[发明专利]一种基于改进遗传算法的柔性作业车间调度方法

说明书

一种基于改进遗传算法的柔性作业车间调度方法，其可以解决现有遗传算法在离散型柔性作业车间调度问题中的可用性不足，传统的遗传算法具有较好的全局搜索能力，但是局部搜索能力欠缺，容易过早收敛，难以找到最佳解集，Powell搜索具有较强的局部搜索能力，但也存在易陷于局部最优的缺点。本发明提供的融合Powell搜索法的遗传算法方案能在充分利用遗传算法优秀的全局搜索能力的同时，利用Powell搜索法增强整个算法的局部搜索能力，避免算法早熟，提高调度方案的质量。考虑到柔性作业车间调度遗传算法的染色体编码方案的特殊性，改进传统的Powell搜索法，以免不可行解的产生，从而提高算法的鲁棒性和搜索效率。

技术领域

本发明涉及一种生产高度技术，尤其是一种基于遗传算法的柔性车间作业调度方法，具体地说是一种融合Powell搜索法的改进遗传算法的柔性作业车间调度方法。

背景技术

随着国家加强对制造型企业智能化转型的政策支持和引导，制造型企业将普遍实施先进的信息化系统来完成企业数字化和智能化转型，以适应未来更加激烈的竞争，从而更好地适应市场变化。柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,简称FJSP)是对于传统作业车间调度问题(Job-shop scheduling problem,简称JSP)的拓展。在JSP中，所有零件工序的加工设备及其加工时间均为固定值。但在FJSP中，各零件工序的加工设备及其加工时间不一定是一一对应的关系。JSP已经被证明是NP-hard问题，而FJSP是在传统经典作业车间调度问题基础上，增加了加工设备的选择约束，符合实际生产过程中同一道工序会有多台加工设备满足加工的需求，使问题更加接近实际生产过程。FJSP问题是经典JSP问题的扩展，也是NP-hard问题。

遗传算法是受生物遗传学启发而产生的，该算法将待求问题中的可行解抽象成种群中个体的染色体。然后通过类似于自然选择的方式不断地更新迭代种群。并通过个体适应度值大小衡量个体优劣以便在迭代过程中通过遗传算子操作产生子代，从而提高种群质量，利于寻找到最优解。遗传算法(GA)尽管具有鲁棒性强,全局搜索能力好、概念简单和适应性好等一系列优点，但其也存在局部搜索能力弱的缺点。因而需加强遗传算法的局部搜索能力。Powell搜索法作为遗传算法的局部搜索策略。相较于其他它直接搜索法，Powell算法理论体系完整且效率较高。不同于其它直接搜索法使用跳跃式探测步方法进行搜索，Powell使用性能更加全面的一维搜索。其主要原理是利用函数在其共轭方向上收敛速度加快，并且由于该方法不需要优化函数的导数，所以应用更加方便。Powell搜索法对于具有低于20维优化函数的无约束优化问题求解能力较强。本发明综合遗传算法(GA)和Powell搜索法的优点用以求解离散型的柔性作业车间调度问题。

发明内容

本发明的目的是针对现有的作业车间柔性调度过程中常用的遗传算法在离散型柔性作业车间调度问题中的可用性不足，传统的遗传算法具有较好的全局搜索能力，但是局部搜索能力欠缺，容易过早收敛，难以找到最佳解集，Powell搜索具有较强的局部搜索能力，但也存在易陷于局部最优的问题，发明一种融合Powell搜索法的改进遗传算法的柔性作业车间调度方法。

本发明的技术方案是：

一种基于改进遗传算法的柔性作业车间调度方法，它融合Powell搜索法对遗传算法进行改进，实现柔性作业车间调度，其特征在于它包括以下步骤：

步骤1：设置参数：种群规模N，交叉率α，变异率β，Powell允许误差ε；

步骤2：初始化种群，种群初始化对于算法求解的速度与质量有很大影响；

步骤3：计数器置零，计数器是用来判断当前迭代次数是否需要对种群进行局部搜索；

步骤4：计算个体适应度，个体适应度为个体的目标函数的值，可以表征个体的优劣程度；

步骤5：选择操作，采用锦标赛和轮盘赌综合的方法；