[发明专利]一种多目标柔性作业车间调度方法

权利要求书

1.一种多目标柔性作业车间调度方法，其特征在于：包括：

步骤S10、建立数学模型，根据工件个数和设备个数生成对应的模型，同时定义最大完工时间最小、最大负荷机器的负荷值最小和总机器负荷最小这三个目标；

步骤S20、设置处理柔性车间调度问题的相关参数；

步骤S30、随机初始化种群，并进行非支配排序，初始化每个个体的rank值；

步骤S40、采用NSGA-II算法对所述数学模型进行求解，得到调度最优解。

2.如权利要求1所述的一种多目标柔性作业车间调度方法，其特征在于：所述步骤10进一步包括：

步骤11、建立数学模型，所述数学模型包括4个概念：工件、工序、设备和工时，所述工序为工件的加工顺序，所述设备为每一工序可选的机器，所述工时为每一工序在不同设备上的加工时间；

步骤12、定义最大完工时间f1、最大负荷机器f2和总机器负荷f3这三个目标：

站在工件角度，优化工件最大完工时间，使其最小的f1的计算公式为：

其中，c_i为每个工件的完工时间，I为工件的总数目；

站在单台机器角度，找出最大负荷的机器，使其负荷最小的f2的计算公式为：

其中，P_ijh为工序O_ij在机器M_k上的加工时间，X_ijk为工序的机器选择决策变量，具体为K为机器总数目；

站在所有机器角度，优化所有机器负荷，使其最小的f3的计算公式为：

3.如权利要求2所述的一种多目标柔性作业车间调度方法，其特征在于：所述步骤S30中的种群中染色体分为工序部分与机器部分，工序部分的编码随机生成，之后在可加工所述工序的机器集中生成机器部分的编码，所述机器编码的生成方式为：在前半部分迭代次数中采用随机方式生成，在后半部分迭代次数中通过挑选加工时间较短的机器按序编码。

4.如权利要求3所述的一种多目标柔性作业车间调度方法，其特征在于：所述步骤S40进一步包括：

步骤S41、设置迭代次数t＝0；

步骤S42、交叉操作，通过二进制锦标赛法从第t次迭代的所有解集P_t中选择个体，并对工序部分的编码采用POX交叉，设备部分的编码采用RPX交叉；

步骤S43、变异操作，随机交换一个染色体内的两道工序及其相应加工机器的位置；

步骤S44、将通过选择交叉变异后的个体组成新的子代种群Q_t，合并上一代父代种群P_t与新一代种群Q_t生成新的新的父代种群R_t＝P_t∪Q_t；

步骤S45、对R_t进行非支配排序，并通过排挤和精英策略保留策略选出N个个体，组成新一代种群P_t+1。

步骤S46、判断迭代次数t是否等于最大迭代次数，若等于，结束循环，进入步骤S47；否则，t＝t+1，执行步骤S42。

步骤S47、迭代结束后，在种群P_t+1中，选出最优的一个解，定义为最优解，所述最优解为f1、f2和f3的最优组合方式。

5.如权利要求1所述的一种多目标柔性作业车间调度方法，其特征在于：所述步骤S20中的相关参数包括：迭代次数MaxIt、初始种群大小nPop、交叉概率pCrossover和变异概率pMutation。

6.如权利要求5所述的一种多目标柔性作业车间调度方法，其特征在于：将工件数≥50且设备≥50的模型定义为大规模数据集，其它情况的模型均定义为小规模数据集，所述大规模柔性作业车间调度的相关参数值设置为：MaxIt＝200、nPop＝100、pCrossover＝0.8和pMutation＝0.1，所述小规模柔性作业车间调度的相关参数值设置为：MaxIt＝50、nPop＝50、pCrossover＝0.8和pMutation＝0.1。

7.如权利要求6所述的一种多目标柔性作业车间调度方法，其特征在于：所述交叉概率越小与迭代次数采用负相关策略。