[发明专利]一种基于两层遗传算法的多目标柔性作业车间调度方法

说明书

一种基于两层遗传算法的多目标柔性作业车间调度方法，其特征是改进传统的遗传算法，使经过该遗传算法在有限时间内优化后的种群拥有较高的质量；同时，更改传统遗传算法对多目标问题的求解模式，提出一种双层求解的框架，相比于传统的遗传算法在求解质量上有明显提升。本发明优化了交叉策略、变异策略并删除了选择算子。本发明将上述改进遗传算法结合快速非支配排序和拥挤度计算模块，并为其设计了一种特殊的流程框架，将其称作双层遗传算法。该算法可以在有限的时间内获得优秀的非支配解集，拥有很好的实用性，能够很好地运用到实际车间调度中。

技术领域

本发明涉及一种生产调度技术，尤其是一种柔性车间高度技术，具体地说是一种基于两层遗传算法的多目标柔性作业车间调度方法。

背景技术

目前激烈的市场竞争，客户对产品呈现爆炸性的多样化、个性化的需求。企业产品的生产模式将逐渐由以往以企业为主导转变为以用户为主导。面对这种变化，传统以人工手动调度的方式已经不再能够满足企业的要求，必须采用信息化、智能化的手段对该问题进行处理。车间调度技术是实现制造企业高效率、高柔性和高可靠性的关键因素之一。一般研究车间调度问题时，都会以经典的作业车间调度问题为基础进行研究：每个工件包含多道工序，每道工序只能在一台机器上加工，并且仅仅能加工一次，加工时间是确定的，每个工件工序之间有先后顺序约束。本文在此基础上针对柔性作业车间调度问题进行研究，与作业车间调度相比，它的每一道工序都可以在给定的多台机器上进行加工。

现实中，对于柔性作业车间调度问题，管理者往往会对多个优化目标存在要求。然而，仅仅针对单目标进行求解所得出的方案往往会在其它目标上表现非常差，不符合实际加工的需要，因此多目标调度问题的求解就非常有必要。针对多目标优化问题的遗传算法通常是使用快速非支配排序与拥挤度计算方法对其种群进行筛选，但遗传算法所获得的非支配解集往往都集中在某个特定的范围，无法在全局的情况下获得优秀的解，其在迭代多次后往往就陷入了局部最优的困境，此时由于种群多样性不够优秀，无法再继续搜索。

综上所述，为了提高车间的生产效率，降低车间的运行成本，寻找到一种高效的人工智能算法对多目标柔性作业车间调度问题进行优化十分有必要。

发明内容

本发明的目的是针对现有的车间调度使用的单遗传算法应用于多目标搜索时存在所获得的非支配解集往往都集中在某个特定的范围，无法在全局的情况下获得优秀的解，其在迭代多次后往往就陷入了局部最优的困境，此时由于种群多样性不够优秀，无法再继续搜索的问题，发明一种基于两层遗传算法的多目标柔性作业车间调度方法，它基于快速非支配排序与拥挤度计算，通过双层设计从而优化种群质量，提高算法运行效率，实现车间的快速调度。

本发明的技术方案：

一种基于两层遗传算法的多目标柔性作业车间调度方法，其特征是改进传统的遗传算法，使经过该遗传算法在有限时间内优化后的种群拥有较高的质量；同时，更改传统遗传算法对多目标问题的求解模式，提出一种双层求解的框架，相比于传统的遗传算法在求解质量上有明显提升，它包括步骤如下：

首先，采用机器序列和工序序列相配合的编码方式作为编码格式：机器序列中每个基因分别代表了第几个工件的第几道工序所选择的加工机器；工序序列中，每个基因代表了工件号，根据其在染色体中出现的位置表示其代表第几道工序；

其次，采用全主动调度的解码方式作为解码方式：其有以下两种具体的方式，分别为贪婪式解码与翻转染色体解码；

其中：

贪婪式解码：即根据染色体的工序序列的先后顺序，在满足工序先后约束的情况下将工序插入到机器对应的最佳可行的加工时刻上；

翻转染色体解码：根据染色体的工序序列，从后向前排序，即在满足工序约束的前提下，先排列工序号较大的工序，再排列工序号较小的工序，同时按照贪婪式解码的规则将工序块尽量向前排。其真正的加工过程是将解码后的甘特图翻转过来，用于指导真正的加工过程；