【技術實現步驟摘要】
本專利技術涉及車間調度，尤其是指一種基于均值聚類劃分父本母本的遺傳調度排程方法和裝置。
技術介紹
1、遺傳算法(genetic?algorithm，ga)是一種模擬生物進化過程的搜索啟發式算法。遺傳算法通常用于解決優化和搜索問題，尤其是在問題的搜索空間很大或者問題本身很難用傳統方法解決時。其一般步驟為：編碼、初始種群、計算適應度、執行選擇淘汰、交叉、變異。其應用在流水車間調度問題(flow?shop?scheduling?problem，fsp)和混合流水車間調度問題(hybrid?flow?shop?scheduling?problem，hfsp)中能取得不錯性能。
2、但是，現有的遺傳算法在解決車間調度問題時，由于交叉操作多是從種群中隨機選擇兩個個體進行基因的交換，若是選擇了兩個相似的個體，則其基因也有一定的相似性，就猶如近親結婚后代容易出現智力低下、先天性畸形、體質差等問題一樣。這樣交叉出來的后代個體很大可能不具有更優的基因，反而會讓好的基因重組消逝，從而降低收斂的速率，導致車間調度排程的效率較低。
技術實現思路
1、本專利技術的目的是提供一種基于均值聚類劃分父本母本的遺傳調度排程方法和裝置，用于解決傳統的遺傳算法在解決車間調度排程時，效率較低的問題。
2、為了解決上述技術問題，本專利技術實施例提供一種基于均值聚類劃分父本母本的遺傳調度排程方法，包括：
3、獲取多個工件在目標產線加工分別對應的第一時間，其中，所述第一時間包括多個第二時間，所
4、將多個所述工件按照不同的生產順序排列，生成初始種群，所述初始種群包括多個生產計劃，其中，一個所述生產計劃對應一個所述生產順序；
5、根據所述初始種群中多個所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類，獲得第一聚類簇和第二聚類簇；
6、對所述第一聚類簇中的任意一個所述生產計劃與所述第二聚類簇中的任意一個所述生產計劃執行交叉操作，生成多個子代生產計劃；
7、根據所述第一時間，獲得所述子代生產計劃在所述目標產線加工對應的第一總加工時間；
8、在所述第一總加工時間滿足收斂條件的情況下，確定所述第一總加工時間最短的所述子代生產計劃為最終的生產計劃。
9、可選地，根據所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類，獲得第一聚類簇和第二聚類簇；
10、在多個所述生產計劃中選擇一個第一生產計劃和一個第二生產計劃；
11、將每一個所述生產計劃分別與所述第一生產計劃進行余弦相似度計算，獲得多個第一相似度；
12、將每一個所述生產計劃分別與所述第二生產計劃進行余弦相似度計算，獲得多個第二相似度；
13、根據所述第一相似度和所述第二相似度進行k均值聚類算法，獲得第一聚類簇和第二聚類簇。
14、可選地，所述根據所述第一相似度和所述第二相似度進行k均值聚類算法，獲得第一聚類簇和第二聚類簇，包括：
15、根據所述第一相似度和所述第二相似度，獲得每一個所述生產計劃對應的坐標；
16、對多個所述坐標進行k均值聚類算法，獲得第一聚類簇和第二聚類簇。
17、可選地，所述根據所述第一相似度和所述第二相似度，獲得每一個所述生產計劃對應的坐標，包括：
18、將所述第一相似度作為橫坐標，所述第二相似度作為縱坐標，獲得每一個所述生產計劃對應的坐標。
19、可選地，根據所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類之前，所述方法還包括：
20、獲取每一個所述生產計劃在所述目標產線加工對應的第二總加工時間；
21、根據所述第二總加工時間對多個所述生產計劃進行篩選，刪除所述第二總加工時間大于第一閾值的所述生產計劃。
22、可選地，所述方法還包括：
23、在所述第一總加工時間不滿足所述收斂條件的情況下，根據所述子代生產計劃對所述初始種群進行更新，并且獲得更新后的所述初始種群對應的子代生產計劃，直至所述子代生產計劃對應的所述總加工時間滿足所述收斂條件。
24、本專利技術實施例還提供一種基于均值聚類劃分父本母本的遺傳調度排程裝置，包括：
25、第一獲取模塊，用于獲取多個工件在目標產線加工分別對應的第一時間，其中，所述第一時間包括多個第二時間，所述目標產線包括多個加工設備，每一個所述加工設備對應一個所述第二時間；
26、第一生成模塊，用于將多個所述工件按照不同的生產順序排列，生成初始種群，所述初始種群包括多個生產計劃，其中，一個所述生產計劃對應一個所述生產順序；
27、第一聚類模塊，用于根據所述初始種群中多個所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類，獲得第一聚類簇和第二聚類簇；
28、第二生成模塊，用于對所述第一聚類簇中的任意一個所述生產計劃與所述第二聚類簇中的任意一個所述生產計劃執行交叉操作，生成多個子代生產計劃；
29、第一計算模塊，用于根據所述第一時間，獲得所述子代生產計劃在所述目標產線加工對應的第一總加工時間；
30、第一確定模塊，用于在所述第一總加工時間滿足收斂條件的情況下，確定所述第一總加工時間最短的所述子代生產計劃為最終的生產計劃。
31、本專利技術實施例還提供一種網絡設備，包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序在被所述處理器執行時實現如上任一項所述的基于均值聚類劃分父本母本的遺傳調度排程方法。
32、本專利技術實施例還提供一種可讀存儲介質，包括：所述可讀存儲介質上存儲有程序，所述程序被處理器執行時實現如上任一項所述的基于均值聚類劃分父本母本的遺傳調度排程方法的步驟。
33、本專利技術實施例還提供一種計算機程序產品，包括計算機指令，所述計算機指令被處理器執行時實現如上任一項所述的基于均值聚類劃分父本母本的遺傳調度排程方法的步驟。
34、本專利技術上述技術方案中的至少一個具有以下有益效果：
35、上述方案中，基于遺傳算法對車間調度排程問題進行優化，由于任意一個工件在目標產線中不同的加工設備上對應加工的第二時間不同，不同的工件在目標產線中同一個加工設備上對應加工的第二時間不同，所以工件之間的生產順序會影響目標產線的總加工時間，為了使得目標產線的總加工時間最短，需要確定工件之間的最優的生產順序即最終的生產計劃。首先，將多個所述工件按照不同的生產順序排列，生成初始種群，其中，初始種群包括多個生產計劃；然后，引入了k均值聚類算法，根據多個所述生產計劃之間的余弦相似度將初始種群聚類劃分為第一聚類簇和第二聚類簇，確保第一聚類簇中的生產計劃和第二聚類簇中的中生產計劃的相似度較低；其次，從第一聚類簇中選擇一個生產計劃作為母本，在第二聚類簇本文檔來自技高網...
【技術保護點】
1.一種基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，包括：
2.根據權利要求1所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，根據所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類，獲得第一聚類簇和第二聚類簇；
3.根據權利要求2所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，所述根據所述第一相似度和所述第二相似度進行k均值聚類算法，獲得第一聚類簇和第二聚類簇，包括：
4.根據權利要求3所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，所述根據所述第一相似度和所述第二相似度，獲得每一個所述生產計劃對應的坐標，包括：
5.根據權利要求1所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，根據所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類之前，所述方法還包括：
6.根據權利要求1所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，所述方法還包括：
7.一種基于均值聚類劃分父本母本的遺傳調度排程裝置，
8.一種網絡設備，其特征在于，包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序在被所述處理器執行時實現如權利要求1至4任一項所述的基于均值聚類劃分父本母本的遺傳調度排程方法。
9.一種可讀存儲介質，其特征在于，包括：所述可讀存儲介質上存儲有程序，所述程序被處理器執行時實現如權利要求1至4任一項所述的基于均值聚類劃分父本母本的遺傳調度排程方法的步驟。
10.一種計算機程序產品，其特征在于，包括計算機指令，所述計算機指令被處理器執行時實現如權利要求1至4中任一項所述的基于均值聚類劃分父本母本的遺傳調度排程方法的步驟。
...【技術特征摘要】
1.一種基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，包括：
2.根據權利要求1所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，根據所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類，獲得第一聚類簇和第二聚類簇；
3.根據權利要求2所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，所述根據所述第一相似度和所述第二相似度進行k均值聚類算法，獲得第一聚類簇和第二聚類簇，包括：
4.根據權利要求3所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，所述根據所述第一相似度和所述第二相似度，獲得每一個所述生產計劃對應的坐標，包括：
5.根據權利要求1所述的基于均值聚類劃分父本母本的遺傳調度排程方法，其特征在于，根據所述生產計劃之間的余弦相似度，利用k均值聚類算法對所述生產計劃進行聚類之前...
【專利技術屬性】
技術研發人員：夏華衍，樊勁松，張寅，厲萍，李書明，
申請(專利權)人：國投融合科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。