[发明专利]基于离散花朵授粉算法求解混合流水线调度问题的方法

说明书

本发明属于生产制造技术领域，公开了一种基于离散花朵授粉算法求解混合流水线调度问题的方法，其包括：S1：设置目标参数，生成初始化种群；S2：对种群的花朵位置进行解码；S3：计算花朵位置的适应度值，并选择最优的花朵位置；S4：对花朵位置进行更新操作；S5：对比更新后和更新前的花朵位置适应度值，并保留适应度值较低的花朵位置；S6：对比更新后和最优的花朵位置适应度值，并保留适应度值较低的花朵位置；S7：执行动态自适应变化工件块的变领域搜索；S8：判断是否满足终止条件，如果是，则输出最优花朵位置及其适应度值，并结束；如果否，则返回步骤S3。该方法可行且有效，丰富了求解混合流水线调度问题的方法。

【技术领域】

本发明涉及生产制造技术领域，特别涉及一种基于离散花朵授粉算法求解混合流水线调度问题的方法。

【背景技术】

在化工制造、制药生产、钢铁铸造等现实生产的调度过程都可以归结为求解混合流水线调度问题。混合流水线调度问题作为传统流水线调度问题的扩展和延伸，其特征在于加工工件存在多个加工序列，且加工序列中至少有一个加工序列存在两台及以上的加工机器，属于组合优化问题。

传统求解混合流水线调度问题(HFSP,即Hybrid Flow-shop SchedulingProblem)的方法主要有精确计算法和启发式算法。精确计算法只适合于所求解规模较小问题的情况，随着问题规模不断的增大，其计算时间难以接受；启发式算法虽然能够在较短的时间内构造出问题域的解，但解的质量难以保证。有鉴于此，近年来，基于计算智能的方法，包括蚁群算法、人工神经网络、模糊系统、遗传算法、免疫算法等计算智能算法成功运用到了求解混合流水线调度问题上，并能够在可行的时间复杂度下获得问题的最优解或近似最优解。然而在求解混合流水线调度问题中，采用单一的算法往往易陷入“早熟”，造成优化精度低。

花朵授粉算法是模拟花朵授粉过程提出的一种智能仿生算法，该算法具有结构简单、参数设置少、较强的全局搜索性能以及易实现等优点。目前许多学者在该算法的基础上提出部分改进，并推广到工农业生产问题的求解，如束优化问题、经济负荷分配问题、优化上浆桁架结构问题、优化分布式系统中电容器位置和大小和聚类分析等。

因此，根据混合流水线调度问题具有离散性的特点，构建一种基于离散的花朵授粉算法来求解混合流水线调度问题对于丰富求解混合流水线调度问题的方法、提高混合流水线调度的精准性具有重要意义。

【发明内容】

本发明的发明目的在于：针对上述存在的问题，提供一种基于离散花朵授粉算法求解混合流水线调度问题的方法，该方法为解决混合流水线调度问题提供了一种可行且有效的新方案，丰富了求解混合流水线调度问题的方法，有效提高了混合流水线调度的精准性。

为达到上述目的，本发明所采用的技术方案是：

一种基于离散花朵授粉算法求解混合流水线调度问题的方法，包括以下具体步骤：

S1：设置离散花朵授粉算法的目标参数，生成离散的初始化种群；其中，所述目标参数包括种群规模、授粉方式选择概率、最大工件块和最大迭代次数；

S2：对所述初始化种群中的花朵位置进行解码；

S3：计算所述初始化种群中花朵位置的适应度值，并选择最优的花朵位置；

S4：采用更新操作方法，对所述初始化种群的花朵位置进行更新操作；

S5：将更新后的花朵位置适应度值与更新前的花朵位置适应度值进行对比，并保留适应度值较低的花朵位置；

S6：将更新后的花朵位置适应度值与最优的花朵位置适应度值进行对比，并保留适应度值较低的花朵位置；

S7：执行动态自适应变化工件块的变领域搜索；