[发明专利]一种求解大规模车间作业调度问题的混合分布式进化方法

说明书

本发明公开了一种求解大规模车间作业调度问题的混合分布式进化方法，该方法采用两层结构：L1基于种群的分布式进化层：采用排序划分方法，将调度方案作为个体组成种群，将种群划分为多个子种群，各子种群采用相同或不同的进化算法分别进化，进化过程中采用间隔性信息交换的方法，实现子种群之间的进化协作；L2基于维度的分布式进化层：生成贝叶斯网络用于表示调度方案中各维度变量间的关系，根据得到的贝叶斯网络对维度变量进行分组，从而将大规模优化问题划分为多个中小规模子问题分别进化，进化过程中每个子问题中个体的适应度评价，通过选取参考向量的方法实现。本发明能实现大规模车间作业调度问题的混合分布式进化，输出得到最优调度方案。

技术领域

本发明涉及智能制造领域，尤其涉及一种求解大规模车间作业调度问题的混合分布式进化方法。

背景技术

如何在最短的时间内为大规模车间作业调度问题找出最优解，是智能制造领域亟待解决的关键问题之一。目前，对于大规模优化问题的研究聚焦于协同进化算法，而且已经形成了以已定或随机个数进行维度划分的较成熟的协同进化算法架构，此种算法架构采用“分治”的思想，将问题划分为多个子问题进行进化，从而有效地提升算法的搜索能力，能够很好地求解完全可分割的大规模优化问题。然而，大规模车间作业调度问题是一种实际生产中的大规模优化问题，其涉及的维度变量间存在较复杂的耦合关系，属于部分可分割的大规模优化问题。对于部分可分割的大规模优化问题，已有的协同进化算法架构忽略了变量间的耦合关系，在维度划分上呈现出很大的盲目性，从而大大限制了进化过程，很难获得好的进化效果。作为另一种分布式进化算法架构，种群分布式进化架构将待进化种群划分为多个子种群，分别寻优，并交互协同，从而避免单个种群向同一方向进化产生的局部最优问题，提高进化算法的寻优效果。故而，在求解大规模车间作业调度问题时，应从两个方面考虑：(1)学习维度变量间的耦合关系，基于变量间的耦合关系，实现维度划分(即降维)；(2)划分种群，实现多个子种群的协同进化，以提高进化效果。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种求解大规模车间作业调度问题的混合分布式进化方法，采用排序划分方法实现初始调度方案种群划分，得到多个子种群，采用贝叶斯网络学习大规模优化问题中变量间的关系，对每个子种群实现维度变量分组，构建出融合种群分布和维度分布的双层混合进化方法用于求解大规模优化问题。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种求解大规模车间作业调度问题的混合分布式进化方法，对车间的若干个调度方案，采用混合分布式进化方法进行调度方案的选择，每个调度方案均包括多个工序，该方法采用两层结构，输出最优调度方案，该方法包括以下步骤：

L1基于种群的分布式进化层：采用排序划分方法，将调度方案作为个体组成种群，将种群划分为多个子种群，各子种群采用相同或不同的进化算法分别进化，进化过程中采用间隔性信息交换的方法，实现子种群之间的进化协作；

L2基于维度的分布式进化层：生成贝叶斯网络用于表示调度方案中各维度变量间的关系，根据得到的贝叶斯网络对维度变量进行分组，从而将大规模优化问题划分为多个中小规模子问题分别进化，进化过程中每个子问题中个体的适应度评价，通过选取参考向量的方法实现；

通过将若干个调度方案作为待进化种群，分别从横向和纵向上进行基于种群和基于维度的划分，从而实现混合分布式进化，输出最优调度方案，将最优调度方案交由车间执行。

进一步地，本发明的该方法中采用的排序划分方法为：

步骤1.1、初始化若干调度方案组成待进化种群，将待进化种群中个体按适应度大小进行升序排列；

步骤1.2、设置子种群数量为n，并对子种群进行编号为(1,2,3,...,n)；

步骤1.3、按照如下公式，建立个体与子种群的对应关系；

个体分配的子种群编号＝个体适应度次序％子种群数量