[发明专利]一种基于基因表达式编程的智能工厂动态调度方法和装置

说明书

本发明公开了一种基于基因表达式编程的智能工厂动态调度方法和装置，包括如下步骤：S1、种群随机初始化；S2、计算种群个体的适应度值，判断是否满足终止条件；S3、利用带精英保留的轮盘赌进行选择操作；S4、对选择的个体进行重组，移位概率进行遗传操作；S5、构造不同的邻域结构；S6、判断种群当前最优解未改进的迭代次数是否达到预先设定值；S7、重复步骤2至步骤6，直到满足终止条件为止；本发明主要通过评价模块可根据生产特点建立近似的仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，为实际在线调度提供候选的规则策略，一定程度上提高在线调度的实时性。

技术领域

本发明属于工厂动态调度技术领域，具体涉及一种基于基因表达式编程的智能工厂动态调度方法和装置。

背景技术

消费电子产品的制造加工生产线是一个复杂的随机动态系统。生产线上的随机事件包含：工件加工时间波动、机器故障、操作员离开、原材料短缺、紧急插单、作业取消或作业优先级变化等等；传统的静态调度策略是通过假定调度环境已知可预测，预先生成总体的调度计划，该调度计划在执行过程中不改变，这显然无法合理应对诸多生产过程中的随机事件，导致调度方案效果的大幅下降甚至不可行。

但是，在现有技术中，为了实现对动态事件的快速有效响应，需要设计适合实际生产环境的在线启发式调度规则；考虑到当前生产线流程复杂，工序变化快，车间的随机动态特性难以精确刻画的特点，这将导致多种可能的响应式动态调度规则难以离线评价其优劣性，不便于实时在线调度；此外由于难以离线评价，这也给针对问题的动态调度规则的设计提升了难度，降低了生产效率。

为此，我们提出一种基于基因表达式编程的智能工厂动态调度方法和装置来解决现有技术中存在的问题，使其可以通过离线学习方法，结合仿真模型自动构造出高效的调度规则，生成多组可行策略以供在线实验，用于进行种群的进化和迭代，一定程度上提高生产效率。

发明内容

本发明的目的在于提供一种基于基因表达式编程的智能工厂动态调度方法和装置，以解决上述背景技术中提出现有技术中为了实现对动态事件的快速有效响应，需要设计适合实际生产环境的在线启发式调度规则，考虑到当前生产线流程复杂，工序变化快，车间的随机动态特性难以精确刻画的特点，这将导致多种可能的响应式动态调度规则难以离线评价其优劣性，不便于实时在线调度和由于难以离线评价，给针对问题的动态调度规则的设计提升了难度，降低了生产效率的问题，使其可根据生产特点建立近似的仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，为实际在线调度提供候选的规则策略，以及通过EGP操作单元采用离线学习方法，结合仿真模型自动构造出高效的调度规则，生成多组可行策略以供在线实验，一定程度上在提高在线调度的实时性的同时，提高了生产效率。

为实现上述目的，本发明采用了如下技术方案：

一种基于基因表达式编程的智能工厂动态调度方法，包括如下步骤：

S1、种群随机初始化，预先定义函数集、终端集和定义算法参数，并对种群进行初始化；

S2、计算种群个体的适应度值，判断是否满足终止条件，会存在以下两种情形：

A1、当满足终止条件时，输出最终结果，计算终止；

A2、当不满足终止条件时，则执行S3；

S3、利用带精英保留的轮盘赌进行选择操作，首先精英个体保留，其次根据轮盘赌依次选择其它个体；

S4、对选择的个体进行重组，移位概率进行遗传操作，同时按照设定的变异概率对每个个体进行变异，即先按变异概率进行变异操作，再按移位概率进行移位操作，按重组概率进行重组操作；

S5、构造不同的邻域结构，对经过步骤1至步骤4得到的种群选择部分个体进行变邻域操作，同时另一部分个体保持不变；