[发明专利]一种基于天牛须搜索的粒子群算法求解柔性作业车间调度的方法

权利要求书

1.一种基于天牛须搜索的粒子群算法求解柔性作业车间调度的方法，它利用天牛须搜索对粒子群算法进行改进，并混合变邻域搜索算法，实现柔性作业车间调度，其特征在于它包括以下步骤：

步骤1：初始化算法参数，设置PSO种群的大小为N，最大迭代次数MAX，学习因子为c1、c2、c3，以及每个甲壳虫天线长度为d₀，天牛进化步长δ，在柔性作业车间调度中以求解最大完工时间最小为单目标，定义适应度值为最大完工时间的倒数；

步骤2：初始化调度解种群，该种群分两段编码，即机器序列编码和工序序列编码；机器编码和工序编码长度相等；初始化粒子的速度向量v和惯性权重w；

步骤3：利用活动解码计算每个个体的适应度，进行适应度排序，通过逐一比较得到当前的全局最优解；

步骤4：把调度解映射到个体位置向量，对种群中的适应度靠前的少量最优个体进行变邻域搜索，用于提高粒子群算法的局部搜索能力，以便跳出局部最优；采用三种邻域结构：

1)邻域结构N1：产生一个随机整数r，r∈[-l,l]，其中l为位置向量中工序编码长度，若r0，则编码中前r个元素移动到编码末端；若r0，则编码中最后r个元素移动到编码前端；

2)邻域结构N2：在个体位置向量工序编码中随机选择两个对应不同工件的位置元素，将后一个元素插到前一个元素前面；

3)邻域结构N3：在个体位置向量机器编码中任选一个元素，该元素对应的工序的可选机器应该多于一台，然后将该工序分配至不同于现在的机器，并按照映射公式生成新元素值；

步骤5：变邻域算法利用阈值接受法来实现，经过局部搜索后的个体重新放回种群中；

步骤6：随机初始化每个甲壳虫头部，因为甲壳虫头部可以朝着任意方向，因此，对于n维空间中的优化问题，可以生成随机单位向量来表示和标准化它：

其中，k是空间维度，rands()为随机函数；

步骤7：初始化x_l和x_r：

其中，x_l代表个体搜索区域的左侧，x_r代表右侧；

步骤8：确定每个天牛的左右触角的气味强度，即f(x_l)和f(x_r)代表左右位置气味强度，同时也表征适应度函数，并且利用其生成速度更新位置准则：

其中，为随机单位向量，δ^k为第k次迭代的天牛进化步长，sign函数为符号函数，如果sign函数为正，表示右边适应度高；否则，相反；

步骤9：通过步骤5中的局部搜索之后，重新评估所有个体适应度值，得到甲虫的当前位置的适应度值，比较得到每个个体最优位置p_b和全局最优位置p_g，生成速度更新准则；

步骤10：结合上述两种速度更新规则，获取每种天牛速度的当前更新规则：

k表示当前代数，当前位置更新规则：

步骤11：更新粒子速度与位置，以及各项基本参数；更新个体最优调度方案p_b和全局最优调度方案p_g；

步骤12：判断算法是否满足终止条件，若满足，则结束；否则，按一定概率对个体进行交叉和变异操作，之后按照映射关系转化成调度解，然后转到步骤3。

2.根据权利要求1所述的方法，其特征是初始化机器序列种群方法包括：全局选择、局部选择和随机选择；其中，全局选择和局部选择主要是为使机器负载均衡，有利于收敛到全局最优，并设置这三种初始化方法的占比为6:3:1；工序序列初始化方法包括工件剩余时间最长、剩余工序数最多和随机初始化，并设置这三种初始化方法的占比为5:3:2，然后通过映射关系将编码转换成个体位置向量。

3.根据权利要求1所述的方法，其特征是将所述的交叉和变异操作引进到粒子群算法里，对于交叉操作，在个体位置向量的机器部分采用多点交叉方法，在工序排序部分采用部分匹配交叉；对于工序变异采用全排列邻域变异，随机取多个点，对它们进行全排列，随机挑一种排列方式，让其运用在粒子群算法里；对于个体位置向量的机器序列变异，运用单点变异方法。

4.根据权利要求1所述的方法，其特征是所述的变邻域搜索融入到混合粒子群算法中，变邻域采用阈值接受法，经过多次迭代搜索当前优秀个体的邻域，获得更好的个体位置，然后转换成调度解，重新评价适应度。