[发明专利]针对机器调整时间未知且序列相关的任务调度求解方法

说明书

本发明公开了一种针对机器调整时间未知且序列相关的任务调度求解方法，包括：构建任务加工前机器调整时间相关的特征变量集以及预测模型；确定待求解问题的约束，根据问题实际特点进行编码得到问题的可行解；随机生成任务的初始调度顺序，对当前任务顺序下各个任务的机器调整时间预测，计算初始调度顺序下的目标函数值；产生新的任务调度顺序，再次对当前任务顺序下各个任务的机器调整时间进行预测，计算新的任务顺序下的目标函数值；通过目标函数增量的比较，选择下次迭代时的初始任务顺序解，重复迭代直至满足预设的终止条件，最终得到任务的最优调度顺序。本发明针对机器调整时间未知且序列相关的任务调度能够快速实现任务调度的优化求解。

技术领域

本发明涉及任务调度求解领域，具体涉及一种结合集成学习算法与启发式算法的混合算法，适用于机器调整时间未知且序列相关的任务调度问题求解。

背景技术

制造业是国民经济的支柱性产业，大多数制造业开始往智能制造、智能工厂方向转型升级。随着企业车间设备信息化程度不断提高，可用于进行生产优化分析的数据不断增加，为研究及运营人员掌握生产过程中的不确定因素提供了数据支撑。

在生产过程当中，其中较大的一项不确定因素为任务加工前的机器调整时间，如测试任务中的“打工况”时间，或热处理中的预热时间。其中，不少机器的调整时间还与任务序列高度相关：若改变加工任务的顺序，则机器的调整时间将有较大的变化。在传统的生产中，该时间的估计大概依据技术人员的经验，存在较大的不确定因素。这对进行JIT生产、估计交货时间、充分利用分时电价政策等运营优化，带来较大的阻碍。

关于任务调度问题作为广泛存在工业生产领域的经典问题，长期以来被众多学者所研究，提出了许多共性的问题及解决方法。而随着现代社会的发展，许多共性问题中个性化需求部分应用传统解决方法已经无法奏效。比如在任务调度过程中，经常会遇到机器调整时间不确定且序列相关的问题，在传统解决方法中，往往将调整时间设置为服从某种特定分布函数进行处理，与实际情况存在一定出入，导致调度结果不能满足企业实际需求；比如以降低企业能耗成本为主要目标的生产调度问题也被众多企业所关注，但由于被人员经验限制或者任务中的某些参数不能确定，导致企业无法得到最优的任务调度顺序，无法有效降低企业能耗成本。

现有技术存在的缺陷如下：

1.由于待加工任务的机器调整时间未知(其变化曲线不能用常规分布描述，需要根据历史数据进行预测)且随任务序列相关，工作人员难以准确把握任务完成时间，导致在实际情况中对任务排序大都依靠经验，无法使任务调度方案达到时间或成本最低，从而造成企业生产过程中的浪费及低效。

2.如何有效地运用数据预测方法解决数学规划中参数不确定性问题，是近年来许多专家研究的重点领域。目前来说，较多的研究及应用大多把预测及优化设置为两个单独模块，其求解思路均为先完成预测，再进行优化，两个阶段之间较少关联。

发明内容

针对机器调整时间未知且随序列相关的任务调度问题，本发明的目的是提供一种针对机器调整时间未知且序列相关的任务调度求解方法，能够快速实现任务调度的优化求解。

为了实现上述任务，本发明采用以下技术方案：

一种针对机器调整时间未知且序列相关的任务调度求解方法，包括：

步骤1，根据企业历史数据，筛选出与任务加工前机器调整时间相关的特征变量集；构建关于任务加工前机器调整时间的预测模型并保存；

步骤2，确定待求解问题的约束，根据问题实际特点进行编码得到问题的可行解；

步骤3，随机生成得到任务的初始调度顺序，对当前任务顺序下各个任务的机器调整时间进行预测，计算初始调度顺序下的目标函数值；

步骤4，产生新的任务调度顺序，再次对当前任务顺序下各个任务的机器调整时间进行预测，计算新的任务顺序下的目标函数值；