[发明专利]一种基于改进遗传算法的传统作业车间调度方法

说明书

本发明公开的一种基于改进遗传算法的传统作业车间调度方法：步骤1、设置遗传算法的基本参数；步骤2、种群初始化；步骤3、计算初始种群中所有染色体的适应度值；步骤4、对步骤3中计算过适应度值的初始种群采用轮盘赌法进行选择操作；步骤5、对步骤4选择出的Parent种群中的染色体进行交叉操作来增加种群多样性，生成子代种群1即Children_1；步骤6、对步骤5生成的Children_1种群中的染色体采用互换法完成变异操作；步骤7、记录种群Children_2中最优染色体和其适应度值；步骤8、判断j是否大于Iterations。该方法解决了运用传统遗传算法求解时，存在早熟收敛、解的稳定性差的问题。

技术领域

本发明涉及作业车间调度技术领域，具体涉及一种基于改进遗传算法的传统作业车间调度方法。

背景技术

随着市场经济的发展，企业间的竞争越来越激烈，如何合理安排作业车间调度显得至关重要。随着科学技术的蓬勃发展，工业工程中车间生产规模逐渐扩大，作业车间调度越来越复杂，作业车间调度的组合优化问题已成为当今工业工程领域发展研究的热点问题之一。传统作业车间调度问题的求解目标是得到一个科学、合理的调度方案。一个科学、合理的调度方案能够有效提高生产效率、降低加工成本。调度方案主要是确定所有工件的全部工序的加工次序，这是典型的NP-hard问题。

目前常用的主流求解的方法有粒子群优化算法、遗传算法、神经网络算法、禁忌搜索算法等。其中，遗传算法作为一种群智能算法，因其具有隐式并行性和全局搜索特性，已经广泛应用在优化调度问题、组合问题优化等方面。在求解实际的工业工程生产调度问题上，遗传算法被普遍关注和使用，遗传算法的运算反映了优胜劣汰操作的基本原则，但传统遗传算法存在早熟收敛、解的稳定性差、遗传参数难以确定等缺点。本发明针对传统遗传算法的早熟收敛、解的稳定性差、遗传参数难以确定的缺点进行改进，使其能够更好地解决传统作业车间调度问题。

发明内容

本发明的目的在于优化传统遗传算法，提供一种基于改进遗传算法的传统作业车间调度方法，解决运用传统遗传算法求解时，存在早熟收敛、解的稳定性差、遗传参数难以确定的问题。

本发明所采用的技术方案是，一种基于改进遗传算法的传统作业车间调度方法，具体按照以下步骤实施：

步骤1、设置遗传算法的基本参数：总迭代次数Iterations，当前迭代次数j，j初始化为1、种群总大小popSize以及自适应交叉和变异概率的影响因子k₁,k₂,k₃,k₄；

步骤2、根据步骤1中给定的popSize初始化种群，种群初始化后得到有popSize个染色体的初始种群；

步骤3、计算由步骤2生成的初始种群中所有染色体的适应度值；

步骤4、对步骤3中计算过适应度值的初始种群采用轮盘赌法进行选择操作，选择出(popSize-1)/2个染色体作为父代种群即Parent种群，进行后续步骤；

步骤5、对步骤4选择出的Parent种群中的染色体进行交叉操作来增加种群多样性，生成子代种群1即Children_1；

步骤6、对步骤5生成的Children_1种群中的染色体采用互换法完成变异操作，产生子代种群2即Children_2；

步骤7、记录种群Children_2中最优染色体和其适应度值；

步骤8、判断j是否大于Iterations，若j大于Iterations，根据步骤7中记录的数据画出迭代过程图和工件工序甘特图，算法结束；若j小于或等于Iterations，j+1后转至步骤3。

本发明的特征还在于，

步骤2具体按照以下步骤实施：