[发明专利]一种基于粒子群算法的柔性作业车间生产调度方法

说明书

本发明一种基于粒子群优化算法的柔性作业车间生产调度方法，其特征在于：包括如下步骤：步骤一，基于FJSP的基本参数，产生粒子的初始种群，种群中的粒子产生初始空间位置；步骤二，对初始种群中的粒子的空间位置进行编码；步骤三，对所有粒子的空间位置进行解码，计算出目标值；步骤四，计算各粒子的适应度；步骤五，重新赋予了粒子的移动和速度的意义；步骤六，粒子个体历史最优解更新；步骤七，设置全局最优解；步骤八，种群粒子移动一步；步骤九，判断是否达到最大迭代次数。本发明解决了运用现有方法所得的调度方案目标值较差，效率低下的问题。

技术领域

本发明涉及柔性作业车间的调度技术领域，尤其涉及多个目标优化的柔性作业车间的调度方法。

背景技术

伴随顾客需求的提高和生产系统的发展，调度问题吸引了研究者的持续关注。柔性作业车间调度问题(Flexible Job Scheduling Problem)属于现代生产系统中广泛研究的问题之一。FJSP可以分解为两个子问题：排序子问题与分配子问题。排序子问题是安排某台机器上所有工序的加工顺序问题；分配子问题是从若干台机器中选择一台进行某工序加工。FJSP属于典型的NP难题，传统的精确算法，如整数规划法、朗格拉日松弛法，分支定界法等，无法求解这类问题。研究者普遍使用启发式方法进行求解，如遗传算法、粒子群算法群体智能算法等。近年来，粒子群优化算法获得了广泛运用。PSO算法的原理是受到鸟类群体行为的启发，具有简便，客观，易操作的特点。

然而，传统粒子群优化算法是基于连续空间的搜索，适用于连续问题的搜索。而FJSP属于组合优化问题，是离散空间的搜索，因此传统粒子群优化算法不能直接求解FJSP。

在实际生产中，调度方案往往要同时考虑一个以上目标的优化。这些目标在多数情况下是互相制约、互相冲突的。即某个目标的优化往往导致其它目标的劣化。然而，大多数的研究者考虑多目标优化问题时采用目标偏好方式或者目标权重和的方式，将多目标优化问题转化成单目标优化问题。这两种方式都只产生单个解，本质是一个目标以上的简单组合，很难搜索到最优解。

发明内容

本发明的目的在于提供一种柔性作业车间的生产调度方法，解决运用现有方法所得的调度方案目标值较差，效率低下的问题。

为达到上述目的，本发明采用的技术方案为：

一种基于粒子群算法的柔性作业车间生产调度方法，包括如下步骤：

步骤一，基于FJSP的基本参数，产生粒子的初始种群，种群中的粒子产生初始空间位置，FJSP问题可以描述为：安排n个工件在m台机器上加工，工件J_i(1≤i≤n)包含n_j个顺序执行的工序，工序O_ij在机器k(1≤k≤m)上的加工时间记为P_ijk，m台机器中可以执行工序O_ij的机器集合记为M_ij；FJSP问题是分配所有的工序到合适的机器上，并确定工序的开始时间和完成时间。

步骤二，对初始种群中的粒子的空间位置进行编码，由于FJSP问题可行解包含两个部分：工序排列与机器分配；因此粒子的空间位置编码由两个向量组成：工序排列向量与机器分配向量，两个向量都是I维向量，I是FJSP中所有工序之和。

步骤三，对所有粒子的空间位置进行解码，计算出目标值，解码步骤为：

设L_k为机器K(M_k)的当前最后工序的完成时间，从左至右在工序排列向量中依次取出工序O_ij，重复以下过程以确定工序O_ij开始时间S_ij和完成时间C_ij；

Step 1：根据工序O_ij在机器分配向量中找出其分配的机器K(M_k)，由此获得加工时间P_ijk；