[发明专利]基于学习效应的多目标双柔性作业车间调度方法及系统

权利要求书

1.一种基于学习效应的多目标双柔性作业车间调度方法，其特征在于，所述方法包括：

构建多目标双柔性作业车间调度模型；所述多目标双柔性作业车间调度模型包括目标函数和约束条件；所述目标函数为最大完工时间和线边库存时间的组合加权函数；所述约束条件包括加工时间约束和准备时间约束；

基于工件位置相关和考虑工件相似度的学习效应模型求解所述加工时间约束获取求解后的加工时间约束；基于连续指数递增学习效应模型求解所述准备时间约束获取求解后的准备时间约束；基于求解后的加工时间约束和求解后的准备时间约束优化多目标双柔性作业车间调度模型；

求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解，并基于所述最优解绘制多目标双柔性作业车间调度的甘特图。

2.如权利要求1所述的方法，其特征在于，所述组合加权函数包括：

minZ＝ω₁C^max+ω₂C^edge

其中，C^max表示最大完工时间，C^edge表示线边库存时间；ω₁表示最大完工时间的优化权重，ω₂为线边库存时间的优化权重。

3.如权利要求1所述的方法，其特征在于，所述工件位置相关和考虑工件相似度的学习效应模型包括：

P_j,r＝P_j(S[1,r]+S[2,r]+...+S[r,r])^α

其中，P_j表示工序不考虑学习效应的加工时间；P_j,r表示在加工位置r上的工件考虑学习效应后的加工时间；S[r₁,r₂]表示在r₁位置和r₂位置的工件的相似度；

所述连续指数递增学习效应模型包括：

C_max＝R^-1(P+R(0))

其中，C_max表示实际的加工准备时间；P表示考虑学习效应之前的正常加工准备时间，R(0)为t＝0时y＝R(t)的函数值。

4.如权利要求1所述的方法，其特征在于，所述求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解包括：以最小化目标函数为目标，利用智能算法求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解。

5.如权利要求4所述的方法，其特征在于，所述智能算法包括遗传算法、模拟退火、粒子群算法。

6.一种基于学习效应的多目标双柔性作业车间调度系统，其特征在于，所述系统包括：

模型构建模块，用于构建多目标双柔性作业车间调度模型；所述多目标双柔性作业车间调度模型包括目标函数和约束条件；所述目标函数为最大完工时间和线边库存时间的组合加权函数；所述约束条件包括加工时间约束和准备时间约束；

模型优化模块，用于基于工件位置相关和考虑工件相似度的学习效应模型求解所述加工时间约束获取求解后的加工时间约束；基于连续指数递增学习效应模型求解所述准备时间约束获取求解后的准备时间约束；基于求解后的加工时间约束和求解后的准备时间约束优化多目标双柔性作业车间调度模型；

模型求解和结果输出模块，用于求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解，并基于所述最优解绘制多目标双柔性作业车间调度的甘特图。

7.如权利要求6所述的系统，其特征在于，所述组合加权函数包括：

minZ＝ω₁C^max+ω₂C^edge

其中，C^max表示最大完工时间，C^edge表示线边库存时间；ω₁表示最大完工时间的优化权重，ω₂为线边库存时间的优化权重。