[发明专利]一种基于蚁群算法的多目标的工件调度方法及装置

说明书

本发明公开了一种基于蚁群算法的多目标的工件调度方法及装置，方法包括：在当前次迭代时，建立第一预设数量只蚂蚁，建立空批；获取信息素矩阵，以及目标偏好向量，并获取当前加工设备；将空批作为当前加工设备的第一当前批；将第一待加工工件调度至第一当前批中；将第二待加工工件加入当前候选列表中直至所有第二待加工工件都被调度；更新当前次迭代的下一次迭代的信息素矩阵；判断当前次迭代对应的迭代次数是否等于第二预设阈值；若否，更新迭代次数，并返回执行建立空批的步骤；若是，将当前次迭代过程中全局最优完工时长以及全局最优能耗对应的调度方案作为目标调度方法。应用本发明实施例，可以实现工件的多目标调度。

技术领域

本发明涉及一种多目标的工件调度方法，更具体涉及一种基于蚁群算法的多目标的工件调度方法及装置。

背景技术

批处理机调度(简称批调度)问题是一类有着很强应用背景的组合优化问题，存在于实际生活中的许多领域，例如，医院的灭菌服务的洗涤处理领域或者工件的加工领域。以医院的灭菌服务的洗涤处理领域为例，在外科手术完成后，需要对可重复使用的医疗器械进行灭菌和消毒，因为它们在灭菌后会被重新使用。每个套装的重要程度不一样，洗涤每组套装持续的时间是不相同的。洗涤设备具有固定的容量，只要不超过该容量，它们可以同时处理多个套装。另外，由于医学器械专用要求中所要求的组织性和可追溯性，一个套装通常只能在一台洗涤设备中洗涤，不允许分开。因此，能否高效利用这些洗涤设备进行洗涤，将会严重影响灭菌处理的效率。通过将套装看作工件，自动洗涤设备看作批处理机，可以将套装的洗涤问题抽象为平行批处理机上工件总加权完工时长的最小化问题。而且，工件总加权完工时长(也可以称作加权流水时间)也是减少处理库存成本的关键参数，因此，求解该问题对于实现资源的高效管理和调度是非常重要的。另外，在实际应用中，可以将批处理机作为加工设备看待。

目前，通常使用蚁群算法进行批处理调度设计。通常情况下，在每一次迭代过程中，为每一只蚂蚁对应的预设数量的加工设备中的每一台加工设备，建构多个批，然后将待加工工件调度至该只蚂蚁对应的所有批中；依次将对所有只蚂蚁进行批的构建和待加工工件的调度。然后将当前次迭代的对应的全局最优解作为下一次迭代时信息素矩阵更新的依据，进而进行下一次迭代，直至最后一次迭代选择出全局最优解。需要说明的是，全局最优解为，第一次迭代至当前次迭代的过程中产生的最优解。

现有技术中进行批处理机调度，依据的是各个批处理机也就是加工设备的功率一致，进行单目标优化，也就是进行加工时长的优化。但是，在实际应用场景中，各个加工设备的功率可能存在差别，按照现有技术的调度方法进行调度，会存在虽然加工时长最短，但是能耗较高的问题，不能同时兼顾多目标的优化，也就是加工时长与加工设备能耗的优化，因此，如何进行多目标的工件调度是亟待解决的技术问题。

发明内容

本发明所要解决的技术问题在于提供了一种基于蚁群算法的多目标的工件调度方法及装置，以实现多目标的工件调度。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种基于蚁群算法的多目标的工件调度方法，所述方法包括：

在当前次迭代时，建立第一预设数量只蚂蚁，针对第一预设数量个蚂蚁中的当前只蚂蚁建立空批；

获取所述多目标中的每个目标的信息素矩阵，以及预设的针对所述当前只蚂蚁的目标偏好向量，并针对第二预设数量个加工设备中的每一加工设备，获取每一目标与对应的目标偏好向量之积的和最小的加工设备，并将所述加工设备作为当前加工设备；其中，所述目标包括：能耗、加工时间；

将所述空批作为所述当前加工设备的第一当前批；并将待加工工件中的第一待加工工件调度至所述第一当前批中；将所述待加工工件中，除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的当前候选列表中；

判断是否存在未被调度的待加工工件；