[发明专利]一种不相关并行机调度问题的学习型蜘蛛猴算法

说明书

本发明公开了一种不相关并行机调度问题的学习型蜘蛛猴算法，按下述步骤进行：S1：混合迭代贪婪与随机规则生成初始种群P₀；S2：种群解码，并随机分组确定局部领导者LL与全局领导者GL；S3：判断是否满足终止条件，不满足转下一步骤；S4：分别运用离散化交叉算子更新各组与整个种群个体；S5：分别判断GL与LL是否有更新，若达到限制次数没有更新，对LL所在小组执行强制更新，对整个种群重新分组或融合成一组；S6：利用学习优秀个体的PM策略知识库实现种群个体的PM自决策；S7：解码，确定LL和GL，转步骤S3。本发明具有快速求解考虑预防性维护与恶化效应的不相关并行机调度问题和提高车间机器利用率的特点。

技术领域

本发明涉及计算机集成制造技术领域，特别涉及一种不相关并行机调度问题的学习型蜘蛛猴算法。

背景技术

并行机调度问题(ParallelMachineSchedulingProblem,PMSP)是将n个工件分配在m台机器上并确定工件在机器上加工顺序，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中的并行机根据机器特征一般分为等效(Identical)机、匀速(Uniform)机与不相关(Unrelated)机三类。由于企业同类机器的购置时间、价格、加工能力以及供应商等存在差异，不相关并行机(UnrelatedParallelMachineSchedulingProblem，UPMSP)在制造过程中更为普遍。目前有关UPMSP的研究往往假设机器在制造过程中性能稳定，工件的加工时间固定，然而现实生产中机器的长时间运行磨损和性能恶化等往往会造成生产中断，而且工件的加工时间会随着机器性能或可靠度的下降增加。传统基于静态假设的UPMSP研究已不能满足生产现实需求，急需研究考虑预防性维护与恶化效应的不相关并行机调度问题的智能优化算法。

在众多智能优化算法中，蜘蛛猴优化(SpiderMonkeyOptimization，SMO)算法根据裂变-融合的社会机制，通过群体分裂来减少个体间的觅食竞争压力以达到寻优目的，具有简单高效的优点，已成为不同领域学者们关注和研究的热点。本发明针对考虑预防性维护与恶化效应的不相关并行机调度问题，以最小化完工时间为目标，提出了一种学习型蜘蛛猴优化(LearningSMO，LSMO)算法。

发明内容

本发明的目的在于，提供一种不相关并行机调度问题的学习型蜘蛛猴算法。本发明具有针对机器的变周期预防性维护，工件加工时间随机器可靠度变化等动态事件，通过种群个体裂变融合、离散化自适应个体交叉与PM策略知识库构建等快速生成完工时间最小的调度方案，具有提高机器利用率和有效产出的特点。

本发明的技术方案：一种不相关并行机调度问题的学习型蜘蛛猴算法；所述具体步骤为：

步骤S1：通过混合迭代贪婪规则与随机规则，生成规模为N的初始种群P₀；

步骤S2：解码计算种群中每个蜘蛛猴个体SM_h(h＝1,2,…,N)的最大完工时间C_hmax与适应度值f_h，对种群进行随机分组确定局部领导者LL与全局领导者GL；

步骤S3：判断是否满足终止条件，即达到迭代次数限制，若是，结束，否则，转下一步骤；

步骤S4：执行局部领导者更新阶段，运用离散化的交叉方法对各个组内种群个体进行交叉操作，更新每一组种群；

步骤S5：执行全局领导者更新阶段，运用离散化的交叉方法对种群个体进行交叉操作，更新整个种群；

步骤S6：执行全局领导者学习阶段，判断全局领导者GL是否有更新，若是，转下一步骤，否则，转步骤S9；

步骤S7：执行局部领导者学习阶段，判断局部领导者LL是否有更新，若是，转步骤S10，否则，转下一步骤；