[发明专利]一种共融AGV的柔性作业车间调度方法

说明书

本发明涉及一种共融AGV的柔性作业车间调度方法，建立含有AGV搬运的柔性作业调度数学模型；对参数进行初始化，对种群中的每个个体进行编码，生成编码序列；通过交叉、变异和序列值交换，得到每个个体的邻域编码，如果个体邻域编码的适应度值小于变异后种群中个体的适应度值，则将该个体邻域编码替换对应的变异后种群中的个体。本发明使用工序、机器、AGV序列三层编码策略，可以有效地映射工件、加工机器、以及AGV的关系；自适应权重因子动态调整交叉和变异概率，具有较好的稳定性；对引入了基于移动和交换工序策略的变邻域搜索局部搜索能力强。

技术领域

本发明涉及车间作业调度技术领域，具体地说是一种共融AGV的柔性作业车间调度方法。

背景技术

随着“中国制造2025”战略的推进，数字化车间设备逐渐实现互联互通，AGV以其灵活、智能的特点广泛的应用于车间物料搬运中，传统的柔性作业车间调度问题(Flexiblejob shop schedulingproblem,FJSP)的算法研究没有考虑物料搬运时间，在离散制造生产车间中，实现AGV协同生产作业集成调度，可以有效的提高生产效率降低成本。AGV与柔性作业车间共融调度问题不仅需要考虑加工的工序以及加工机器的选择，还要考虑加工物料在机器之间的搬运成本以及AGV的选择，是典型组合优化问题的加强版，不可能精确求解多项式时间最优解。近年来使用智能算法求解该类问题成为主流解决方案，遗传算法以强大的全局搜索能力和种群并行搜索能力成为研究调度问题的基石，粒子群算法、模拟退火算法、邻域搜索等发算法也被诸多学者研究改进并取得了良好的效果。

遗传算法通过交叉、变异、选择等操作可以不断优化解的性能，具有较强的全局搜索能力，但实际应用中，遗传算法的各项参数设置往往依赖于经验，而且一般情况下不能保证算法收敛到全局最优解，算法的适用领域有一定的局限性，遗传算法存在容易陷入局部最优解、局部搜索效率低等问题。

发明内容

针对现有技术的不足，本发明提供一种共融AGV的柔性作业车间调度方法，解决遗传算法的容易陷入局部最优解、局部搜索效率低的问题。

本发明为实现上述目的所采用的技术方案是：

一种共融AGV的柔性作业车间调度方法，包括以下步骤：

步骤1：建立含有AGV搬运的柔性作业调度数学模型；

步骤2：对参数进行初始化，对种群中的每个个体进行编码，生成编码序列；

步骤3：任意选取两个个体，将其编码序列进行交叉，直至选取的个体数量达到种群中个体数量，得到交叉后的种群；

步骤4：根据初始变异概率，对交叉后的种群中的个体进行变异操作，得到变异后的种群；

步骤5：求解出变异后种群中每个个体的关键工序集，将每个个体的关键工序集的最后两个序列值进行交换，得到每个个体的邻域编码；

步骤6：通过目标评价函数计算出变异后种群中个体的适应度值与个体邻域编码的适应度值，并将二者进行比较，如果个体邻域编码的适应度值小于变异后种群中个体的适应度值，则将该个体邻域编码替换对应的变异后种群中的个体，遍历整个变异后的种群。

所述含有AGV搬运的柔性作业调度数学模型为：

J_j:{J₁,J₂,......,J_n}

M_i:{M₀,M₁,M₂,......,M_m}

A_d:{A₁,A₂,......,A_W}