[发明专利]一种多车间作业调度方法及装置

说明书

本发明适用计算机技术领域，提供了一种多车间作业调度方法及装置，该方法包括：当接收到多车间作业调度的请求时，建立多车间作业调度的数学模型，使用预设的动态种群策略和双模式差分进化算子对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件，此时将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，从而得到多车间作业调度的解决方案，提高了多车间作业调度过程中的收敛能力和鲁棒性。

技术领域

本发明属于计算机技术领域，尤其涉及一种多车间作业调度方法及装置。

背景技术

多车间作业调度是一个典型的非确定多项式(NP)难题。整数规划法、混合整数规划法和动态规划法等数学规划法可以用来进行多车间作业调度，但是这些数学规划法的计算过程复杂性较高，使得这些方法的运用受到限制。在整数规划中，枚举方法和拉氏松弛法是其中应用最多的两种方法，枚举方法的主要缺点是：由于存在整数约束对于较大的调度问题需要很大的时间，拉氏松弛法删除了整数约束加入相应的代价，虽然在可行时间里能解决复杂的车间问题，但是其收敛能力存在局限性。

局部搜索算法和模拟退火法也可以用来进行多车间作业调度，然而局部搜索算法在遇到局部极值的时候容易陷入局部最优的问题，而模拟退火法虽有可能跳出局部极小，但模拟退火法的收敛速度较慢。还有一种新兴的收敛速度快的进化算法也可以用来进行多车间作业调度，但是在计算过程中可能出现早熟收敛和停滞的问题，导致还没找到最优的方案就已经收敛并结束计算。

综上所述，现有的多车间作业调度方法的收敛能力不佳、容易陷入局部最优的陷阱、可行性较低、鲁棒性不佳，因而难以有效地解决多车间作业调度问题。

发明内容

本发明的目的在于提供一种多车间作业调度方法及装置，旨在解决现有的解决多车间作业调度的方法收敛能力不佳、容易陷入局部最优的陷阱、可行性较低的问题。

一方面，本发明提供了一种多车间作业调度方法，该方法包括下述步骤：

当接收到多车间作业调度的请求时，根据多车间作业调度的作业参数，建立多车间作业调度的数学模型；

对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件；

当当前进化代数满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，输出数学模型中待求参数的解对应的多车间作业调度的解决方案；

对数学模型的当前种群中的个体进行进化的步骤，包括：

统计预先获取的数学模型当前种群中的当前非支配个体的数量，根据当前非支配个体的数量，使用预设的动态种群策略获取当前种群的大小P_N，根据当前非支配个体的拥挤程度和P_N，确定当前种群中保留的个体，使用预设的双模式差分进化算子对当前种群中的个体进行进化，获取进化后的当前种群中的当前非支配个体，并对当前进化代数进行加1操作。

另一方面，本发明提供了一种多车间作业调度装置，该装置包括：

模型建立模块，用于当接收到多车间作业调度的请求时，根据多车间作业调度的作业参数，建立多车间作业调度的数学模型；