[发明专利]一种应用于置换流水车间的邻域搜索调度方法及装置

权利要求书

1.一种应用于置换流水车间的邻域搜索调度方法，其特征在于，包括以下步骤：

S1：获取关于机床、工件和工件加工时间的时间矩阵，生成工件的初始加工序列，并形成甘特图；

S2：确定所述初始加工序列下的关键路径，所述关键路径为总加工时间最长的工序路径；基于目标工件及其相邻工件，确定邻域特征块和关键点，所述目标工件为首尾工件以及每个机床关键路径上的第一个工件，所述邻域特征块为交换相邻工件后所述甘特图结构发生改变的区域，所述关键点为所述关键路径与所述邻域特征块的交点；

S3：交换所述目标工件及其相邻工件后，若关键点前移，则进行交换；若关键点后移，则不进行交换；

S4：将得到的新加工序列重复步骤S2和S3的操作，直至交换所有相邻工件均无法缩短总加工时间，则输出最优加工序列。

2.如权利要求1所述的应用于置换流水车间的邻域搜索调度方法，其特征在于，在所述步骤S2之前，对所述初始加工序列进行多邻域搜索操作；

所述多邻域搜索操作包括：

在所述新加工序列中随机选择两个工件，颠倒两个工件之间所有工件的顺序；或者

在所述新加工序列中随机选择三个工件，交换三个工件之间的两段序列的位置；或者

在所述新加工序列中随机选择两个工件，交换两个工件的位置。

3.如权利要求2所述的应用于置换流水车间的邻域搜索调度方法，其特征在于，在所述步骤S4之后，结合元启发式算法，对所述最优加工序列进行所述多邻域搜索操作，并重复步骤S2～S4，以得到全局最优解。

4.如权利要求3所述的应用于置换流水车间的邻域搜索调度方法，其特征在于，所述元启发式算法包括以下之一：

模拟退火算法、禁忌搜索算法、遗传算法、蚁群优化算法、粒子群优化算法、人工鱼群算法、人工蜂群算法、人工神经网络算法。

5.一种应用于置换流水车间的邻域搜索调度装置，其特征在于，包括：

初始化模块，用于获取关于机床、工件和工件加工时间的时间矩阵，生成工件的初始加工序列，并形成甘特图；

计算模块，用于确定所述初始加工序列下的关键路径，所述关键路径为总加工时间最长的工序路径；基于目标工件及其相邻工件，确定邻域特征块和关键点，所述目标工件为首尾工件以及每个机床关键路径上的第一个工件，所述邻域特征块为交换相邻工件后所述甘特图结构发生改变的区域，所述关键点为所述关键路径与所述邻域特征块的交点；

交换模块，用于交换所述目标工件及其相邻工件后，若关键点前移，则进行交换；若关键点后移，则不进行交换；

输出模块，用于将得到的新加工序列重新输入所述计算模块和所述交换模块中，直至交换所有相邻工件均无法缩短总加工时间，则输出最优加工序列。

6.如权利要求5所述的应用于置换流水车间的邻域搜索调度装置，其特征在于，还包括：

多邻域搜索操作模块，用于对所述初始加工序列进行多邻域搜索操作；

所述多邻域搜索操作包括：

在所述新加工序列中随机选择两个工件，颠倒两个工件之间所有工件的顺序；或者

在所述新加工序列中随机选择三个工件，交换三个工件之间的两段序列的位置；或者

在所述新加工序列中随机选择两个工件，交换两个工件的位置。

7.如权利要求6所述的应用于置换流水车间的邻域搜索调度装置，其特征在于，所述多邻域搜索操作模块，还用于结合元启发式算法，对所述最优加工序列进行所述多邻域搜索操作，以得到全局最优解。

8.如权利要求7所述的应用于置换流水车间的邻域搜索调度装置，其特征在于，所述元启发式算法包括以下之一：

模拟退火算法、禁忌搜索算法、遗传算法、蚁群优化算法、粒子群优化算法、人工鱼群算法、人工蜂群算法、人工神经网络算法。