[发明专利]一种基于改进群智能优化算法的JSP方法及装置

权利要求书

1.一种基于多方向收敛粒子群优化算法的流水车间调度方法，其特征在于，包括如下步骤：

1)根据车间加工信息，建立以最大流时间最小和总完工时间最小为目标的多目标模型；其中，最大流时间为最后一个工件的完成时间，总完工时间为每个工件的完工时间之和；

2)随机生成N个调度序列作为初始粒子群；

3)从初始粒子群中挑选出三个子种群，分别为第一子种群、第二子种群和第三子种群，所述第一子种群为以最大流时间最小为目标的前X₁个最优粒子，所述第二子种群为以总完工时间最小为目标的前X₂个最优粒子，所述第三子种群为以第三子种群适应度值最好为目标的前X₃个最优粒子；其中，以最大流时间最小和总完工时间最小构建第三子种群适应度函数，X₁、X₂、X₃均小于N；

4)根据各个子种群的适应度函数，计算各个粒子的适应度值，确定各个粒子的个体历史最优和全局最优；根据各个粒子的个体历史最优和全局最优，更新粒子的位置和速度，得到下一代粒子；

5)将各个子群的下一代粒子合成为下一代粒子群，更新各个粒子的个体历史最优和全局最优，判断下一代粒子群是否满足整体迭代终止条件，若不满足，则按照步骤3)的方式重新确定三个子种群，执行步骤4)-步骤5)，直至满足整体迭代终止条件，最终得到的全局最优的粒子群，该粒子群即为最优调度序列。

2.根据权利要求1所述的基于多方向收敛粒子群优化算法的流水车间调度方法，其特征在于，步骤3)中，更新粒子的速度时采用的公式为：

v_k(t)＝rs+c₁r₁(pbest-x_k(t))+c₂r₂(gbest-x_k(t))

式中，v_k(t)为更新时的粒子的速度，rs为随机生成的一对交换序列，c₁为认知学习因素，c₂为社会学习因素，r₁和r₂为随机数，pbest为粒子的个体历史最优，gbest为粒子的全局最优，x_k(t)为要更新的粒子的位置。

3.根据权利要求1所述的基于多方向收敛粒子群优化算法的流水车间调度方法，其特征在于，步骤4)中，第三子种群的适应度函数为：

式中，eval(k)为第三子种群中粒子k的适应度函数值，q(k)为支配k的粒子的数量，p(k)为被k所支配的粒子的数量，pSize为粒子群的大小。

4.根据权利要求1～3任一项所述的基于多方向收敛粒子群优化算法的流水车间调度方法，其特征在于，步骤3)中，从初始粒子群中挑选三个子种群时，根据三个子种群的适应度函数，计算初始粒子群中各个粒子的三个适应度值，分别为第一子种群适应度值、第二子种群适应度值和第三子种群适应度值，从初始粒子群中挑选出第一子种群适应度值最好的X₁个粒子作为第一子种群，从初始粒子群中挑选出第二子种群适应度值最好的X₂个粒子作为第二子种群，从初始粒子群中挑选出第三个子种群适应度值最好的X₃个粒子作为第三子种群。

5.根据权利要求1所述的基于多方向收敛粒子群优化算法的流水车间调度方法，其特征在于，X₁＝X₂＝X₃＝N/3。