部最优；搜索空间将产生近似解，而不是精确解；随着问题规模的扩大，搜索时间显著提高的问题。

本发明为实现上述目的所采用的技术方案是：一种求解作业车间调度问题的 混合粒子群算法，该算法的实施过程如下：

步骤1：初始化算法参数,包括PSO粒子的数目、位置和速度等信息。

步骤2：执行改进的PSO算法并更新粒子的位置和速度转移。

步骤3：执行模拟退火算子并更新粒子信息。

步骤4：执行干扰算子，如果循环中全局最优解保持不变，保留原始粒子信

息，并生成一个随机粒子。

步骤5：判断是否到达停止条件，是则返回最优解，否则返回步骤2。

本发明的有益效果是：1.增加干扰算子使搜索避免陷入局部最优；2.增加了粒子的多样性，提高了寻找最优解的概率；3.快速收敛，显著减少了搜索时间。4.结合退火算子产生全局最优解。

附图说明

图1为该混合粒子群算法流程图。

图2为PSO算法流程图

图3为编码排列示例图。

图4为SA算子流程图。

图5为干扰算子示意图。

具体实施方式

本发明的目的是使JSP中完工时间最小，因此本发明利用模拟退火算法(SA)具有跳出局部最优和搜索精度高的优点，将模拟退火算法与粒子群算法结合，不仅增加了粒子的多样性，提高了寻找最优解的概率，而且使各种粒子可以找到至少两个局部最优解，再结合退火算子在找到的多个局部最优解中，产生全局最优解。同时，该混合PSO算法由于粒子的特性而快速收敛，显著减少了搜索时间。

作业车间调度问题(JSP)可以描述为假设存在n个工件{J_i|(i＝1，2，…，n)}在m台机器{M_k(k＝1，2，...，m)}上加工，O_ik表示工件J_{在设备Mk上加工的工序。首先确定每个工件的具体操作和给出每个序列的数据。本发明预先建立了一些假设：(1)每个工件的处理序列已被确定；(2)各机器至多在同一时刻处理一个工件，并且一旦开始工作就不能被终止(3)工件相互独立，即每个工件可以以任何顺序进行处理；(4)所有工件都是在时刻0等待被处理。}

下面，结合图1-图5对本发明详细说明。

一种求解作业车间调度问题的混合粒子群算法，其具体执行步骤结合图5如下：

步骤1：初始化算法参数,包括PSO粒子的数目、位置和速度等信息。

步骤1.1：确定粒子的数目，并按照编码排列规则初始化其位置和速度。

步骤1.2：确定变量，包括PSO更新方程的参数，如ω，c₁，c₂；模拟退火