[发明专利]ECM规则分布估计算法的柔性作业车间调度方法

说明书

本发明提供了一种ECM规则分布估计算法的柔性作业车间调度方法，针对柔性作业车间的工序排序和机器分配，分别采用了工序概率矩阵和ECM规则进行分配。该方案首先采用随机初始化的方法得到初始种群，通过精英选择策略选择优势种群，并采用优势种群更新工序概率矩阵，然后采用新的工序概率矩阵采用轮盘赌方法生成新的工序加工方案，采用ECM规则生成新的机器分配方案，循环此策略直至算法结束。此方案的工序概率矩阵能够学习工序分配规则，具有很强的学习能力和适应性，ECM规则则针对最早完成时间生成新的机器分配方案，充分利用优化目标的信息，目标性更强，增强了算法的搜索能力，加快其收敛速度。

技术领域

本发明涉及分布估计算法领域，具体是一种ECM规则分布估计算法的柔性作业车间调度方法。

背景技术

在汽车、装配、纺织制造、化工材料、加工半导体制造等制造领域，柔性作业车间调度问题一直都受到学术界和工业界的广泛关注。在满足所有生产制造约束条件下，生产调度需要确定其加工顺序并分配可用的生产资源，这类问题具有很高的灵活性和指数的复杂性。

目前，这类问题的解决方案主要有三类，包括精确算法、启发式和元启发式。早期科研人员常常采用分支定界法和优先分派规则解决小规模调度的应用场景。后来，研究人员提出了大量优先分派规则，这些优先分派规则在求解柔性车间调度问题取得了不错的效果。但是优先分派规则的选择主要依赖于实验和经验，选定的优先分派规则只对特定优化指标具有很好的效果。

由于其具有指数的复杂性，群智能优化算法逐渐成为解决柔性车间调度问题最具前景的方法，包括遗传算法，粒子群优化，禁忌搜索，人工蜂群算法，和声搜索，果蝇优化算法，随机蛙跳算法等。柔性车间调度优化问题是离散优化问题，求解离散优化问题具有一定的特殊性，初始化方法，优化方法和搜索策略上均有所不同。目前的调度方法往往缺乏普遍适用性、高效性、稳定性和安全性。

发明内容

本发明为了解决现有技术的问题，提供了一种ECM规则分布估计算法的柔性作业车间调度方法，该分布估计算法具有普遍适用性和高效性。

本发明包括以下步骤：

步骤1：建立基于最大完工时间的柔性作业车间调度与排产模型，确定决策变量,其中，决策变量为二维向量，即工序加工顺序向量OS和机器分配向量MS，决策变量

步骤2：设置分布估计算法的迭代次数T_MAX，种群规模pop，初始化工序概率矩阵P，工序概率矩阵P的学习系数α，优势群体比例系数η；

步骤3：在解空间内按均匀分布随机产生N个初始解，组成初始群体；

步骤4：根据N个初始解计算柔性作业车间调度与排产的最大完工时间，同时保留最好解；根据最大完工时间，选出最大完工时间较好的SP＝η*N个个体组成优势群体；

步骤5：根据SP个个体优势群体的数据，估计该车间调度的概率分布模型，即更新工序概率矩阵P；

步骤6：根据新的工序概率矩阵P生成工序加工方案，同时采用ECM规则生成机器分配方案，产生N个新个体，组成新的种群；

步骤7：检查是否满足某种停止准则，若满足则算法结束，群体中的最好个体就是最优的调度方案结果；否则算法转到步骤4)继续执行。