[发明专利]一种分布式混合流水线调度优化方法

说明书

本发明实施例提供一种分布式混合流水线调度优化方法，该方法包括：初始化至少两个调度方案，并确定每个调度方案中所有工件的工厂分配结果以及初始阶段每一工厂的工件加工顺序；对于每一调度方案，重复执行根据多种调度规则为初始阶段后的每一阶段确定加工顺序的迭代过程，直至满足预设条件；最终获得拖期最小的调度方案，以供实现分布式混合流水线调度。通过重复执行根据多种调度规则为初始阶段后的每一阶段确定加工顺序的迭代过程，从而在较低的计算复杂度情况下快速实现算法的收敛，得到总拖期最小的调度方案，进而提高流水线调度效率。另外，通过双种群发散性搜索和局部增强搜索，进一步优化算法，从而得到总拖期更优的调度方案。

技术领域

本发明涉及混合流水线分析领域，尤其涉及一种分布式混合流水线调度优化方法。

背景技术

目前，分布式制造和调度已经成了一种趋势。分布式制造可以利用多个工厂或者企业的资源与加工条件，实现资源配置与共享，在此基础上以合理的运输与使用成本加快产品的生产制造。经典流水作业车间中，一组工件按加工顺序经过多个制作阶段，每个阶段只有一台机器在运行，而现在，为了增加产能并且平衡不同阶段之间机器的加工能力，在某些加工阶段引入了多台机器同时进行加工，即混合流水车间调度。混合生产是未来制造业的发展趋势，具有灵活性、通用性。

目前求解分布式流水线调度问题以及混合流水线调度问题的方法主要有：精确算法、启发式算法以及智能优化算法。精确算法包括动态规划法，分支定界法等，通过数学规划模型求解目标最优值，虽然理论上能求得最优解，但由于计算量与存储量的限制，不适于求解大规模问题。启发式算法主要通过已有的经验、知识来缩小搜索域，构造近似最优解，原理简单，求解速度快，但通常解的性能较差。常用的启发式算法有变邻域下降法、基于工厂分配规则的启发式算法等。智能优化算法在启发式算法的基础上引入了迭代搜索机制，架构简单，性能优良，并且具有很强的适用性，常用的智能优化算法包括遗传算法、模拟退火算法、禁忌搜索算法、果蝇优化算法等。

由于分布式混合流水线调度问题具有大规模，强耦合等特性，现有的精确算法计算量太大；启发式算法效果较差，且易陷入局部极小；而目前的智能优化算法没有针对问题特性的设计，存在计算复杂度高，收敛缓慢、优化效果有限等缺点。综上，目前的分布式混合流水线调度方法存在计算复杂度高、收敛慢的问题。

发明内容

为了解决上述问题，本发明实施例提供一种分布式混合流水线调度优化方法。

本发明实施例提供一种分布式混合流水线调度优化方法，包括：初始化至少两个调度方案，并确定每个调度方案中所有工件的工厂分配结果以及初始阶段每一工厂的工件加工顺序；对于每一调度方案，重复执行根据多种调度规则为初始阶段后的每一阶段确定加工顺序的迭代过程，直至满足预设条件；停止执行迭代后，将总拖期最小的调度方案作为最终调度方案，以供实现分布式混合流水线调度。

本发明实施例提供的分布式混合流水线调度优化方法，对于每一调度方案，通过重复执行根据多种调度规则为初始阶段后的每一阶段确定加工顺序的迭代过程，直至满足预设条件，从而在较低的计算复杂度情况下快速实现算法的收敛，最终得到总拖期最小的调度方案，进而提高流水线调度效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的分布式混合流水线调度优化方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。