[发明专利]一种基于改进遗传算法的柔性作业车间调度方法

说明书

本发明公开了一种基于改进遗传算法的柔性作业车间调度的方法，涉及柔性作业车间调度优化技术领域；建立柔性作业车间调度的数学模型；然后确定模型的约束条件；根据柔性作业车间调度的两个子问题：机器选择和工序排列，进行种群初始化；通过锦标赛选择法选择出要进行后续操作的种群；对机器选择编码层采用多点交叉法；对机器选择编码层进行多重变异操作；对新一代的种群根据适应度进行排序，判断是否满足终止条件，终止条件为是否达到最大迭代次数gen，若满足进行下一个步骤，否则，重新进行使用最优插入法对每个个体进行适应度计算，通过锦标赛选择法选择出要进行后续操作的种群及后续步骤；最后，输出最优结果，并给出相关的收敛曲线和调度甘特图。

技术领域

本发明涉及一种基于改进遗传算法柔性作业调度的优化，属于柔性作业车间调度优化技术领域。

背景技术

车间生产调度是制造系统的基础，生产调度的优化更是现代先进制造业的核心。有关资料表明，制造过程中说耗费的时间大约有95％处于未进行加工的阶段，因此生产调度在很大程度上影响着制造的成本与效益，对于实现先进制造企业的现代化具有重要的理论价值和实际意义。相对于传统作业车间调度问题(Job Shop Scheduling Problem,JSP)，柔性作业车间调度问题(Flexible Job Shop Scheduling Problem,FJSP)作为其延伸，具有更广泛的实际意义和应用环境。FJSP突破了传统加工资源的约束，每道工序可以有若干台机器进行选择，更加贴近实际生产活动，一直是国内外研究的热点。

遗传算法是John Holland于20世纪70年代提出一种模拟大自然生物进化的智能算法。其通过模拟自然环境，对种群进行选择、交叉和变异操作，得到下代种群，经过若干代的进化获得最终结果。因其鲁棒性好、隐性并行性和全局搜索能力强等特点，被广泛应用于各领域。

发明内容

本发明所要解决的技术问题是针对以往算法在柔性作业车间调度中局部搜索能力弱，容易陷入局部最优，过早收敛的问题提供一种基于改进遗传算法的柔性作业车间调度方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于改进遗传算法的柔性作业车间调度方法，包括以下步骤：

步骤1、建立柔性作业车间调度的模型；

步骤2、确定模型的约束条件；

步骤3、按照先验知识进行种群初始化，采用并行双链式编码，根据柔性作业车间调度的两个子问题：机器选择和工序排列，进行编码；

步骤4、使用最优插入法对每个个体进行适应度计算，通过锦标赛选择法选择出要进行后续操作的种群；

步骤5、对工序编码层采用IPOX交叉法，对机器选择编码层采用多点交叉法；

步骤6、对工序编码层进行局部搜索，对机器选择编码层进行多重变异操作；

步骤7、对新一代的种群根据适应度进行排序，保留当代的最优解；

步骤8、判断是否满足终止条件，终止条件为是否达到最大迭代次数gen，若满足执行步骤九，否则，返回步骤4；

步骤9、输出最优结果，并给出相关的收敛曲线和调度甘特图。

作为本发明一种基于改进遗传算法的柔性作业车间调度方法的进一步优选方案，在步骤1中，建立柔性作业车间调度的模型，具体步骤如下：

步骤1.1、建立数学模型，以最大完成时间最小为目标函数：f＝min{max C_i}，其中C_i表示工件i的完成时间，i＝1,2,3,...,n；n是待加工工件的数量。

作为本发明一种基于改进遗传算法的柔性作业车间调度方法的进一步优选方案，在步骤2中，包含工序约束、机器约束和时间约束；