[发明专利]一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法

说明书

一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法，它引入了灾变机制，并且对传统遗传算法结构进行改进，实现柔性作业车间调度。为平衡全局搜索和局部搜索能力，本发明引入灾变机制和大变异概率机制，为的是在算法迭代过程中施加必要的扰动，从而使算法有较大的概率跳出局部最优。同时，在算法初始化种群上，本发明引进差异度阈值策略，为的是增加种群的多样性，提高种群质量；在遗传操作上也引进差异度阈值策略，如若差异度达到阈值，则先两层交叉后变异；否则，先变异后两层交叉，从而能有效防止算法早熟的出现，提高了调度方案质量，该发明能够很好地被运用在作业车间调度领域。

技术领域

本发明涉及一种生产调度技术，具体地说是一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法，该方法在单目标柔性作业车间调度优化问题中取得很好的效果。

背景技术

20世纪以来世界制造业发生了翻天覆地的变化，美国提出要重振美国制造业，德国提出工业4.0战略计划，而在人工智能以及5g的时代，我国制造业面临着很严峻的形势，由于我国制造业本来就处于世界制造业产业链的下游，因此高效率、高柔性、高可靠性是我国制造业在下一步的主要突破口。有效的车间调度方法与优化技术的研究，对于实现先进制造企业的现代化具有重要的理论价值和实际意义。

随着柔性制造系统和数控加工中心的普及，以往的经典作业车间调度系统不再适用，柔性作业车间调度问题也就成了重中之重，它是JSP的扩展，工件的一道工序可以在多台设备上加工。这样的加工情况有明显的优点：

(1)极大提高了设备利用率，机器一旦空闲就可以安排机器加工，能够减少设备的空闲等待时间，降低能源损耗。

(2)提高了生产效率，缩短了生产周期。主要是同一个工件的多道工序可以在同一机器上加工，减少了工件运输以及装卸的加工时间，利用工序之间的空闲时间来加工某道工序，可以减小最大完工时间。

(3)增加了加工制造的柔性以及鲁棒性，一旦机器发生了故障，在这一机器上的工序可以选择其他机器进行加工，以免导致整个调度的延期，避免延误交货期。

综上所述，柔性制造系统有着诸多优势，深入研究柔性制造系统，并寻找出一种高效的人工智能算法对求解柔性作业车间调度问题，提高制造系统运行效率十分有必要。

发明内容

本发明的目的是针对现有的遗传算法在求解柔性作业车间调度问题中存在可用性不足的问题，发明一种基于灾变机制的改进遗传算法的求解柔性作业车间调度的方法。

本发明的技术方案是：

一种基于灾变机制的改进遗传算法的求解柔性作业车间调度的方法，它引入了灾变机制，并且对遗传算法结构进行改进，实现柔性作业车间调度，其特征在于它包括以下步骤：

步骤1：设置参数：种群规模N，最大迭代次数max，交叉率p_c，自适应变异参数c₁，大变异密集因子α，交叉阈值参数c₂，初始化差异度阈值提前变异概率p_me，适应度值为最大完工时间的倒数.；

步骤2：初始化种群，种群初始化对于算法求解的速度与质量有很大的影响，当新个体与已有个体之间差异度未达到阈值，就重新生成新个体，目的是为了增加种群的多样性；

步骤3：判断是否达到灾变条件，如若达到，则进行灾变操作；否则继续正常的遗传操作。在每次灾变操作中，选取适应度大小排名偏中间的部分个体，对它们的机器编码部分进行最早完工机器选择操作(ECM)来重新设定染色体的机器选择，然后利用剩余工件时间最长、剩余工序数最多、随机初始化三种初始化方法，以4:4:2的比例对它们的工序序列进行重新初始化，然后与之前重新生成的机器序列重新组合成新的染色体来替换掉原有的个体。记录每次灾变时种群的最优个体的适应度值，如果在下次灾变过程中最优解没有得到改善，则重新设定灾变周期T，增加受灾变种群的数量；