[发明专利]一种基于混合遗传算法求解柔性作业车间调度的方法

说明书

本发明公开了一种基于混合遗传算法求解柔性作业车间调度的方法，具体按照以下步骤实施：1、定义柔性作业车间调度编码方式为双层编码方式；2、定义适应度函数，以求解完成加工的最短时间为优化目标；3、采用遗传算法和鲸鱼群算法对柔性车间调度问题中的参数以及种群初始化，随机生成初始种群；4、通过遗传算法求解柔性作业车间调度；5、通过鲸鱼群算法求解柔性作业车间调度；6、通过编码重组，实现鲸鱼群算法对遗传算法的迭代优化，输出最优调度方案。本发明的方法提高了算法的搜索深度，增强了求解精度与求解稳定性。

技术领域

本发明属于柔性作业车间调度技术领域，涉及一种基于混合遗传算法求解柔性作业车间调度的方法。

背景技术

传统的作业车间调度问题(Job-shop Scheduling Problem，JSP)中，一道工序只存在一台加工机器，但在企业实际车间生产过程中往往会出现并行机器的现象，这就导致传统的作业车间调度不能很好地满足企业实际需求，由此，柔性作业车间调度问题(Flexible Job-shop Scheduling Problem，FJSP)便应运而生了。FJSP是JSP的一种扩展，它相较于JSP而言更为灵活，在规定工序的同时，还需对每道工序分配加工机器，是复杂的NP(Non-deterministic Polynomial Complete，即多项式复杂程度的非确定性)的问题。正是由于FJSP具有较高的复杂性和解的灵活性，所以它更符合车间生产的实际需求，因此成为了车间调度领域的重点研究方向。

现有的多层次空间竞争性分布式遗传算法的算法求解FJSP，虽然具有竞争优势，但是计算成本较高；改进模拟退火算法求解FJSP，该算法具有部分调度机制和冷却机制，较之标准模拟退火算法有着更快的收敛速度；针对蚁群算法求解FJSP问题时计算效率低且容易陷入局部最优解的情况提出了一种结合先验知识、概率搜索和随机搜索的新节点选择方法，当搜索陷入局部最优解中时，可以通过调整信息素并增加随机选择概率来进一步搜索解空间，从而实现对传统蚁群算法的优化；基于改进灰狼算法求解柔性车间调度问题提出一种改进灰狼算法求解FJSP，改进狼群初始化机制，通过结合遗传算法和模拟退火算法提出一种哨兵狼机制，提高了种群多样性，改进了灰狼优化算法收敛慢、容易早熟的缺点。综上所述，单一的智能算法在求解FJSP时或多或少存在着一些不足，如计算效率低下、求解稳定性差等，因此对传统智能算法进行改进亦或是将多种智能算法混合使用来优化传统智能算法的不足是研究的必然趋势。

对1990年到2014年期间发表的191篇关于求解柔性作业车间调度问题的论文进行调查分析，发现34％的论文都是通过遗传算法或混合遗传算法来求解FJSP。由此可知，遗传算法已经是解决FJSP的主流方法，但遗传算法在实际应用过程中往往容易陷入局部最优陷阱。因此本文提出一种鲸鱼群-遗传混合算法，通过将鲸鱼群算法与遗传算法结合使用来提高标准遗传算法求解FJSP时的搜索深度，进而改善遗传算法容易陷入局部最优陷阱的不足。

发明内容

本发明的目的是提供一种基于混合遗传算法求解柔性作业车间调度的方法，解决了现有技术中存在的柔性作业车间调度问题中求解结果不稳定、求解精度低问题。

本发明所采用的技术方案是，一种基于混合遗传算法求解柔性作业车间调度的方法，具体按照以下步骤实施：

步骤1、定义柔性作业车间调度编码方式为双层编码方式；

步骤2、定义适应度函数，以求解完成加工的最短时间为优化目标；

步骤3、采用遗传算法和鲸鱼群算法对柔性车间调度问题中的参数以及种群初始化，随机生成初始种群；

步骤4、通过遗传算法求解柔性作业车间调度；

步骤5、通过鲸鱼群算法求解柔性作业车间调度；