[发明专利]基于多色集合的改进遗传算法求解静态车间调度的方法

说明书

本发明公开了一种基于多色集合的改进遗传算法求解静态车间调度的方法，该方法实现了遗传算法与多色集合理论的柔性车间作业调度的方法，将遗传算法与多色集合理论应用到了柔性车间作业调度中，目的是为了给车间调度问题提供一种合适的算法使作业时间最短，减少成本。本发明应用基于多色集合理论的改进遗传算法，具体使用到了遗传算法和多色集合理论，这些算法可以针对不同的机床与工序关系，推荐最优的车间调度安排。

技术领域

本发明属于柔性车间调度安排技术领域，涉及一种基于多色集合的改进遗传算法求解静态车间调度的方法。

背景技术

传统作业车间调度问题的实质就是合理、科学地安排任务与资源之间的关系，且预先确定每到工序的加工顺序、加工机床和加工时间。柔性作业车间调度问题可以表述为：当多个工件在多个机床上进行加工时，其工艺路线再加工前不能完全确定，即每个工件的加工路线可能有几条，每条路线的选择状况需根据机床的空闲状况决定。因为FJSP增加了机床的不确定性，扩大了解域，增加了问题优化过程的难度，所以是更加复杂的NP-hard问题，即此类问题具有更高算法复杂性，但由于它更符合实际的生产状况，是现有调度类问题的研究终点。

应用传统遗传算法对各类JSSP机型求解，其特点是简单，容易实现，并能够迅速求得一个较优解，说明了GA在求解调度问题中的潜力和有效性。通过改进GA的编码提高问题求解的效率，是的GA编码的时间与空间复杂度大大降低，但其研究的调度状况过于单一，不举办生产柔性。结合JFSP的特点，恰当地改进了染色体编码方式、交叉算子和变异算子，简化了染色体的修复过程，提高了求解效率，但其染色体的空间复杂度仍较高。由此可以看出，采用GA来解决FJSP问题的关键在于改进染色体的编码、交叉和变异方式，从而提高算法效率。

因为GA的优化过程并非直接应用于问题空间本身，而是再对应的码空间上进行搜索，所以良好的编码方式有助于提高GA的搜索小了和解的治理。利用多色集合理论中的围道矩阵、同一颜色、个人颜色等概念，从功能分解和约束条件等多方面进行了数学形式的描述和推理，并证明了多色集合应用于模型建立的优越性，但它在对GA进行编码是仍采用双层编码形式，无形中增加了算法的空间和时间复杂度。

传统遗传算法具有很强的全局搜索能力，从任意初始种群出发，最终都会找到全局。但当种群数量过大时，遗传算法由于存在“早熟”的收敛问题，即算法由于收敛到局部最优解或是种群中不能再生成性能超过父代的个体，而不再进行进化的现象。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于多色集合的改进遗传算法求解静态车间调度的方法，该方法通过围道布尔矩阵的约束以及隐性染色体的交叉变异，得到最优的新染色体，找到静态车间调度的最优方案。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于多色集合的改进遗传算法求解静态车间调度的方法，包括以下步骤：

步骤1：获取车间加工任务、设备和工序的具体信息，使用对色集合理论来描述静态车间调度任务中待加工工序所受到的工艺与机床的具体约束；

步骤2：确定静态车间调度的具体约束，用调度约束表达式表示，用“1”和“0”分别表示指标变量x_ihk和指标系数a_ihk；

步骤3：根据具体的加工信息绘制加工任务信息表，进而创建围道矩阵，来表达调度约束条件；

步骤4：根据工序－机床围道布尔矩阵，生成工序隐性编码序列表，由工序隐性编码序列表，生成工艺-设备的逻辑围道矩阵[A×F(A)]及其实数围道矩阵[A×A(F)]；

步骤5：在模型约束下进行隐性染色体编码；

步骤6：据染色体的隐性编码信息获取各工序对应机床所需加工时间，得出各工序的完工时间及机床的释放时间；步骤7：按照柔性车间调度理论，创建目标函数；