[发明专利]面向动态等效并行机调度问题的快速非支配排序遗传算法

说明书

本发明公开了一种面向动态等效并行机调度问题的快速非支配排序遗传算法，按下述步骤进行：S1：混合启发式规则MODD，ATC，X‑RM与随机方法生成种群；S2：基于动态规划的解码方法对种群个体进行目标值计算；S3：判断是否满足终止条件；若是，结束；否则，对种群中的个体进行快速非支配排序；S4：通过遗传算子产生子代种群；S5：将父代种群和子代种群合并而成规模为2N的种群；S6：对种群中个体进行快速非支配排序，结合拥挤度计算确定种群；S7：对种群个体进行邻域搜索产生新解替换原冗余解。本发明具有提高车间机器利用率和满足客户交期的特点。

技术领域

本发明涉及计算机集成制造技术领域，特别涉及一种面向动态等效并行机调度问题的快速非支配排序遗传算法。

背景技术

随着“机器换人”计划的不断推进，传统的“离散型”制造环境转变为分布式并行机作业环境，如晶圆生产的光刻工序、航天制造的复杂曲面加工工序、钢铁生产的转炉炼钢工序、纺织生产的印染工序、云计算环境下的任务分配等，并行机生产成为企业最普遍的生产形式。

并行机调度问题(Parallel Machine Scheduling Problem，PMSP)是将n个工件分配在m 台机器上并确定工件在机器上的加工顺序，以使得追求的绩效指标最优的问题，是生产调度中一类非常重要的调度优化问题，已被证明是NP-hard问题。PMSP中的并行机一般分为等效机、匀速机与不相关机三类。目前有关PMSP的研究主要围绕静态问题(如假设机器一直可用，工件到达时间确定等)展开，提出的求解方法有精确法(如动态规划法、数学规划法)，启发式规则(如LS，SPT，WSPT，LPT等)，随机邻域搜索算法(如禁忌搜索TS) 以及群体智能算法(如NSGA-Ⅱ，布谷鸟算法)等。

由于现实生产中存在各种动态因素(如机器故障或维护、工件随机到达、紧急订单等)，传统以静态假设的PMSP研究不能满足生产现实需求，急需研究考虑动态现实因素的等效并行机调度问题。此外，多品种少批量甚至单件生产使得交期的满足日益困难，急需研究同时考虑完工时间与交期的多目标调度方法。

发明内容

本发明的目的在于，提供一种面向动态等效并行机调度问题的快速非支配排序遗传算法。本发明能解决考虑机器弹性预防维护与工件到达时间不确定环境下的多目标调度决策的快速生成问题，同时提高工件的完工时间和降低订单拖期率的特点。

本发明的技术方案：

面向动态等效并行机调度问题的快速非支配排序遗传算法，其特征在于，按下述步骤进行：

S1：通过混合启发式规则和随机规则，生成规模为N的初始种群P_t，混合启发式规则包括MODD、ATC和X-RM；

S2：利用基于动态规划的解码方法，计算每个个体的最大完工时间C_max与总拖期时间和∑T_j；

S3：判断是否满足终止条件；若是，结束；否则，对种群P_t中的个体进行快速非支配排序；

S4：通过自适应概率交叉与变异、精英选择策略的遗传算子产生子代种群Q_t；

S5：将父代种群P_t和子代种群Q_t合并而成规模为2N的种群R_t；

S6：对R_t进行基于动态规划的解码和快速非支配排序，从第一层r₁开始逐层选择非支配解个体放入新父代种群P_t+1，直到种群规模为N；若选择层级r_k的个体无法全部放入，则对r_k层个体进行拥挤度计算，选择拥挤度大的个体放入；

S7：对种群P_t+1中的个体进行邻域搜索产生新解替换冗余解；令t＝t+1，返回步骤S3。