[发明专利]一种用于混合流水车间调度问题的改进候鸟优化方法

说明书

本发明公开了一种用于混合流水车间调度问题的改进候鸟优化方法，该方法包括：在之前进化代数，采用排列解码方式对跟飞鸟个体和领飞鸟个体进行解码，实现对跟飞鸟个体和领飞鸟个体的进化；在超过进化代数临界值后，依概率采用微调排列解码方式对跟飞鸟个体和领飞鸟个体解码，实现对跟飞鸟个体和领飞鸟个体的进化；通过判断进化代数是否满足要求，获得混合流水车间调度最佳方案。在本发明提供的改进候鸟优化方法中，微调排列解码不严格按照排列解码方法中的先到先加工原则，这增加了搜索到更好解的可能性；将排列解码步骤和微调排列解码步骤相结合，加快采用微调排列解码的改进候鸟优化算法的收敛速度。

技术领域

本发明属于计算机集成制造技术领域，更具体地，涉及一种用于混合流水车间调度问题的改进候鸟优化方法。

背景技术

混合流水车间调度问题(Hybrid flow-shop scheduling problem，HFSP)，又称柔性流水车间调度问题，由Salvador在1973年首先提出，该问题可以看作是经典流水车间调度问题与并行机调度问题的结合。在HFSP问题中，至少有一个阶段中处理机的个数大于1，这大大增加了HFSP的求解难度，已证明处理机数分别为2和1的两阶段的HFSP是NP-hard问题。按并行机种类的不同HFSP分为三类：相同并行机、均匀并行机和不相关并行机。混合流水车间调度问题在机械、物流、钢铁、纺织等领域有广泛的应用，譬如曲轴生产线、PCB板生产线等，因此研究HFSP对实际生产具有重要的意义。

自HFSP提出之后，学者们探索各种求解HFSP的方法，目前求解HFSP方法主要可分为三类：精确算法、启发式规则和元启发式规则。精确算法，如分支定界法(B&B)，在问题规模小、问题性质不复杂的情况下可以求得问题的精确解，但实际调度问题往往求解空间太大，因此很难用精确算法求解；启发式规则，如优先分配规则，优点是能够快速构建问题的解，但启发式规则是局部优化方法，很难得到全局最优结果；Panwalkar等人在1977年对113种不同的规则进行了总结，Montazeri等针对FMS总结了20条常见的规则并分析了这些规则的性能；元启发式算法通过模拟某些自然现象和规律，具有较好的稳定性，近年来广泛应用于求解HFSP，如遗传算法(Genetic algorithm，GA)、人工免疫系统算法(ArtificialImmune System，AIS)、人工蜂群算法(Artificial Bee Colony，ABC)、蚁群算法(AntColony Optimization，ACO)、粒子群算法(Particle Swarm Optimization，PSO)、分布估计算法(Estimation of Distribution Algorithm，EDA)等。一个较好的元启发式算法即使不能求得问题的最优解，但能够求得与最优解尽可能接近的较好解，近年来的研究趋势是将启发式规则与元启发式算法相结合，这大大提高元启发式算法的性能，如Pan首次提出24种启发式规则，并运用到离散人工蜂群算法中来求解混合流水车间总完工时间最小化问题。

候鸟优化算法(Migratory Bird Optimization，MBO)是一种新兴的元启发式算法，它通过模拟候鸟迁徙过程中V字队形减少能量损耗来对问题进行优化。MBO最早年由Duman在2012年提出并将其运用二次分配问题的求解上，获得解的质量优于遗传算法、模拟退火算法、禁忌搜索算法、粒子群算法等。此后，MBO被应用于解决各种问题，如信用卡欺诈检测问题、排课问题、连续函数问题等。同时，越来越多的学者尝试将MBO运用到生产线调度上：Pan将MBO用于混合流水车间调度问题；谢展鹏用MBO求解了阻塞流水车间的调度问题，通过求解经典算例验证了MBO的有效性和鲁棒性；Benkalai用MBO求解了准备时间与序列相关的置换流水车间调度问题；Tongur用MBO求解了流水车间调度问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种用于混合流水车间调度问题的改进候鸟优化方法，其目的在于解决现有用于混合流水车间调度问题的优化方法容易陷入局部最优而无法获得更优混合流水车间调度方案的技术问题。