[发明专利]基于聚类的进化算法进行多目标批调度优化的方法和系统

权利要求书

1.基于聚类的进化算法进行多目标批调度优化的方法，其特征在于：

S1：初始化种群规模N、最大迭代次数MaxIteration、重组配对概率S；基于加工工件初始化种群P、初始化帕累托解集合A，种群P和集合A的个体表示工件序列，初始化迭代次数t＝1；

S2：对种群P执行解码规则得到所有个体的调度方案，通过局部优化调整每个调度方案并计算调整后调度方案的目标值；

S3：利用自适应聚类将种群P的目标值进行聚类；

S4：基于聚类结果为种群P中的个体选择交叉变异的对象生成子代种群Q，利用解码规则和局部优化计算子代种群Q的目标值；

S5：利用父代种群P和子代种群Q的帕累托个体更新集合A，对父代种群P和子代种群Q执行选择操作更新种群P，基于更新后的种群P更新重组配对概率S；

S6：如果tMaxIteration，t＝t+1，跳转至S2，否则输出集合A；

其中，所述步骤S2和步骤S4中利用所述的解码规则将任意种群X＝{X_n|n∈[1,N]}中个体X_n对应的工件序列转化成调度方案X′_n，具体方法如下：

步骤i：初始化n＝1，调度方案集合

步骤ii：依次将X_n中的工件放入能够容纳该工件且剩余容量最小的批中，如果没有满足条件的批，则创建新批放入当前工件，直到所有工件被分配完成；

步骤iii：按照批到达时间的大小升序排列所有批；

步骤iv：将当前批分配给完工时间最早的机器，如果存在多台机器满足条件，选择加工速度最快的机器；

步骤v：返回步骤iv，直到所有批被分配到机器上，将当前个体X_n对应的调度方案X′_n加入集合X′；

步骤vi：如果nN，令n＝n+1，返回步骤ii，否则输出集合X′；

其中，新批的容量等于机器容量MC。

2.根据权利要求1所述的基于聚类的进化算法进行多目标批调度优化的方法，其特征在于：S1中所述的初始化种群P的方法为：分别按照加工时间升序、降序和到达时间升序排列得到三个个体的工件序列，剩余个体的工件序列随机生成。