[发明专利]一种并行批加工设备优化调度方法

摘要

本发明为一种并行批加工设备优化调度方法，针对批调度问题的特点，建立了基于工件组批的概率模型，设计了相应的个体采样以及概率更新方法，并对紧致遗传算法种群产生和概率更新机制进行了改进，进而提出了一种新的解决批调度问题的智能算法。在满足企业批加工设备批量开机生产要求的前提下，同时加速了生产，缩短了生产周期。通过灵活的参数设置，可以解决不同的批调度问题。单机/多机、到达时间相同/到达时间不同、工件尺寸相同/尺寸不同、批处理设备容量有限/无限等不同情况都可以灵活的进行组合，具有很强的通用性。

主权项

一种并行批加工设备优化调度方法，其特征在于，包括以下步骤：步骤1：将待加工任务集初始化为所有途经本道工序的加工任务的集合，并将待加工任务集中的加工任务根据前道工序结束时间的先后顺序进行排序；将可选空闲设备集初始化为本道工序的所有加工设备的集合；步骤2：对于每个工件组分别建立一个用矩阵表示的抽样概率模型A，并按如下方式初始化：A(i,k)=1Max---(1)]]>其中，A(i,k)为抽样概率模型A的一个元素，表示工件ji被分到Pk中的概率；表示最大批次，是取整符号，n为该工件组工件的个数，L为加工设备的最小批容量；所述抽样概率模型A是一个n×Max的矩阵，其中行表示加工任务，列表示批次；步骤3：根据抽样概率模型A生成N种批调度方案，分别计算出N种批调度方案的平均加工周期，并按平均加工周期将N种批调度方案从小到大排序，取出序列中前(x×N)(0＜x＜1)的批调度方案作为优势群体，x为人为设定的比率；步骤4：根据优势群体对所有工件组进行工件相关的概率模型Z初始化，所述概率模型Z是一个n×n的下三角矩阵，行与列均代表工件，n为该工件组工件的个数，其元素Zi,j从数值上反应了工件组批的概率关系，值越大则第i个工件和第j个工件在同一批次中的可能性就越大；步骤5：在各工件组中按照工件到达的先后顺序和概率模型Z分别进行采样，使所有工件均完成分批操作并按规则选择相应的加工设备；在每一次分批迭代过程中分别生成p个批调度方案，选出平均生产周期最小的批调度方案并保留至下一次迭代过程中；步骤6：选择每次迭代过程中最终胜出的批调度方案x作为优势个体，采用增量学习的方法对概率模型Z进行更新：步骤7：不断的重复步骤5与步骤6，设置最大迭代次数作为终止条件，得到最终的批调度方案。