[发明专利]一种改进文化基因算法求解多目标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技术领域，具体地涉及用算法求解多目标柔性作业车间调度问题。

背景技术

在制造业中，生产调度问题种类繁多、方法多样，其中，作业车间调度问题(JSP)是最基本、最重要的机器调度问题，同时也是最困难的NP—hard问题。柔性作业车间调度问题(FJSP)是JSP的扩展，它允许每个工序在给定的几台机器上加工，而不是一个机器。目前，对FJSP的研究已取得了一定的进展，各种启发式算法，进化算法等，应用到该领域。不乏有遗传算法(GA)、粒子群算法(PSO)、局部搜索算法、模拟退火算法、蚁群算法等。这些算法虽有好的性能，但也有缺陷。比如：遗传算法虽能通过种群间的相互作用，保持已经搜索到的信息，这是基于单个个体搜索过程的优化方法所无法比拟的。但是，遗传算法也存在着计算速度较慢、过早收敛等问题。局部搜索算法是解决优化问题的有效方法，但面临迭代次数过多，消耗时间过长的问题。

发明内容

针对上述不足之处，本发明要解决的技术问题是提供一种既有全局搜索能力也有局部搜索能力的算法，即改进的文化基因算法求解柔性作业车间调度问题。

本发明的目的是：提高算法的求解速度与质量。

本发明为实现上述目的，所采用的技术方案是：一种改进文化基因算法求解柔性作业车间调度问题。该技术方案包括以下步骤：

步骤1：对种群规模POP_SIZE、最大迭代次数G_m、交叉和变异次数N、变异概率P_m等参数进行初始化；

步骤2：随机生成POP_SIZE个个体作为初始种群，计算每个个体的适应度。设置迭代次数t＝0，并设置当前种群P_t＝P₀；

步骤3：对P_t进行适应度排序，得到其中的非支配个体集合P_nodom,并将非支配个体数S_nodom设置为P_nodom中的元素个数；

步骤4：将P_nodom中的个体直接拷贝到下一代种群P_t+1，设置P_t+1的个体个数n＝S_nodom；

步骤5：在P_t中随机选择一对个体：父代1和父代2；

步骤6：如果父代1、父代2的所有目标函数值都相等，则转步骤8；否则，执行下一步骤；

步骤7：分别以概率P_m对父代1、父代2进行变异，然后对父代1、父代2执行N次交叉操作产生包含有2N个元素的子代个体集合ChildPop对ChildPop进行适应度排序，在其Pareto前端集合中随机选择一个个体进入新种群P_t+1，设置P_t+1的个体个数n＝n+1；

步骤8：如果n<POP_SIZE,转步骤5；否则，执行下一步骤；

步骤9：对种群P_t+1中的每个个体执行爬山法局部搜索，并用所得的局部最

优解替换原个体；

步骤10：将P_t+1和P_t合并，选择最好的POP_SIZE个个体组成新的P_t+1；

步骤11：如果迭代次数t＞G_m，则算法结束；否则，更新种群P_t＝P_t+1，并设置迭代次数t＝t+1，然后转步骤3。

本发明的有益效果是：该改进文化基因算法吸收了进化算法和局部搜索算法的优点，不仅具有很强的全局搜索能力，同时，每次交叉和变异后均进行局部搜索，通过优化种群分布，及早剔出不良个体，进而减少迭代次数，加快算法的求解速度。这样既保证了较高的收敛性能，又能获得高质量的解。

该算法文化基因算法采用与进化算法相似的框架与操作流程，并在此基础上通过局部邻域搜索使每次迭代的所有个体都达到局部最优。进化搜索进行种群的全局广度搜索，局部搜索进行个体的局部深度搜索。文化基因算法充分吸收进化算法和局部搜索算法的优点，它不仅具有很强的全局搜索能力。同时，每次交叉和变异后均进行局部搜索，通过优化种群分布，及早剔出不良个体，进而减少迭代次数，加快算法的求解速度。这样既保证了较高的收敛性能，又能获得高质量的解，从而使文化基因算法的搜索效率在某些问题领域比传统进化算法要快几个数量级。

附图说明：

图1表示本算法的详细流程图