[发明专利]基于改进入侵杂草优化算法的柔性作业车间分批调度方法

权利要求书

1.基于改进入侵杂草优化算法的柔性作业车间分批调度方法，其特征在于，具体为：

步骤1：柔性作业车间分批调度问题描述；

设有M台机床M＝{M_k|k＝1,2,…,m}，n类工件J＝{J_i|i＝1,2,…,n}，每类工件的数量为R_i，并且每类工件有O_i＝{O_il|l＝1,2,…,w_i}道工序，能加工每道工序的机床有M_il，M_il∈M台，每道工序的加工时间随机床性能差异而变化；每类工件分成多个子批量F_i＝{F_is|s＝1,2,…,u_i}在不同机器上加工，各子批量作为一个整体处理，并共享同一辅助时间；

步骤2：建立柔性作业车间分批调度问题的数学模型；

采用的目标函数为最大完工时间，即最后一批工件的最后一道工序的完工时间，其数学模型的目标函数如下：

约束条件：

ST_islk≥ET_is(l-1)k',k'∈M_i(l-1)k (5)

其中，C_is表示第i类工件第s批的完工时间，t_islk表示第i类工件的第s批的第l道工序在机器M_k上的单件工时，PT_ilk表示第i类工件的l道工序在机床M_k上的辅助时间，ST_islk表示第i类工件的第s批的第l道工序在机器M_k上的开始加工时间，ET_islk表示第i类工件的第s批的第l道工序在机器M_k上的加工完成时间；γ_ilk表示机器选择决策变量，当工序O_il可以在机器M_k加工时γ_ilk＝1，否则γ_ilk＝0；表示辅助时间决策变量，当在机床M_k上加工的工件类别与在该机床加工的上一个工件的类别相同时，反之

其中，式(2)表示机器选择约束，即每道工序只能在可加工该工序的机床上加工；式(3)表示零件的分批约束，即每批工件下的所有子批数量之和等于该批工件数量；式(4)表示任何子批都应在该机器加工的上一道工序结束后开始加工；式(5)表示工艺约束，紧后工序的开始时间要大于或等于紧前工序的完工时间；式(6)表示一批工件一道工序的加工完成时间要大于或等于该工序的开始加工时间、辅助时间和该批次所有工件工时三者之和；

步骤3：利用改进入侵杂草优化算法求解，改进入侵杂草优化算法具体操作过程如下：

S1通过随机数字分割法生成初始分批策略；

使用随机数字分割法来控制批次批量划分，即先将R_i个第i类工件进行排序，再通过产生的u_i-1个数字将其分为u_i批，每批工件数即该批中包含的数字个数；

S2在分批策略下初始化种群P_min；

S3对种群中的每个杂草进行繁殖，扩散；

S4若种群的杂草数量达到P_max，按分层选择法选出子代的初始种群，进入步骤S5，否则转回步骤S3；

S5判断内层改进入侵杂草优化算法是否达到最大迭代次数g_in，若达到进入步骤S6，否则判断算法是否陷入局部最优，是则进行变邻域搜索后再返回步骤S3，否则直接返回步骤S3；

S6保存本次分批策略下的最优值，判断算法外层循环是否达到最大迭代次数g_out，若达到则进入步骤S8，否则进入步骤S7；

S7根据分批约束产生新的分批策略，进入步骤S2；

S8比较各分批策略下的最优解，输出最优调度方案，算法结束。

2.根据权利要求1所述的基于改进入侵杂草优化算法的柔性作业车间分批调度方法，其特征在于，所述按分层选择法选出子代的初始种群具体为：先依据杂草的适应度值将整个最大规模种群个体进行排序，再将所有杂草均分为P_max层，在各层中随机选择一个个体以组成下一代种群。