[发明专利]基于自适应蚁群优化的弹性车间调度技术

权利要求书

1.一种基于自适应蚁群优化的弹性车间调度技术，其特征在于，该方法包括以下步骤：

(1)建立解构造图：解构造图是一个有向连通图，图中每个结点表示一个操作到一台机器可行分配，此外，图中还有两个虚拟结点v₀和v_T+1，分别表示蚂蚁路径的起点和终点，T表示所有可行分配的数目，除了v₀和v_T+1，每个结点v_l(1≤l≤T)分别记录了其各自相应的作业、操作和机器的索引，所有结点通过有向弧相互连接，弧的指向满足操作间的顺序约束；

(2)初始化：初始化解构造图上信息素分布，同时为蚁群中的每只蚂蚁a初始化一个启发式信息档案P^(a)，P^(a)中包含该蚂蚁对启发式信息的定义及其引导力控制参数的选择；

(3)解构造：每只蚂蚁根据自身的启发式信息档案P^(a)构造一个弹性车间调度方案S^(a)，S^(a)由M个序列组成，每个序列S_k记录了那些将操作分配给机器k的结点，k＝1，2，...，M，解构造过程中维护一个候选结点列表C，蚂蚁每次从C中按规则选择一个结点，并将其插入方案S^(a)中相应序列的相应位置，之后更新C中的结点，当C为空时，说明一个完整的解构造完毕；

(4)信息素更新：蚂蚁每选择一个结点，便根据局部信息素更新规则对相应的有向弧进行一次信息素更新，当所有蚂蚁完成解构造过程后，再根据全局信息素更新规则对信息素进行更新；

(5)启发式信息档案更新：每隔G次迭代进行一次启发式信息档案的更新，两次更新间隔期间，每只蚂蚁构造的调度方案的工期将与该蚂蚁的启发式信息档案共同保存到一个外部档案A，自适应策略选择A中工期最短的λ％个元素的启发式信息档案进行统计，然后根据统计量对每只蚂蚁a的启发式信息档案进行更新；

(6)结束条件检查：当算法对蚂蚁所构造的解的评估次数达到预先设定的最大次数时，终止算法。

2.基于权利要求1所述的一种基于自适应蚁群优化的弹性车间调度技术，其特征在于，引入了一种启发式信息的自适应设计策略来自动调整蚁群的启发式信息定义及其引导力控制参数，具体方法为：为每只蚂蚁维护一个启发式信息档案P^(a)，P^(a)包括启发式信息的定义h^(a)和启发式信息的引导力控制参数q₀及β，算法初始化时，随机产生每只蚂蚁的启发式信息档案，h^(a)的每个元素将在{0，1}间随机产生，和β^(a)的值将在对应参数的预定义取值域[q_min，q_max]和[β_min，β_max]中产生，算法每隔G次迭代进行一次启发式信息档案的调整，两次调整间隔期间，蚂蚁的启发式信息档案保持不变，并且每只蚂蚁构造的调度方案的工期将与该蚂蚁的启发式信息档案共同保存到一个外部档案A，自适应策略选择A中工期最短的λ％个元素的启发式信息档案进行统计，并根据统计量对每只蚂蚁a的启发式信息档案进行如下调整：

hi(a)=1,if r≤0.9×Σp(k)Rhi(k)/(|R|+1)0,otherwise,i=1,2,...,6---(1)]]>

q0(a)=Cauchy(μq0,σq0)---(2)]]>

β^(a)＝Cauchy(μ_β，σ_β)     (3)

其中，r是一个(0，1)间的标准化随机数，R表示A中工期最短的λ％个元素的子集，Cauchy表示柯西分布的密度函数，和表示参数q₀在R中取值的平均值和标准差，μ_β和σ_β则表示参数β在R中取值的平均值和标准差，每次调整结束后，清空外部档案A为下一次调整作准备。