[发明专利]基于改进统一粒子群算法的机械零件加工流水线调度方法

摘要

本发明公开了一种基于动态邻域和全面学习的离散统一粒子群算法的机械零件加工流水线调度方法，包括如下步骤：读入机械零件加工的操作时间；种群初始化；计算每个粒子的适应值并排序；更新粒子邻域内最优位置，个体最优位置，全局最优位置，学习项；基于动态邻域和全面学习的离散统一粒子群优化的全局搜索；基于精英学习策略的局部搜索；每隔一定次数对种群重新分组；全局最优解更新停滞时重组学习项。本发明改进了基于动态邻域和全面学习的统一粒子群优化在生产调度领域的局限性，克服了标准粒子群优化对参数过于依赖以及容易陷入局部最优的缺陷，具有搜索精度高、收敛速度快等特点。且该方法适用范围较广，可推广到制造业和流程工业等领域。

主权项

1.一种基于动态邻域和全面学习的离散统一粒子群算法的机械零件加工流水线调度方法，其特征在于包括如下步骤：/n(1)读入机械零件加工的过程操作时间；/n(2)初始化种群。包括设定最大迭代次数G_max，粒子群的种群规模N，种群重组阈值g，学习项重组阈值m，构成全局学习项的粒子范围p等；用NEH方法初始化各个粒子的位置x_i；将初始个体历史最优解设定为初始位置；清零粒子i的停滞计数flag_i；初始化全局与局部学习项为初始位置；并将种群分成组，每组包含r个粒子，r为邻域大小；/n(3)计算每个粒子的适应值，并根据适应值对粒子进行排序，得到序号R_i，根据下式计算学习概率α_i：/n /n(4)更新粒子i邻域内历史最优解若此时flag_i大于学习项重组阈值m，则将flag_i清零，以学习概率α_i重组全局学习项组合变量fgi与局部学习项组合变量fli；否则保持当前学习项进入下一步；/n(5)根据算法的位置更新公式更新位置，同时更新缩放系数β_i；重新计算适应值，并以此更新个体历史最优解、全局历史最优解以及停滞计数；/n(6)根据精英学习策略对全局最优解进行随机扰动，并更新全局最优解；/n(7)若迭代次数t能被g整除，则对种群重新分组，再进入第(3)步；反之，直接进入第(3)步，若满足终止条件，则终止算法，输出最优解，即最优的加工顺序。/n