[发明专利]基于超启发式遗传算法的生产过程智能调度方法及系统

说明书

本发明涉及生产调度技术领域，提供了基于超启发式遗传算法的生产过程智能调度方法及系统，包括：通过基于超启发式遗传算法的智能调度机制初始化并优化产品加工计划的调度解集，并从调度解集中选出最优解；其中，基于超启发式遗传算法的智能调度机制将一条启发式染色体与一条生产次序染色体组成一个调度解；且基于超启发式遗传算法的智能调度机制进行调度解更新的方式包括启发式染色体之间的交叉和变异操作、以及生产次序染色体根据启发式染色体中的启发式操作进行的遗传操作。不仅表现出更具显著优势的调度优化性能，还保证了在不同调度场景下对不同的优化目标具有广泛适用性。

技术领域

本发明属于生产调度技术领域，尤其涉及基于超启发式遗传算法的生产过程智能调度方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

零等待间歇生产是一种常见的流水车间生产模式，用于为需要维持相邻工序之间不间断、连续进行，以保证产品加工质量的工艺路线提供生产加工，在制药、发酵、纺织等行业的生产领域被广泛应用。科学高效的生产调度不仅是确保零等待间歇生产过程稳定、有序进行的关键，更是提高生产效率、改善车间加工性能的有力手段。

零等待间歇生产过程的调度优化旨在保证各产品加工过程中相邻工序之间不间断地连续进行的前提下，为产品指定合理的加工次序，以达到对生产过程中重要指标优化的目的。零等待间歇生产过程调度是流水车间调度的重要形式，已被证实是一项NP-hard问题。随着人工智能的兴起，启发式算法被广泛应用于解决相关调度问题的领域。以模拟退火算法、贪婪算法为代表的一类元启发式算法，由于计算成本低、易于实现，被广泛应用于各种场景的调度优化。以粒子群优化与遗传算法为代表的基于群体的启发式算法由于状态空间搜索范围广，种群的特征多样性，结果陷入局部最优的风险小等特点被进一步推广与应用，特别是在零等待间歇生产过程的调度研究方面有杰出贡献。

上述启发式优化算法虽然都在调度领域具有突出的表现，但任何一项基于上述算法实现的性能优良的调度优化都离不开基于专业知识对算法的改进，启发式调度算法的改进往往只是针对特定的优化场景与目标，具有广泛适用性的启发式算法往往难以出现。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供基于超启发式遗传算法的生产过程智能调度方法及系统，采用了通过在高级启发式染色体中编码并优化低级启发式操作机制，再以低级启发式操作来演化调度解的方式，实现了对遗传操作机制的自学习进化，不仅表现出更具显著优势的调度优化性能，还保证了在不同调度场景下对不同的优化目标具有广泛适用性。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供基于超启发式遗传算法的生产过程智能调度方法，其包括：

获取待加工产品的数量以及每件产品的加工信息，通过基于超启发式遗传算法的智能调度机制初始化并优化产品加工计划的调度解集；

从调度解集中选出最优解，以将最优解所表示的加工计划投入产品的生产过程；

其中，基于超启发式遗传算法的智能调度机制将一条启发式染色体与一条生产次序染色体组成一个调度解，一条启发式染色体由若干个启发式操作组成，一条生产次序染色体为所有待加工产品编码的全排列；且基于超启发式遗传算法的智能调度机制进行调度解更新的方式包括启发式染色体之间的交叉和变异操作、以及生产次序染色体根据启发式染色体中的启发式操作进行的遗传操作。

进一步地，基于超启发式遗传算法的智能调度机制在每一轮迭代中，从父代子代联合种群中选出综合优势度最高的若干个调度解作为优势个体，组成优势解集，并将选出的优势解集作为下一轮遗传操作的父代种群。

进一步地，对于多目标优化调度，所述综合优势度为支配优势度和邻域解分布密度的加权和。