[发明专利]一种基于改进遗传算法的解决复杂生产环境下作业车间调度控制方法

摘要

一种基于改进遗传算法的解决复杂生产环境下作业车间调度控制方法，包括以下步骤：1)、设定模糊化参数的作业车间调度模型，以最大化所有产品满意度和最大化最小满意度为目标函数；2)、采用改进的遗传算法求解所述目标函数，(2.1)采用基于工序的编码；(2.2)多次运行G&T算法产生一个初始种群；(2.3)采用目标函数作为适应度函数对个体进行评价；(2.4)选择和交叉操作；(2.5)采用反转变异；(2.6)当每个组的个体均收敛到某一个度时，将各组种群合并继续进化直到收敛；(2.7)以预先设定的最大进化代数Nmax作为停止条件，将目前为止最好的解作为最优解，得到解决复杂生产环境下作业车间调度方案。本发明精确性良好、可靠性较好、实用性强。

主权项

1.一种基于改进遗传算法的解决复杂生产环境下作业车间调度控制方法，其特征在于：所述控制方法包括以下步骤：1)、确定模糊化参数作业车间调度的目标函数设定模糊化参数的作业车间调度模型，以最大化所有产品满意度和最大化最小满意度为目标函数，即maxz1=Σi=1nwiAIi---(1)]]>maxz2=AImin=mini=1,ΛnAIi---(2)]]>其中，W＝(w₁，w₂，Λ，w_n)为各产品交货期满意度的权重系数，w₁表示顾客对产品i交货期要求的重要程度，目标函数z₁，z₂分别表示所有产品满意度和最小满意度；令z′＝y₁z₁+y₂z₂                          (3)Y＝(y₁，y₂)为z₁和z₂的权重系数，y₁+y₂＝1；这样，模糊作业车间调度问题的目标函数为：求一个满足z*的工件加工顺序，使得：z*＝max(z′)                            (4)2)、采用改进的遗传算法求解所述目标函数，具体过程如下：(2.1)编码：采用基于工序的编码；(2.2)初始种群的生成：多次运行G&T算法可以产生一个初始种群；(2.3)采用目标函数作为适应度函数对个体进行评价；(2.4)选择和交叉操作：采用交叉操作从两个父代中产生一个子代，具体如下：步骤2.4.1.选择所有工件的第1道操作，加入集合C；假定机器在同一时刻可以加工任意多个作业，计算集合C中各操作O_ijk∈C的模糊完成时间，记作根据三角模糊数的比较准则，确定集合C中最小模糊完成时间的操作将与操作使用同一台机器的操作构成集合G；由于操作与操作的操作时间上是有重叠的，集合G为冲突集合；步骤2.4.2.以50％的相同概率从两个父代个体中任选一个个体，在冲突集合G中选择具有最小模糊完成时间的操作，用选出的父代个体代替并表示为步骤2.4.3.以步骤2.4.2.中所选择的操作为基准，通过模糊数的取大操作依次更新冲突集合中其他操作的EC¹，EC²和EC³值，从集合C中移去操作将其下一道工序加入集合C，并计算其相应模糊完成时间；通过以上的操作得到了一个新的子代个体，进行c次以上的操作得到c个新子代个体；为保留由c个子代和2个父代组成的(c+2)个个体中具有优良性状的个体，用以下的方法选择两个在下一次遗传时保留下来的个体：a.在c个子代个体中，选择具有最大目标函数值的个体，也即局部排名选择；b.在剩下的(c+1)个个体中，选择具有最大目标函数值的个体；(2.5)变异操作：采用反转变异；(2.6)种群构造：当每个组的个体均收敛到某一个度时，将各组种群合并继续进化直到收敛；(2.7)以预先设定的最大进化代数N_max作为停止条件，将目前为止最好的解作为最优解，得到解决复杂生产环境下作业车间调度方案。