[发明专利]一种基于改进混合遗传算法的作业车间调度方法

说明书

本发明公开了一种基于改进混合遗传算法的作业车间调度方法，涉及作业车间调度优化技术领域；本发明首先建立作业车间调度模型；然后确定了调度问题的约束条件，包括工序约束、机器约束和时间约束；接着把混合遗传算法进行基于工序的编码，并设置混合遗传算法求解作业车间调度问题的相关参数；然后计算每一个个体的适应度值；随后对个体进行轮盘赌选择法，选择适应度高的个体参与下一阶段的遗传操作；然后对个体进行IPOX交叉；再对个体进行随即变异；对个体进行局部搜索；在选择操作中取前10％适应度高的个体放入种群中，不参与交叉、变异、模拟退火操作；判断算法是否达到最大迭代次数，如果是则算法结束；如果未达到最大迭代次数，则重新计算每一个个体的适应度值。

技术领域

本发明涉及一种基于改进的混合算法作业车间生产，属于作业车间调度优化技术领域调度的优化。

背景技术

作业车间调度问题(Job Shop Scheduling Problem，JSP)是对实际生产调度问题模型的一种简化。目前，对车间调度问题的研究已经受到了研究者们的广泛关注，并取得重大进展。JSP问题具有不确定性、复杂性、多约束条件以及多资源相互协调等特点。

目前针对JSP问题的求解，寻找和设计高效的算法仍然是生产调度领域的重要目标。考虑到作业车间问题的复杂性，通常研究该问题的方法有最优化和启发式算法，最优化方法包括拉格朗日松弛法、分支定界法、数学规划法等，这些方法虽然能够取得较好的结果，但在实际工程应用中却难以得到很好的实现。启发式算法包括遗传算法、模拟退火算法、粒子群算法、蚁群算法等。这些算法结构简单、容易实现，能够在解决JSP问题上取得满意的结果。在众多智能算法中，遗传算法用于求解JSP问题最为广泛，在JSP的研究中已取得一定效果。

发明内容

本发明所要解决的技术问题是针对背景技术中传统遗传算法局部搜索能力弱，容易陷入局部最优、过早收敛的问题提供一种基于改进混合遗传算法的作业车间调度方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于改进混合遗传算法的作业车间调度方法，包括以下步骤：

步骤1、建立作业车间调度模型；

步骤2、确定调度的约束条件；

步骤3、初始化种群以及设置参数；

步骤4、计算适应度值；

步骤5、个体进行轮盘赌选择法；

步骤6、个体进行IPOX交叉，交叉概率采用自适应公式进行调整；

步骤7、个体进行随机变异，变异概率采用自适应公式进行调整；

步骤8、个体进行模拟退火操作；

步骤9、个体进行10％的精英保留策略；

步骤10、判断算法是否达到最大迭代次数，如果是则算法结束；如果未达到最大迭代次数，则跳转到步骤4。

作为本发明一种基于改进混合遗传算法的作业车间调度方法的进一步优选方案，在步骤5中，个体进行轮盘赌选择法，具体包含如下步骤：

步骤5.1：根据已经计算出的各个个体的适应度f(1)，f(2)，...，f(N)，N为种群数量，然后将所有的适应度进行累加得到然后计算每个染色体在中的占比p(v)和累计概率q(v)，计算公式如下：

步骤5.2、产生一个随机数θ∈(0,1)，如果θ≤q(1)，则选择第一个个体，否则的话，如果q(v-1)≤θ≤q(v)，则选择第v个个体，将这个步骤循环N次，得到所需规模的种群即可。