[发明专利]基于QEA可变旋转角距离的Jop-Shop调度方法

说明书

技术领域

本发明涉及一种基于QEA可变旋转角距离的Jop-Shop调度方法。

背景技术

QEA算法是量子启发式进化算法的简称，它是进化算法的一种。该算法采用量子比特位编码表示染色体，用量子门更新完成进化搜索，具有种群规模小、收敛速度快和全局寻优能力强的特点。

生产调度问题种类繁多，方法多样，其中单件车间调度(Job-ShopSchedulingProblem)是最基本、最著名的机器调度问题，同时也是最困难的NP-hard组合优化问题之一。人们为解决这一难题已经付出几十年的努力，但至今最先进的算法仍很难得到规模较小问题的最优解。

该问题通常可以这样描述：n个工件在m台机器上加工，每个工件有特定的加工工艺，每个工件使用机器的顺序及其每道工序所花的时间是给定的，则Job-Shop问题就是如何安排工件在每台机器上工件的加工顺序，使得加工时间最优。

典型Job-shop调度问题的描述如下：

设生产系统有n个工件需要在m台机器上加工，同时满足以下约束条件：

(1)每个工件由m道工序组成，每道工序在不同的机器上加工；

(2)每道工序必须在指定的机器上加工；

(3)按照加工工艺的规定，每道工序必须在它前面的工序加工完毕后才能进入下一道工序；

(4)每道工序一旦开始加工，不会被另外的工序所中断。

(5)每台机器在同一时间内只能加工一个工件；

(6)每个工件在同一时间内只能在一台机器上加工；

(7)工件之间没有加工顺序的约束；

(8)工件准备时间包含在加工时间中。

近十几年来，通过模拟自然界中生物、物理过程和人类行为过程而发展的启发式进化算法，如遗传算法、禁忌搜索、模拟退火、粒子群优化算法、蚁群优化算法等，为解决调度问题提供了新的思路和手段，引起了国内外学者广泛的兴趣。

这些算法运用于Job-Shop调度问题的编码主要分为两大类：直接编码和间接编码。直接编码就是一个调度直接被编码成一个染色体，诸如基于工序的编码、基于工件的编码、基于工件对关系的编码、基于完成时间的编码和随机数编码等；间接编码是用产生调度的信息，而不是调度本身编码为基因链，基于优先表编码、基于优先规则编码、基于析取图编码和基于机器的编码都属于此类。无论哪种编码都是通过迭代方式对其进行求解，进而试图获取最优解。

然而这些算法多少都存在一定的缺陷，比如，遗传算法随着规模扩大，无法获取最优解，且收敛速度慢；模拟退火算法虽比遗传算法表现要好，对于较为复杂的约束条件也能找到较好的解构型，但收敛速度也有待提高；粒子群算法在收敛速度上有很好提高，不过存在容易陷入局部最优的缺陷。

发明内容

技术问题：本发明提供一种提高解空间的搜索效率，从而有效扩展解的多样性，能有效地防止收敛到局部最优解，同时提高了收敛速度，最终实现最少时间代价获得全局最优解的基于QEA可变旋转角距离的Jop-Shop调度方法。

技术方案：本发明将基于可变旋转角的量子进化算法应用于Job-Shop调度问题中。通过建立面向调度评估的时间成本计算模型(适应度函数)，采用基于工序的量子染色体编码和解码方案；同时为了丰富种群的多样性，引入了可变旋转角的进化策略；最后，采用广泛认可的基准问题来验证该算法的有效性。

本发明的基于QEA可变旋转角距离的Jop-Shop调度方法，包括如下步骤：

步骤一：初始化量子种群Q(t)，其中t＝0；

步骤二：测量量子种群Q(t)，生成基于时间编码的二进制种群timeBinary(t)，所述二进制种群中的每个个体代表一个调度方案；

步骤三：将所述二进制种群timeBinary(t)转化为十进制种群timeDecimal(t)；

步骤四：对所述十进制种群timeDecimal(t)由小到大排序，得到新的十进制种群timeNewDecimal(t)；

步骤五：按照工序数对所述新的十进制种群timeNewDecimal(t)进行分割，得到分割后的工序方案序列sequential(t)；

步骤六：计算所述工序方案序列sequential(t)中所有方案的工序加工时间适应度值并保存；