[发明专利]一种基于历史信息指导的多目标工件批调度方法及装置

权利要求书

1.一种基于历史信息指导的多目标工件批调度方法，其特征在于，所述方法包括：

1)、在满足批调度的约束条件下将各个待调度工件随机调度至各个机器的各个批中，得到若干个当前个体，其中，所述约束条件包括：机器的容量、工件尺寸、同一工件仅能调度一次、最小化能源消耗以及最小加工时间中的一种或组合；

2)、以最小化早到延迟惩罚为目标对各个当前种群中的各个个体对应的调度方案进行优化，得到优化后的当前种群；

3)、将当前种群分为若干个子种群，针对每一个子种群，运用基于分解的思想淘汰掉其中第一预设数量个个体，将剩余的个体作为精英个体；根据所述子种群中各个精英个体的调度方案更新各个子种群的历史信息矩阵；根据更新后的历史信息矩阵以及随机变量获取新个体的生成参数，并根据所述新个体的生成参数生成第二预设数量个补充个体；

4)、将所述精英个体与所述补充个体的组合作为当前种群，获取所述当前种群中的帕累托非支配个体，并将所述当前种群中的帕累托非支配个体加入到非支配解集中，更新所述非支配解集；返回执行步骤2)，直至达到最大迭代次数，并将最后一次迭代后得到的更新后的非支配集中的调度方案作为目标调度方案；

其中，所述步骤2)，包括：

21)、针对所述当前种群中的每一个个体，将所述个体作为当前个体，将当前个体对应的调度方案中的第一个批作为当前批，针对所述当前批中的每一个当前工件，获取所述当前调度方案对应的最小化早到延迟惩罚；

22)、在满足所述约束条件的情况下，将所述当前工件与除当前批之外的其他批中的各个工件进行模拟交换，计算所述当前调度方案对应的最小化早到延迟惩罚与模拟交换后的得到的若干个新的调度方案对应的最小化早到延迟惩罚之差的最大值，在所述最大值大于零时，将该差值的最大值对应的工件与所述当前工件交换位置；

23)、将该差值的最大值对应的工件与所述当前工件交换位置后得到的调度方案作为当前调度方案，将所述当前批的下一个批作为当前批，并返回执行步骤21)中所述获取所述当前调度方案对应的最小化早到延迟惩罚的步骤，直至所有的批都被遍历；

所述步骤22)，包括：

利用公式，

获取所述当前调度方案对应的最小化早到延迟惩罚与模拟交换后的得到的若干个新的调度方案对应的最小化早到延迟惩罚之差的最大值对应的工件，其中，

J_v为当前调度方案对应的最小化早到延迟惩罚与模拟交换后的得到的若干个新的调度方案对应的最小化早到延迟惩罚之差的最大值对应的工件；为在函数取最大值时求解自变量函数；J_λ为当前工件；J_μ为除当前工件之外的其他与当前工件模拟交换的工件；_Ω为除当前工件之外的其他与当前工件模拟交换的工件的集合；为工件J_λ的早到惩罚权重；为工件J_λ的早到时间；为工件J_λ的与工件J_μ模拟交换后的早到时间；为工件J_λ的延迟惩罚权重；为工件J_λ的延迟时间；为工件J_λ的与工件J_μ模拟交换后的延迟时间；为工件J_μ的早到惩罚权重；为工件J_μ的早到时间；为工件J_μ的与工件J_λ模拟交换后的早到时间；为工件J_μ的延迟惩罚权重；为工件J_μ的延迟时间；为工件J_μ的与工件J_λ模拟交换后的延迟时间；

判断是否大于零；

若是，将工件J_v与当前工件J_λ交换位置；

所述步骤3)，包括：

将当前次迭代中优化后个体的组合作为当前种群，并对当前种群中的各个个体的目标向量进行标准化处理；

根据标准化处理后的目标向量以及各个子种群对应的预设的参考向量，利用公式，计算优化后的个体对应的标准化后的目标向量与各个参考向量之间的夹角，并将当前种群中优化后的个体划分至与自身夹角最小的参考向量对应的子种群中，其中，

cosθ_t,I,g为个体I的标准化后的目标向量与参考向量g之间的夹角；f'_t,I为目标向量标准化后的个体I的目标向量；t为第t次迭代中对应的当前次迭代的序号；||f'_t,I||为进行目标向量标准化后的个体I的目标向量的模；||v_g||为参考向量v_g的模；v_g为第g个参考向量；P_t为第t次迭代中对应的当前种群；g为当前种群对应的第g个子种群；|V|为子种群的数量；

利用公式，D_t,I,o＝||f'_t,I,o||I∈{1,2,...,|P_t|}，计算进行目标向量标准化后的个体到原点的距离；

针对每一个子种群，将所述子种群中一半的个体作为精英个体保留，其中，所述精英个体到原点的距离均小于所述子种群中除精英个体以外的其他个体到原点的距离的最小值；

根据所述精英个体更新各个子种群的历史信息矩阵；

利用公式，计算历史信息矩阵中的优先级矩阵对应的第一目标矩阵，其中，

为第一目标矩阵；为历史信息矩阵中的优先级矩阵；为预设的计算操作，且δ为与同维的随机变量；

利用公式，计算机器加工工件的数量矩阵对应的第二目标矩阵，根据第二目标矩阵，利用公式计算出中间向量中各个元素的值，且R为1*m维向量，R＝(r₁，r₂，…，r_m)；然后，根据中间向量R，利用公式，计算目标向量中的各个元素的值，目标向量为1*m向量，且目标向量W＝(w₁，w₂，…，w_m)，其中，a表示为机器顺序索引，为机器加工工件的数量矩阵；为第二目标矩阵；ε为与同维的随机变量；表示为第g子种群中加工工件数量排第a位的机器加工工件的数量，m表示机器的数量，y无意义，为求和公式中的自变量，从1到m，表示为第g子种群中所有机器加工工件的总数量，r_a表示为第a位机器加工工件数量的比率，n表示为工件的总数量，目标向量W中的元素w_a为算法估算出的工件加工数量排第a名的机器应当加工工件的数量；目标向量中的第m个元素的计算公式为其中，表示为第m-1个机器加工工件预期数量，w_m表示为最后一个机器m的加工工件预期数量；

利用轮盘赌算法确定中a与i直接的对应关系；

将第一目标矩阵、目标向量以及中a与i直接的对应关系作为限制条件，生成个可行的调度方案；根据已经生成调度方案对应的工件调度顺序，将这些工件根据机器容量限制分批；按照这些批的索引升序排序后，按顺序将所有批分配给机器，，且在进行批的分配时，使该批分配给所选机器后，该批的完工时间相对于分配到其他机器的完工时间最小，其中，i表示为机器索引，N表示种族规模。