[发明专利]一种求解置换流水车间调度的多策略粒子群优化方法及系统

说明书

技术领域

本发明属于最优化控制、人工智能和生产制造领域，尤其涉及一种求解置换流水车间调度的多策略粒子群优化方法及系统。

背景技术

作业车间调度（Job-Shop Scheduling, JSS)是实现先进制造和提高生产效益的基础和关键，是企业制造系统研究的核心技术及热点问题之一，其目的是使用有限的资源条件，在一定的约束条件下，确定各工件在不同设备上的加工次序和加工时间，以保证所选定的生产目标实现最优化。然而，由于作业车间调度具有建模复杂﹑计算复杂和多约束等特点，该问题属于典型的具有NP复杂性的组合优化问题。

置换流水车间调度问题是制造系统中的作业车间调度优化问题的简化模型，许多非工业调度问题都可以转化为此类作业车间调度问题，对该问题的研究具有重要的现实意义。设计该类问题的有效调度方法，一直是智能制造系统中的重要研究课题。目前，解决置换流水车间调度的方法大致分为三类(张其亮, 陈永生, 韩斌. 改进的粒子群方法求解置换流水车间调度问题[J]. 计算机应用, 2012, 32(4):1022-1024）：一类是精确方法，主要有列举法﹑分支界定法﹑动态规划法；一类是启发式方法，主要有NEH法；另一类是智能优化方法，主要有遗传方法﹑模拟退火方法﹑蚁群方法﹑粒子群方法等。值得注意的是：精确方法由于计算费用会随问题规模增长而急剧增加，往往不能有效推广到大规模制造过程的JSS问题；启发示方法对问题本身的调度规划依赖性强，调度产生的解一般为局部最优解，不利于整体获得最佳的调度性能。而基于智能优化方法的车间调度方案, 由于方法本身具有执行机制透明，不受问题规模限制等优点，更易于在可行的时间内以较大概率获得问题的最优解或近似最优解，目前已广泛应用于电子(祝勇, 潘晓弘. 基于改进粒子群优化方法的电子产品排产研究[J]. 中国机械工程, 2011(1):49-54.)﹑汽车(戴欣, 袁越, 王敏,等. 配网中电动汽车调度策略及其经济效益评估[J]. 电力系统及其自动化学报, 2015, 27(3):42-47.)﹑服装业(王志远, 缪顾贤. 基于遗传方法的服装连锁业车辆调度问题研究[J]. 商场现代化, 2008(20):24+41-42.)等制造业中相关生产调度问题。

粒子群方法(Particles Swarm Optimization, PSO)是在1995年由Kennedy和Eberhart博士提出的一种基于群体智能的仿生类优化方法，该方法执行机理源自于对鸟群捕食行为的真实仿真。类似于遗传方法，PSO是一种基于种群的随机迭代方法。由于PSO方法执行机制简单﹑易于实现﹑待设定的参数较少，目前已被广泛地应用于函数优化﹑神经网络﹑生产自动化控制等相关领域(高尚，杨静宇. 群智能算未能及其应用[M]. 北京:中国水利水电出版社, 2006)。然而，在实际应用过程中，标准PSO方法应用于车间调度问题存在的一个主要问题是：寻优过程中粒子易于早熟﹑多样性降低且难以寻找到全局最优解。高亮等(高亮，高海兵，周驰. 基于粒子群优化的开放式车间调度[J]. 机械工程学报，2006，42(2):129-134.)分析了PSO在信息共享机制上的缺陷，提出新的基于群体智能信息的信息共享信机制，并基于该共享机制计算了一种新的基于PSO的调度方法，克服了寻优过程的盲目搜索，提高了车间调度解的质量。李解等(李解, 任魏翔, 秦永彬. 混合流水车间调度问题的IPSO方法[J]. 计算机与数字工程, 2016, 44(6):985-991.)针对PSO具有易收敛于局部最优解的缺点，为防止方法收敛于局部最优解,引入变异操作。此外，在粒子群优化方法的基础上引入适用于求解混合流水车间的TLBO方法的老师阶段和学生阶段，通过设计正交试验对方法参数设置进行分析，确定了较优的参数组合。将改进后PSO方法应用于解决混合流水车间调度问题取得了较好的结果。张建军等(张建军, 王春芳. 求解混合流水车间调度问题的改进型PSO方法[J]. 计算机工程与应用, 2011, 47(31):212-214)在PSO算中，引入基于位置相似度的禁忌策略，从而避免对刚刚搜索过的区域外重复搜索和过早陷入局闻最优；同时采用线性微分递减方式更新惯性权重，在保证方法前期具有较高全局搜索能力，同时又能保证后期有较高的开发能力。李静梅(李静梅, 张博, 王雪. 基于粒子群优化的异构多处理器任务调度方法[J]. 计算机应用研究, 2012, 29(10):3621-3624)等通过引入禁忌方法进行局部搜索，克服了粒子群方法的早熟收敛现象，有效避免了粒子群体陷入局部最优区域。所提出的改进方法很好的解决了异构多处理器任务调度问题。由此可见，粒子群优化具有许多在工程领域有启发意义的特性，适合于解决现代工业先进制造及生产中面临的加工调度问题。然而，随着车间调度问题规模的扩大，其可行解空间规模会随着实际问题规模的增大而呈指数级增大。因此，针对PSO方法中粒子群体多样性评价策略﹑全局及局部最优粒子的选择﹑局部最优逃逸策略等开展PSO方法执行过程的研究，是提高方法本身应用于实际调度问题解的最具吸引力的科学研究方向。