[发明专利]一种基于目标重要性分解的模因演化多目标优化调度方法

说明书

技术领域

本发明涉及一种多目标优化调度方法，特别是关于一种在计算机应用技术领 域和生产调度领域中应用的基于目标重要性分解的模因演化多目标优化调度方 法。

背景技术

第二代非支配遗传算法(NondominatedSortingGeneticAlgorithmII, NSGA-II)首先随机生成含有N个个体的初始种群，其中N是种群大小。接下来， 算法进行迭代直至终止条件满足。在第t代，算法在当前种群Pt的基础上，通 过随机选择，模拟两点交叉(SimulatedBinaryCrossover，SBX)和多项式变异 产生子代种群Qt。Pt和Qt的大小均为N。因此，两个种群Pt和Qt合并会 形成种群大小为2N的新的种群Rt＝Pt∪Qt。为了从种群Rt中选择最好的N 个解进入下一代，首先利用基于Pareto支配的非支配排序将Rt分为若干不同的 非支配层(F1，F2等等)。然后，算法构建一个新的种群St，构建方法是从F1 开始，逐次将各非支配层的解加入到St，直至St的大小等于N，或首次大于 N。假设最后可以接受的非支配层是l层，那么在l+1层以及之后的那些解就 被丢弃掉了，且St/Fl中的解已经确定被选择作为Pt+1中的解。Pt+1中余 下的个体需要从Fl中选取，选择的依据是要使种群在目标空间中具有理想的多 样性。在NSGA-II中，Fl中具有较大拥挤距离的解会优先被选择。

多目标遗传局部搜索(MultiobjectiveGeneticLocalSearch,MOGLS)是 较早的蕴含分解思想的多目标进化算法，它最初是用来求解多目标流水车间调度 问题。另外从搜索行为上来看，MOGLS混合了遗传搜索和局部搜索，所以它也可 以看作是一种模因演算法。MOGLS的执行流程简要描述如下。首先，算法初始化 一个大小为N的种群，并用一个外部存档储存所找到的非支配解。之后，算法进 行迭代直至终止条件满足。在MOGLS的第t代，首先选出当前种群Pt中的所有 非支配解，并用其更新外部存档。然后算法进入交配选择阶段，需要选择N- Nelite对父代个体，每对个体进行交叉和变异操作产生一个子代个体，并将其加 入到Pt+1中。在选择每对父代个体时，首先随机产生一个权向量w＝(w1, w2,...,wm)^T，其中∑wi＝1，m是目标数目，然后对Pt中的每个解x， 有加权函数值f(x)＝∑wifi(x)，其中fi是第i个目标函数，通过该函数 值，由基于轮盘赌的比例选择法，可以得到每个个体被选择的概率P(x)，根据该 概率，可以选择两个父代个体。接着，算法采用了一种精英策略，从外部存档中 随机选择Nelite个解加入到Pt+1中，那么现在Pt+1中解的个数已达到种群 大小。之后，算法进入局部搜索过程，该过程总共执行N次，每次选择当前种群 Pt+1中的一个个体以概率pLS进行局部改进，选择方法如下：随机产生一个权 向量w＝(w1,w2,...,wm)^T，其中∑wi＝1，然后依据函数值f(x)＝∑ wifi(x)使用无放回锦标赛选择从Pt+1中选择一个个体。如果局部搜索被执行， 改进后的个体将作为下一代种群中的个体，否则原来个体将进入下一代种群。另 外，在局部搜索中，算法设置了一个参数k，每次只随机检测当前解的k个邻域， k较小时局部搜索很快就会终止，否则局部搜索会检测很多解，通过该参数可以 调整局部搜索在MOGLS中所花费的计算开销。

NSGA-II在求解多目标柔性作业车间调度问题往往没有充分利用问题相关的 知识，局部搜索的探索能力有限；MOGLS重在解决如何在多目标优化中选择解进行 局部搜索，以及如何对局部搜索中的解进行评价的问题，但是全局搜索能力欠缺。

另外，这两种经典算法共同的缺陷：第一，并没有充分利用问题相关知识； 第二，并没有考虑问题的多个目标之间重要性的区别以及它们之间的相关性。

发明内容

针对上述问题，本发明的目的是提供一种基于目标重要性分解的模因演化多 目标优化调度方法，该方法可以对多目标柔性作业车间系统进行有效的调度，且 调度效果优于目前已有的先进算法。