[发明专利]基于改进人工免疫算法的平行机成组调度方法及系统

说明书

本发明实施例涉及一种基于人工免疫算法的平行机成组调度方法及系统，该方法包括：1设定算法参数；2随机生成初始解；3计算适应度值并确定全局最优解；4计算抗体浓度；5计算每个个体的选择概率；6交叉变异；7变邻域搜索；8更新种群；9判断终止条件是否满足，如果满足则输出全局最优解，否则返回步骤3；本发明能针对恶化工件情形下的平行机成组调度问题，求得近似最优解，本发明中的求解模型更加贴近实际生产过程，有利于在复杂生产环境中提高企业生产效率，优化企业服务质量。

技术领域

本发明实施例涉及软件技术领域，具体涉及一种基于改进人工免疫算法的平行机成组调度方法及系统。

背景技术

批调度问题广泛存在于现代加工制造的各行各业，例如半导体制造、货物运输、航空工业等。不同于经典的调度问题中同一时刻一台机器只能加工一个工件，批处理机可以同时加工一批工件，有助于生产效率的提升。另外，在多品种小批量的生产环境下，为了缩短加工时间，企业可以使用成组技术进行混流生产，由此而来的调度问题称为成组调度问题。批调度和成组调度的有机结合称为成组批调度问题，有效地进行成组批调度有助于企业节约资源、提高效率、增强核心竞争力。因此，对成组批调度问题进行研究具有很强的现实意义。

在以往的研究中，智能算法被广泛应用于解决批调度和成组调度问题中，一部分学者提出了一种蚁群算法求解具有差异工件尺寸的平行机批调度问题，实验结果验证了该算法的有效性。一部分学者利用动态规划和遗传算法的混合算法，求解工件动态到达的批处理问题，实验结果显示所提算法优于GA和BEST算法。还有学者提出了一种混合遗传算法求解流水车间的成组调度问题，并通过实验验证了该算法的性能。

然而，在进行发明创造的过程中发明人发现，现有技术存在以下缺陷：在以往的研究中，对批调度的研究主要集中在单机和平行机问题；对成组调度的研究主要集中在单机、流水车间问题。但是，对于工件恶化情形下的平行机成组批调度问题的研究几乎空白。而在实际加工过程中，工件恶化往往贯穿于整个加工过程中，在批调度问题中广泛存在。此外，多品种、小批量的生产需求也使成组调度实际存在于平行机批调度的加工过程中，不可忽视。此类批调度问题更加复杂，它需要同时考虑工件恶化、组在机器上的分配方式、组的加工顺序、工件的组批方式以及工件的加工顺序等诸多要素。除此之外，在方法上，人工免疫算法也存在着局部收敛性差和容易早熟等缺点，而且在基于信息熵计算抗体亲和度和抗体浓度的过程中也存在问题。无法为特定的调度问题提供持续稳定可靠的解决方案。

发明内容

本发明实施例提供了一种基于改进人工免疫算法的平行机成组调度方法及系统，用以解决上述至少一个技术问题。

第一方面，本发明实施例提供一种基于改进人工免疫算法的平行机成组调度方法，包括：

S1、输入每个机器的容量和工件的加工时间，设定改进人工免疫算法参数，包括最大迭代次数t_max，全局最优解gbest，变异概率PR，抗体区间(pmin,pmax)，浓度限制CM，迭代次数t＝1；

S2、初始化种群；考虑共有poplong个抗体，第l个抗体的基因定义为l＝1,2,...,poplong,其中表示第l个抗体在第i维上的基因，表明第i组工件被分配至第个机器；

S3、计算种群中每个抗体的适应度值，更新全局最优解gbest；

S4、计算种群中的抗体浓度con；

S5、判断con≤CM*poplong是否成立，若成立，则计算每个抗体的选择概率其中fit_l表示第l个抗体的适应度值，即制造跨度，fit_l越小说明解越优；否则，计算每个抗体的概率为

S6、设定变量h＝1；