[发明专利]一种基于遗传算法的生产排程方法

权利要求书

1.一种基于遗传算法的生产排程方法，其特征在于，包括如下步骤：

S1：通过数据分析后得到生产过程数据，将生产过程数据自动转化为标准算例格式；

包括将得到的排程参数的数值采用回归模型分析生产过程历史数据，将排程参数的数值自动转化为标准算例格式；

排程参数的数值包括各个工件加工个数、工件的编号、工件的工序编号、当前加工机器编号、加工进给速率、加工进给倍率、加工开始时间以及加工完成时间；

从历史数据中获取用于训练模型的数据，提取各个工件加工个数、工件的编号、工件的工序编号、当前加工机器编号、加工进给速率、加工进给倍率、加工开始时间、加工完成时间，通过线箱图，对提取的数据进行处理，过滤异常值；经过处理后的数据采用Lasso回归模型进行分析，Lasso回归模型包括采用L1正则化的线性回归方法；

对于Lasso回归模型的预测，通过搭建出的回归模型，对未生产的工件进行工序上的标准节拍预测，给出具体数值，为以后生产排程提供数值基础；

多元线性回归：y＝ωx+b，其中，b为常数项；x表示参数，y表示标准节拍，ω表示长度为n的向量,因此通过回归给出一个关于标准节拍的多元线性回归模型；

而Lasso回归则是用代价函数：

上式中的ω是长度为n的向量，m为样本数，||ω||₁表示参数ω的L₁范数，也是一种表示距离的函数；

S2：将新的机器作为外协因素，获取其对应加工时间t，将外协的机器编号以及固定加工时间t加入数据，转化为标准算例格式后设置于编码模块中；

S3：加入机器不可用时间，将停工时间设置于解码模块中；

S4：将优化问题的解的参数形式转换成基因码串的表示形式形成染色体；

S5：进行遗传算法，将编码后的种群输入遗传算法的求解模块中，得出最优解，将最优解带入遗传算法的解码模块中，得到调度甘特图以及排程计划表；

所述步骤S2中，所述编码模块采用双层编码机制，能够同时描述工件的加工顺序与机器的分配两种信息；其中，双层编码机制的第一部分为基于工序的编码OS，第二部分基于机器编码MS，包括两种，第一种为MS按照OS的加工顺序进行编码，第二种为MS按照所有工序的自然顺序进行编码，两种编码方式均使用实数编码方式；

所述步骤S3中，将工序排序部分解码成机器选择部分的活动调度；

所述步骤S3中，如果当前机器时间不可用，则不可用时间为t；如果当前机器正在加工工件，则当前加工工件的结束时间顺延t，以此类推，得到最终结果；

所述步骤S4中，首先针对具体的问题进行编码形成染色体，然后根据目标函数对染色体进行适应度的评价，根据评价结果进行选择、交叉、变异，重复这一过程，直至满足终止条件；

所述步骤S5中，遗传算法包括以下步骤：

S51：初始化，确定遗传参数；

S52：确定编码方案，使用随机方法，生成由N个染色体构成的初始种群，同时令已遗传代数k＝0；

S53：根据适应度函数，计算种群中每个个体的适应度；

S54：若满足算法设定的终止条件，则输出结果，算法停止否则，继续执行以下步骤；

S55：根据选择方法执行选择操作，直至产生种群规模为N的新一代种群；

S56：若交叉概率Pc＞Random(0,1)，则对经选择得到的新一代种群执行交叉操作，经交叉后形成新的种群，其中Random(0,1)用来生成[0，1]之间的浮点数；

S57：若变异概率Pm＞Random(0,1)，则对交叉操作产生的种群中的每个染色体进行变异操作，直至形成种群规模为N的新群体；

S58：k＝k+1，返回步骤S53。

2.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述方法的步骤。

3.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述方法的步骤。