一種基于多色集合遺傳算法的多目標車間調度方法技術

本發明專利技術公開了一種基于多色集合遺傳算法的多目標車間調度方法，根據約束條件和目標函數，運用隨機權重系數法將多目標優化轉單目標優化；建立工序?設備圍道矩陣的約束方式，進行染色體編碼，縮小GA的搜索范圍。本發明專利技術采用偏好矩陣能夠根據管理需要對每個目標賦予合理的權重，進而將多目標調度問題轉化為單目標調度問題，進而降低了調度問題的復雜度，另外通過建立工序?設備圍道矩陣的約束方式，進行染色體編碼，使得GA的搜索范圍得到了精確而有效的縮小，提高了求解效率和精度。

A multi-objective workshop scheduling method based on polychromatic sets genetic algorithm

The invention discloses a multi-objective scheduling method of polychromatic sets based on genetic algorithm, according to the constraint condition and objective function, the multi-objective optimization to single objective optimization by using random weight coefficient method; establish the constraint mode process equipment contour matrix, chromosome encoding, narrow the search scope of GA. The invention adopts the preference matrix according to the management need to give reasonable weight for each target, then the multi-objective scheduling problem into a single objective scheduling problem, thus reducing the complexity of scheduling problem, also through the constraint contour matrix establishing procedure equipment, for chromosome encoding, makes the accurate and effective reduction the search range of GA, improves the solution efficiency and precision.

【技術實現步驟摘要】
一種基于多色集合遺傳算法的多目標車間調度方法
本專利技術屬于作業調度
，涉及一種基于多色集合遺傳算法的多目標車間調度方法。
技術介紹
目前對單目標調度問題的優化求解，很少考慮工藝過程與調度之間的聯系以及如何設計二者之間的關系。在實際生產中，經常會遇到作業調度目標不同的狀況：如有一批加工任務，有些工件必須滿足客戶的交貨期要求，有些工件要求盡快完工，而有些工件要求盡可能低的生產加工成本，因此車間調度必須兼顧所有工件的調度目標。
技術實現思路
本專利技術的目的在于克服上述現有技術的缺點，提供一種基于多色集合遺傳算法的多目標車間調度方法，在改進遺傳算法中運用帶有偏好信息的隨機權重系數法，將多目標調度問題轉化成單目標問題來求解。為達到上述目的，本專利技術采用以下技術方案予以實現：一種基于多色集合遺傳算法的多目標車間調度方法，包括以下步驟：1)根據約束條件和目標函數，運用隨機權重系數法將多目標優化轉單目標優化；2)建立工序-設備圍道矩陣的約束方式，進行染色體編碼，縮小GA的搜索范圍。本專利技術進一步的改進在于：所述步驟1)中，約束條件如下：FJSP被描述為：設M為加工設備的數量，N為待加工工件數量，P為工序數，I為所有設備的集合；Ieg代表工件e的第g道工序的可用設備集合，Je為工件e的工序數；X為所有工件的加工次序，Segk表示工件e的第g道工序在設備k上加工的開始時間；Eegk為工件e的第g道工序在設備k上的加工結束時間；Tegk為工件e的第g道工序在設備k上的持續加工時間，且k∈Ieg則有Eegk＝Segk+Tegk；Ep表示最后工序的完工時間；MS表示所有工件的最后完工時間；當工件i的第j道工序和工件e的第g道工序在同一臺設備上執行，若工序j先于工序g加工時，Qijeg＝1，否則Qijeg＝0；若工件e的第g道工序在機床k上加工，則Xegk＝1，否則Xegk＝0；所述步驟1)中，目標函數為：(a)完工時間最小：(b)生產成本最低：(c)工序能力指數最大：所述步驟1)中，運用隨機權重系數法將多目標優化轉單目標優化1-1)偏好定義：偏好用二元關系表示，給定一組二元關系P和Q，決策者存在以下偏好關系：(a)若決策者對P的偏好大于Q，記作P＞Q；(b)若決策者對P的偏好小于Q，記作P＜Q；(c)若決策者對P，Q的偏好都差不多，記作P～Q；(d)若未知決策者對P，Q的偏好，記作P？Q；1-2)設偏好矩陣確定各個目標的重要程度，得到各個目標函數的重要度排序；1-3)用偏好信息設置各目標函數的隨機權重系數：從偏好矩陣中得到的各個目標之間的重要程度排序，根據重要程度排序來設置隨機權重系數；若有n個目標，根據偏好矩陣得到n個目標的偏好排序，比如f1＞f2＞...＞fi＞...＞fn，利用Matlab軟件中的隨機函數rand(1,n)得到n個隨機數，記為rand1,randi,...,randn，將這n個隨機數比較大小后排列，越重要的目標對應的隨機數越大，進而得到各個目標函數相應的隨機權重系數為：生成權重向量：W＝(w1,w2,...,wi,...,wn)，進而將多目標函數轉化為單目標函數：所述步驟2)具體方法如下：2-1)染色體編碼首先建立工序-設備的圍道矩陣，然后進行染色體編碼，具體編碼是按照某種工件的某道工序在某個設備上加工的信息進行設備的編碼，每個碼位代表了某種工件的某道工序，每個碼位上的信息是設備信息；2-2)初始化種群在遺傳算法中是對種群執行遺傳操作，這里的種群是指染色體，即包含工件工序信息的設備編碼；在算法的處理過程中，初始種群數量大小的設置，是算法開始執行的起始點；2-3)適應度函數利用偏好矩陣給目標函數配上相應權重，組成一個整體標量適應度函數，進行求解，公式如下：以三目標為例，F(x)為綜合最優函數，綜合最優是求最小，由于f3的目標是求工序能力指數最大，而綜合最優是求最小，將求最大的通過倒數形式換成求最小的，所以這里寫成如下式所示：2-4)選擇策略在計算完適應度值F(x)后，采用精英保留策略，在眾多染色體中選取種群數量Npop的80％的染色體，進入初步的帕累托最優解集；2-5)交叉操作采用多點交叉方法，對于數量Npop＝50的種群，取交叉概率為Pc＝0.8隨機選擇兩個交叉點，對兩個染色體上交叉點之間的片段進行交叉操作；2-6)變異操作取變異概率Pm＝0.06，計算出需要變異的染色體數量，對于每條染色體隨機確定變異的碼位，然后搜索工序-設備圍道矩陣，尋找該碼位上的能夠替換的設備編碼，產生變異之后的新染色體；通過計算已經變異個體的適應度值Fk'(x)＝fit(k')和Fk(x)＝fit(k)，并進行比較，若fit(k')≥fit(k)則變異可行，反之變異失敗，該條染色體無需進行變異。所述步驟2-2)中，種群數量設置在20～100。與現有技術相比，本專利技術具有以下有益效果：本專利技術采用偏好矩陣能夠根據管理需要對每個目標賦予合理的權重，進而將多目標調度問題轉化為單目標調度問題，進而降低了調度問題的復雜度，另外通過建立工序-設備圍道矩陣的約束方式，進行染色體編碼，使得GA的搜索范圍得到了精確而有效的縮小，提高了求解效率和精度。【附圖說明】圖1為本專利技術運用隨機權重系數法將多目標優化轉單目標優化的流程圖；圖2為本專利技術遺傳算法的流程圖；圖3為本專利技術最優綜合值的遺傳進化曲線；圖4為本專利技術多目標調度甘特圖。【具體實施方式】下面結合附圖對本專利技術做進一步詳細描述：本專利技術在改進遺傳算法中運用帶有偏好信息的隨機權重系數法，將多目標調度問題轉化成單目標問題來求解。一、約束條件：FJSP被描述為：設M為加工設備的數量，N為待加工工件數量，P為工序數，I為所有設備的集合；Ieg代表工件e的第g道工序的可用設備集合，Je為工件e的工序數；X為所有工件的加工次序，Segk表示工件e的第g道工序在設備k上加工的開始時間；Eegk為工件e的第g道工序在設備k上的加工結束時間；Tegk為工件e的第g道工序在設備k上的持續加工時間，且k∈Ieg則有Eegk＝Segk+Tegk；Ep表示最后工序的完工時間；MS表示所有工件的最后完工時間；當工件i的第j道工序和工件e的第g道工序在同一臺設備上執行，若工序j先于工序g加工時，Qijeg＝1，否則Qijeg＝0；若工件e的第g道工序在機床k上加工，則Xegk＝1，否則Xegk＝0；二、目標函數(以三目標為例)：(1)完工時間最小：(2)生產成本最低：(3)工序能力指數最大：三、運用隨機權重系數法將多目標優化轉單目標優化1偏好定義：偏好是決策者傾向程度的表示，讓決策者有個重要程度先后順序上的認識。通常可以用二元關系表示。給定一組二元關系，P和Q，決策者對它們可能存在以下偏好關系：(a)若決策者對P的偏好大于Q，記作P＞Q；(b)若決策者對P的偏好小于Q，記作P＜Q；(c)若決策者對P，Q的偏好都差不多，記作P～Q；(d)若未知決策者對P，Q的偏好，記作P？Q；此處主要用來描述決策者對車間作業調度優化目標的重視程度。2設偏好矩陣確定各個目標的重要程度，得到個目標函數的重要度排序。3用偏好信息設置各目標函數的隨機權重系數從偏好矩陣中得到的各個目標之間的重要程度排序(偏好排序)，根據這個排序來設置隨機權重系數本文檔來自技高網...

【技術保護點】
一種基于多色集合遺傳算法的多目標車間調度方法，其特征在于，包括以下步驟：1)根據約束條件和目標函數，運用隨機權重系數法將多目標優化轉單目標優化；2)建立工序?設備圍道矩陣的約束方式，進行染色體編碼，縮小GA的搜索范圍。

【技術特征摘要】
1.一種基于多色集合遺傳算法的多目標車間調度方法，其特征在于，包括以下步驟：1)根據約束條件和目標函數，運用隨機權重系數法將多目標優化轉單目標優化；2)建立工序-設備圍道矩陣的約束方式，進行染色體編碼，縮小GA的搜索范圍。2.根據權利要求1所述的基于多色集合遺傳算法的多目標車間調度方法，其特征在于，所述步驟1)中，約束條件如下：FJSP被描述為：設M為加工設備的數量，N為待加工工件數量，P為工序數，I為所有設備的集合；Ieg代表工件e的第g道工序的可用設備集合，Je為工件e的工序數；X為所有工件的加工次序，Segk表示工件e的第g道工序在設備k上加工的開始時間；Eegk為工件e的第g道工序在設備k上的加工結束時間；Tegk為工件e的第g道工序在設備k上的持續加工時間，且k∈Ieg則有Eegk＝Segk+Tegk；Ep表示最后工序的完工時間；MS表示所有工件的最后完工時間；當工件i的第j道工序和工件e的第g道工序在同一臺設備上執行，若工序j先于工序g加工時，Qijeg＝1，否則Qijeg＝0；若工件e的第g道工序在機床k上加工，則Xegk＝1，否則Xegk＝0；3.根據權利要求1所述的基于多色集合遺傳算法的多目標車間調度方法，其特征在于，所述步驟1)中，目標函數為：(a)完工時間最小：(b)生產成本最低：(c)工序能力指數最大：4.根據權利要求1或2或3所述的基于多色集合遺傳算法的多目標車間調度方法，其特征在于，所述步驟1)中，運用隨機權重系數法將多目標優化轉單目標優化1-1)偏好定義：偏好用二元關系表示，給定一組二元關系P和Q，決策者存在以下偏好關系：(a)若決策者對P的偏好大于Q，記作P＞Q；(b)若決策者對P的偏好小于Q，記作P＜Q；(c)若決策者對P，Q的偏好都差不多，記作P～Q；(d)若未知決策者對P，Q的偏好，記作P？Q；1-2)設偏好矩陣確定各個目標的重要程度，得到各個目標函數的重要度排序；1-3)用偏好信息設置各目標函數的隨機權重系數：從偏好矩陣中得到的各個目標之間的重要程度排序，根據重要程度排序來設置隨機權重系數；若有n個目標，根據偏好矩陣得到n個目標的偏好排序，比如f1＞f2＞...＞fi＞...＞fn，利用Matlab軟件中的隨機函數rand(1,n)得到n個隨機數，記為rand1,randi,...

【專利技術屬性】
技術研發人員：欒飛，魏夢珂，李彬彥，傅衛平，王雯，來春為，鄧明明，
申請(專利權)人：陜西科技大學，
類型：發明
國別省市：陜西,61