[发明专利]一种基于遗传算法的柔性作业车间分批调度方法

说明书

技术领域

本发明涉及一种智能制造技术中的生产计划制定，具体地说是一种基于遗传算法的柔性作业车间分批调度方法，用人工智能算法中的遗传算法来求解柔性作业车间分批调度问题。

背景技术

在生产作业计划中，产品的生产品种和生产数量在订单中是已知的，生产时间也可由工艺人员确定，但生产顺序的安排往往是难以合理确定的，确定工件的加工顺序以及分配相应的生产设备来对工件进行加工，这一过程称为作业排序或作业调度。对同一批待加工工件，不同的加工顺序会产生不同的加工完成时间，很大程度上影响着企业的生产效率。作业调度的目的就是通过为工件确定合理的加工顺序，对生产过程进行优化，从而缩短生产周期，提高设备利用率。

车间作业调度问题的方法主要有：经典算法、基于启发式规则的构造性算法、人工智能算法。

经典算法：经典算法包括数学规划法、分支界定法、拉格朗日松弛法等。

基于启发式规则的构造性算法：该算法易于实现、计算复杂度低，被大量的研究与应用，Panwalka等总结了一百多种调度规则。

人工智能算法：人工智能算法包括遗传算法、蚁群算法、禁忌搜索算法、免疫算法、神经网络算法等。

经典算法对小规模问题比较有效，对较大规模问题计算时间难以承受；基于启发式规则的构造性算法对问题处理比较粗糙，其得出的解质量通常不够好；而人工智能算法优化性能高，算法结构简单，通用性好，其中的遗传算法是求解车间调度的研究热点之一。柔性车间调度是一个NP-hard问题，在车间调度中具有较高的复杂程度，而在其基础上再加入分批问题，使得问题更加复杂。遗传算法在求解柔性车间分批调度问题时，由于分批的不相同导致进化操作的复杂性大大增加，从而使进化寻优不理想，因此有必要展开研究，制定出合适的方法。

发明内容

本发明目的在于针对已有技术存在的缺陷，提供一种基于遗传算法的柔性作业车间分批调度方法，能够提供好的调度方案，从而提高车间生产效率，缩短生产周期。为达到上述目的，本发明采用下述技术方案：一种基于遗传算法的柔性车间调度方法，其特征在于具体操作步骤如下：

步骤一，确定运行参数。

步骤二，初始种群生成。

步骤三，个体适应度计算。

步骤四，选择操作。

步骤五，交叉操作。

步骤六，变异操作。

步骤七，终止判别。

针对以上步骤进行具体说明如下：

步骤一、确定运行参数

遗传算法的运行参数包括种群规模M，交叉概率P_C，变异概率P_M，迭代次数T。种群规模M一般取20～100，交叉概率P_C一般取0.4～0.99，变异概率P_M一般取0.0001～0.1，迭代次数T一般取100～500。

步骤二、初始种群生成

初始种群的生成依靠编码实现，柔性作业车间分批调度问题的编码需要包含两部分信息，第一部分为各工件的分批信息，它确定每种工件分多少批次，每个批次中工件有多少数量，将此部分的编码称为分批码；第二部分为工件各批次的加工顺序，称为工序码。此种编码方法为分段编码方法。

对于有N种工件，第i种工件数量为L_i，工序数为J_i，其分批码结构如下所示：

用-1作为间隔符区分不同种类的工件，a_i为工件i所分的批次，P_i(ai)为工件i的第a_i批次中数量，K_i为工件i的分批码。

工序码的结构如下所示：

2,2 1,1……1,1 2,2 1,1……2,2(部分片段)

其中工序码中每个代码(工件批次号)由两个数字组成，前数字表示工件种类，后数字表示工件批次，如2,2表示工件2的第二批次，2,1表示工件2的第一批次，相同数字出现的顺序代表工序顺序，如上述工序码中第一位上为2,2，第五位上也为2,2，则第一位上为工件2第二批次的第一工序，第五位上为工件2第二批次的第二工序。

(1)分批码

采用轮盘赌方法产生工件分批码，具体生成步骤如下:

1)确定批次。分为以下两步：

①在0～1之间随机产生一个数；

②将此数乘以工件i的数量L_i，进行向上取整操作，所得到的数即为工件i的批次，记为a_i。

2)确定批次中工件的数量。