[发明专利]针对动态作业车间调度问题的基于局部搜索遗传编程算法

摘要

针对动态作业车间调度问题的基于局部搜索遗传编程算法，该算法适用于作业车间调度领域。本发明所采用的技术方案是第一.采用调度规则解决调度优化问题；第二.用遗传编程方法自动设计调度规则；第三.结合局部搜索启发式方法；第四.对局部搜索的当前最优解进行摄动操作；第五.在局部搜索过程中引入禁忌搜索策略。本算法的搜索机制实现了开发和探索之间的平衡，相比于已有算法，能够在更短的计算时间范围内，获得足够紧凑的，效果更好的调度规则。

主权项

一种针对动态作业车间调度问题的基于局部搜索遗传编程算法，该算法适用于作业车间技术领域，该算法的特征是：第一、该算法采用调度规则解决调度优化问题；第二、该算法用遗传编程方法自动设计调度规则；第三、结合局部搜索启发式方法；第四、对局部搜索的当前最优解进行摄动操作；第五、在局部搜索过程中引入禁忌搜索策略；第六、该算法生成初始程序的方法 ；第七；该算法计算初始程序适应度的方法该算法的实现流程如下：1）下载仿真复制为了测量所获得的调度规则（或者程序）的有效性，我们将使用一个作业车间的离散变量仿真，随机生成若干仿真复制R ={R1, R2, . . . , RN}（随机产生若干工件的到达时间、加工时间、工序个数、路径）；2）生成初始程序使用生长法生成初始程序,随机生成根节点，然后随机产生子树作为根节点的子节点，如果某个节点的深度小于给定的最大深度3层就从函数集和终点集中选择，否则就从终点集中选择；3）计算初始程序适应度调度规则的适应度通过应用到每一个训练复制求得，适应度值可以计算如下：（6）为训练仿真复制的数量，为调度规则在复制下获得的的性能（目标函数值），这个适应度表明了通过不同仿真复制的平均性能，本遗传编程方法考虑的所有目标（平均流动时间、最大流动时间、平均延迟时间、最大延迟时间、延迟工件百分比）都是最小化问题，因此拥有更低适应度值的规则将更好4）初始化最优程序复制到和禁忌表,迭代次数为0；5）迭代判断是否到达最大迭代次数，是则返回最优程序，结束进化；否则进行局部搜索；6）局部搜索①判断是否为最大局部搜索步长，是则迭代次数加1，执行摄动操作，否则对当前程序进行邻域搜索获得新的程序；②检查禁忌表确认是否重复搜索并更新禁忌表，是则搜索步长加1，返回执行①；否则执行③；③计算新程序的适应度，若的适应度优于的适应度，当前程序被替换，搜索步长加1，返回执行①；7）摄动①如果局部搜索的最优程序优于，被替换，判断是否为局部最优；否则直接判断是否为局部最优；②如果是局部最优，对进行摄动操作，生成一个新的初始程序；否则返回执行5）；③检查禁忌表确认摄动生成的新解是否重复并更新禁忌表，是则返回①重新进行摄动操作；否则执行5）。