书签 分享 收藏 举报 版权申诉 / 12
立即下载 加入VIP,免费下载
当前位置： 首页 > 物理 > 计算；推算；计数 > 基于自适应遗传和克隆选择算法的模糊作业车间调度方法.pdf

基于自适应遗传和克隆选择算法的模糊作业车间调度方法.pdf

  • 上传人：1**
  • 文档编号：4691375
  • 上传时间：2018-10-27
  • 格式：PDF
  • 页数：12
  • 大小：1.86MB
    • 摘要
    申请专利号：

    CN201410502463.8

    		 申请日：

    2014.09.26
    公开号：

    CN104281917A

    		 公开日：

    2015.01.14
    当前法律状态：

    撤回

    		 有效性：

    无权
    法律详情：

    发明专利申请公布后的视为撤回IPC(主分类):G06Q 10/06申请公布日:20150114|||实质审查的生效IPC(主分类):G06Q 10/06申请日:20140926|||公开
    IPC分类号：

    G06Q10/06(2012.01)I; G06N3/12

    		 主分类号：

    G06Q10/06
    申请人：

    东华大学
    发明人：

    高尚策; 陈贝贝; 沈冬梅; 侍倩; 柴宏建; 吴再新
    地址：

    201620 上海市松江区人民北路2999号
    优先权：

    专利代理机构：

    上海申汇专利代理有限公司 31001

    		 代理人：

    翁若莹
    PDF完整版下载： PDF下载
    内容摘要

    本发明涉及一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其步骤为：确定模糊车间调度问题的编码方案；随机产生初始种群N，定义解空间；定义并计算个体的适应度函数；在每一代最优解的附近，根据适应度值的大小对个体进行克隆增殖操作；将繁殖之后的个体分别独立的进行自适应交叉和变异操作；对交叉和变异之后的个体进行克隆选择操作，生成新种群N*。若满足终止条件，则循环结束；若不满足，则返回继续向下执行。本发明能够合理分配资源，缩短车间调度模糊完工时间，提高作业车间模糊调度的效率，更加符合实际的生产调度。

    权利要求书

    权利要求书
    1.  一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其特征在于，包括以下步骤：
    第一步、确定模糊车间调度的编码方案为基于工序的编码方式，每个基因代表一道工序，给同一工件的所有工序指定相同的符号，对于n个工件m台机器的n×m模糊作业车间调度问题，每个染色体中包含n×m个基因，每个工件的符号将在染色体中出现m次；
    第二步、随机产生初始种群N，定义解空间；
    第三步、定义并计算个体的适应度函数；
    第四步、在第一次迭代时，每个个体初始的适应度值就是该个体的最优解，所对应的调度序列认为是初始最优序列使得模糊完工时间最小，在每一代最优解的附近，根据适应度值的大小进行克隆增殖操作，适应度越高，克隆出的个体数越多，反之，适应度越低，则克隆出的个体越少；
    第五步、将繁殖之后的个体分别独立的进行自适应交叉和自适应变异操作；
    第六步、对交叉和变异之后的个体进行克隆选择操作，生成新种群N*；
    第七步、若满足最大迭代次数，则结束；若不满足，则返回到第三步继续向下执行。

    2.  如权利要求1所述的一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其特征在于，所述第二步具体为：
    初始化染色体种群，参数至少包括：种群规模、克隆系数、自适应交叉概率和变异概率、代沟、最大迭代次数。

    3.  如权利要求1所述的一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其特征在于，所述第三步具体为：
    选择一个函数使其能够用函数值的大小较为准确地反映出解的优劣，该函数即为适应度函数；适应度函数根据优化问题的目标函数来确定，该适应度函数采用优化问题中的目标函数与一个常数c之和的倒数来表示。

    4.  如权利要求1所述的一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其特征在于，所述第六步包括以下步骤：
    步骤6.1、在进行遗传操作后，计算每个个体的适应度值，每个父个体克隆 得到的子个体中，适应度最高的个体Yi易被优先选择；
    步骤6.2、利用爬坡更新规则，按一定的概率P挑选克隆的抗体Yi来替换父抗体Xi，如果克隆体集合Yi中最优个体的适应度比其父抗体Xi的适应度小，以概率1进行更新，如果最优子代的适应度大于它的父代，以指数型概率进行更新，以保持群体多样性。

    5.  如权利要求4所述的一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其特征在于，在所述步骤6.2中，为了保存原始种群的信息，指数函数不用于X1代，初代个体中的最佳抗体不能被替换。

    说明书

    说明书基于自适应遗传和克隆选择算法的模糊作业车间调度方法
    技术领域
    本发明涉及工业车间作业调度中加工工件和机器的调配方法。
    背景技术
    由于企业车间的生产计划与控制问题在所有调度问题中最具典型性，所以对车间调度问题的研究一直在调度理论中占据主导地位。而生产过程中面临的不确定因素，例如：机器故障、机器加工延误、工件加工时间的不确定性、各工件交货期的模糊性等，都会影响整个调度的安排和对调度结果的评估。而对于模糊车间调度问题的研究，更加符合实际生产，所以越来越多的学者开始研究模糊车间调度问题。
    到目前为止，Han S等人研究了具有模糊交货期的单机调度问题；SAKAWA等人在1999年采用遗传算法求解带有模糊加工时间和模糊交货期的模糊车间调度问题，使得最小客户满意度最大。Ishibuchi H等人对模糊作业车间调度问题进行了研究，并对模糊加工时间进行了描述。Murata T等人对具有模糊交货期的多目标调度问题进行了研究。Adamopulos G I用邻域搜索方法对具有可变加工时间和模糊交货期的单机调度问题进行了研究。
    近年来研究模糊作业车间调度问题的方法有遗传算法、模拟退火算法、启发式算法等。算法基本原理都是基于一个初始解，按一定的方法搜索空间寻找最优解。这些研究存在一些缺陷：
    (1)算法比较单一，寻找过程比较盲目。
    (2)寻找最优解容易陷入局部最优，算法容易早熟收敛。
    (3)更新种群比较随机。
    发明内容
    本发明要解决的技术问题是能够合理调配车间调度生产计划与控制问题。
    为了解决上述技术问题，本发明的技术方案是提供了一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其特征在于，包括以下步骤：
    第一步、确定模糊车间调度的编码方案为基于工序的编码方式，每个基因代表一道工序，给同一工件的所有工序指定相同的符号，对于n个工件m台机器的n×m模糊作业车间调度问题，每个染色体中包含n×m个基因，每个工件的符号将在染色体中出现m次；
    第二步、随机产生初始种群N，定义解空间；
    第三步、定义并计算个体的适应度函数；
    第四步、在第一次迭代时，每个个体初始的适应度值就是该个体的最优解，所对应的调 度序列认为是初始最优序列使得模糊完工时间最小，在每一代最优解的附近，根据适应度值的大小进行克隆增殖操作，适应度越高，克隆出的个体数越多，反之，适应度越低，则克隆出的个体越少；
    第五步、将繁殖之后的个体分别独立的进行自适应交叉和自适应变异操作；
    第六步、对交叉和变异之后的个体进行克隆选择操作，生成新种群N*；
    第七步、若满足最大迭代次数，则结束；若不满足，则返回到第三步继续向下执行。
    优选地，所述第二步具体为：
    初始化染色体种群，参数至少包括：种群规模、克隆系数、自适应交叉概率和变异概率、代沟、最大迭代次数。
    优选地，所述第三步具体为：
    选择一个函数使其能够用函数值的大小较为准确地反映出解的优劣，该函数即为适应度函数；适应度函数根据优化问题的目标函数来确定，该适应度函数采用优化问题中的目标函数与一个常数c之和的倒数来表示。
    优选地，所述第六步包括以下步骤：
    步骤6.1、在进行遗传操作后，计算每个个体的适应度值，每个父个体克隆得到的子个体中，适应度最高的个体Yi易被优先选择；
    步骤6.2、利用爬坡更新规则，按一定的概率P挑选克隆的抗体Yi来替换父抗体Xi，如果克隆体集合Yi中最优个体的适应度比其父抗体Xi的适应度小，以概率1进行更新，如果最优子代的适应度大于它的父代，以指数型概率进行更新，以保持群体多样性。
    优选地，在所述步骤6.2中，为了保存原始种群的信息，指数函数不用于X1代，初代个体中的最佳抗体不能被替换。
    本发明不同于其它的单一方法，而是将自适应遗传算法与克隆选择算法相结合的一种新的混合算法，具有两种算法的优点。本发明能够合理分配资源，缩短车间调度模糊完工时间，提高作业车间模糊调度的效率，更加符合实际的生产调度。
    附图说明
    图1为本发明的算法流程图；
    图2为6×6模糊调度问题的目标函数收敛曲线；
    图3为10×10模糊调度问题的目标函数收敛曲线。
    具体实施方式
    为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的 内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
    本发明提供了一种基于自适应遗传和克隆选择算法的模糊作业车间调度方法，其步骤为：
    步骤1、确定模糊车间调度问题的编码方案，具体为：
    确定模糊车间调度的编码方案为基于工序的编码方式，每个基因代表一道工序，给同一工件的所有工序指定相同的十进制符号。对于n个工件m台机器的n×m模糊作业车间调度问题，每个染色体中包含n×m个基因，每个工件的符号将在染色体中出现m次。
    步骤2、随机产生初始种群N，定义解空间，具体为：
    初始化染色体种群，参数包括：种群规模、克隆系数、自适应交叉概率和变异概率、代沟、最大迭代次数等参数。
    步骤3、定义并计算个体的适应度函数，具体为：
    选择一个函数使其能够用函数值的大小较为准确的反映出解的优劣；适应度函数根据优化问题的目标函数来确定，本文中适应度值函数采用优化问题中的目标函数与一个常数c之和的倒数来表示。
    步骤4、在每一代最优解的附近，根据适应度值的大小对个体进行克隆增殖操作，具体为：
    在第一次迭代时，每个个体初始的适应度值就是该个体的最优解，所对应的调度序列认为是初始最优序列使得模糊完工时间最小。在每一代最优解的附近，根据适应度值的大小进行克隆增殖操作，适应度越高，克隆出的个体数越多；反之，适应度越低，则克隆出的个体越少。
    步骤5、将繁殖之后的个体分别独立的进行自适应交叉和变异操作，具体为：
    将克隆增殖之后所有个体独立地进行自适应交叉和变异操作。
    步骤6、对交叉和变异之后的个体进行克隆选择操作，生成新种群N*，具体为：
    在进行遗传操作后，计算每个个体的适应度值，每个父个体克隆得到的子个体中，适应度最高的个体Yi易被优先选择。然后，利用爬坡更新规则，按一定的概率P挑选克隆的抗体Yi来替换父抗体Xi。如果克隆体集合Yi中最优个体的适应度比其父抗体Xi的适应度小，以概率1进行更新。其结果是，后代中的精英都被保存下来，进入到下一代。与此相反，如果最优子代的适应度大于它的父代，以指数型概率进行更新，以保持群体多样性。此外，为了保存原始种群的信息，指数函数不用于X1代，初代个体中的最佳抗体不能被替换。进行下一轮的优化操作。
    步骤7、若满足终止条件，则循环结束；若不满足，则返回到步骤3)继续向下执行，具 体为：满足最大迭代次数之后，输出操作得到的最优目标值，以及所对应的最优调度序列和模糊调度完工时间。
    结合图1至图3和表1至表6，针对某一作业车间模糊调度模型，应用上述方法。
    1、参数与变量定义
    (1)参数符号定义：n个待加工的工件集合Ni(i＝1，2，...，n)；m个机器集合：Mk(k＝1，2，...，m)；Pij表示工件Ni的第j(j＝1，2，...，m)道工序；Oijk代表Pij在机器Mk上加工，三角模糊数Tijk＝(t1ijk，t2ijk，t3ijk)代表工序Pij机器Mk上加工的模糊加工时间。三角模糊数Tic＝(t1ic，t2ic，t3ic)表示工件Ni的模糊完工时间。
    (2)目标函数：
    Tc=(tc1,tc2,tc3)---(1)]]>
    f(σσ∈Π)=min((a1tc1+a2tc2+a3tc3)max)---(2)]]>
    其中公式(1)中(t1c，t2c，t3c)是调度的最后一道工序模糊完工时间；公式(2)中α1、α2、a3是(0，1)之间的一个小数，是将最后一道工序的模糊完工时间做规整后的数值；公式(2)是目标函数，∏表示工件的可行调度集合，对于一个可行的调度σ∈∏，令f(σ)表示相应的目标函数值。目标是找到最优排序σ*，使得模糊完工时间Tc所对应的规整后的数值Tmax最小。
    (3)约束条件
    Sij≥Si(j-i)+Ti(j-1)，i＝1，2，3，...n，j＝1，2，3，...m；   (3)
    Mik≥M(i-1)k+T(i-1)k,i＝1，2，3，...n；k＝1，2，...m；   (4)
    Sij≥0i＝1，2，3，...n；j＝1，2，...，m；   (5)
    约束(3)是对工件加工顺序的约束，表示任何一个工件在开始后面一道工序的加工之前，必须先完成前一道工序；约束(4)是对机器的约束，表示在同一台机器上上一个加工任务完成之后，才能开始另一个加工任务；约束(5)是时间约束，表示每个工件的每道工序的开工时间一定大于或等于零。
    (4)公式定义
    A~+B~=((a1+b1),(a2+b2),(a3+b3))---(6)]]>

    qi=ceil(a*f(i)Σi=1Nf(i))---(8)]]>
    Pc=Pc1+k1×(fmax-f1)fmax-favgf1&GreaterEqual;favgk2f1<favg---(9)]]>
    Pm=Pm1+k3×(fmax-f2)fmax-favgf2&GreaterEqual;favgk4f2<favg---(10)]]>
    Pi=1f(Yi)<f(Xi)exp(f(Xi)-f(Yi)k)f(Yi)&GreaterEqual;f(Xi)0f(Y1)≤f(X1)---(11)]]>
    公式(6)、(7)是模糊数的操作，其中：α(a1，a2，a3)，b(b1，b2，b3)代表工件两道工序的三角模糊加工时间。在问题的研究中，利用公式(7)的模糊取大操作，确定工件工序加工的开始时间；利用公式(6)的模糊加法操作来确定工序的完工时间。由于加工时间是三角模糊数，所以经过求和或者取大操作后，其工序的开始时间和完工时间也都是模糊数。公式(8)是个体在进行克隆操作时的克隆个数；其中：α为克隆系数，f(i)为染色体i的适应度，ceil()表示向上取整数。文中设定了最大的克隆个数qi为：qi＜N/2，N为群体规模。公式(9)、(10)是改进后的自适应遗传交叉和变异概率；其中：k1，k2，k3，k4是(0，1)之间的常数；f1为要交叉的两个个体中的较大适应度值，f2是要变异个体的适应度值，favg为每代群体的平均适应度，fmax为群体中的最大适应度值。Pc1为初始交叉概率，Pm1为初始变异概率。公式(11)是利用爬坡更新规则，按一定的概率Pi挑选克隆的抗体Yi来替换父抗体Xi。其中每个父个体克隆得到的子个体中，适应度最高的个体Yi易被优先选择，即：Yi=Xi,j=minj{f(Xi,1),...,f(Xi,j),...,f(Xi,mi)},]]>k是和多样性相关的正数，k∈(10，100)。
    2、具体求解过程
    (1)随机生成抗体种群规模为N＝100、种群最大迭代次数为Nc＝200；公式(2)中α1＝0.25、α2＝0.75、a3＝0.25；公式(8)中克隆系数α为50；公式(9)、(10)中自适应交叉概率 Pc1初始值为0.5，初始变异概率Pm1为0.1，常数k1＝k2＝0.5，k3＝k4＝0.2；公式(11)中的k＝80；
    (2)定义适应度函数，即模型中目标函数(2)与一个常数c之和的倒数，即：1/(f(σ)+c)，c＝1。
    (3)对问题进行编码，生成初始种群。在满足约束条件(3)、(4)、(5)的情况之下，对问题进行研究，在第一次迭代时，每个个体初始的适应度值就是该个体的最优解，所对应的调度序列认为是初始最优序列使得模糊完工时间最小。
    (4)在每一代最优解的附近，根据适应度值的大小进行克隆增殖操作，每个个体的克隆规律满足公式(8)。适应度越高，克隆出的个体数越多；反之，适应度越低，则克隆出的个体越少。从而扩大了搜索范围，实现了群体的多样性，有助于防止进化的早熟和搜索限于局部极小值。
    (5)将克隆增殖之后所有个体，根据自适应交叉概率和变异概率的公式(9)、(10)，独立地对个体进行自适应交叉和变异操作。利用该自适应概率公式，当个体适应度值等于最大适应度值时，也可按一定的概率进行交叉和变异操作，从而提高了算法的寻优能力，更易跳出局部最优。
    (6)在进行遗传操作后，计算每个个体的适应度值，利用爬坡更新规则(11)，按一定的概率Pi挑选克隆的抗体Yi来替换父抗体Xi。如果克隆体集合Yi中最优个体的适应度比其父抗体Xi的适应度小，以概率1进行更新。其结果是，后代中的精英都被保存下来，进入到下一代。与此相反，如果最优子代的适应度大于它的父代，以指数型概率进行更新，以保持群体多样性。此外，为了保存原始种群的信息，指数函数不用于X1代，初代个体中的最佳抗体不能被替换。克隆选择操作可以避免有效基因的损失，从当前群体中选出生命力强的染色体，使它有机会保留用以繁殖后代，从而加快收敛速度和计算效率。
    (7)重复克隆繁殖、遗传操作、克隆选择过程，满足最大迭代次数之后，输出操作得到的最优目标值，以及所对应的最优调度序列。
    根据具体实施例，在模糊作业车间调度过程中，使用本发明提出的方法，即自适应遗传算法和克隆选择算法相结合的算法，记录并筛选出适应度值较好的个体。对于单纯的遗传算法，虽然具有较强的问题求解能力和较强的鲁棒性，但是在求解模糊作业车间调度问题的过程中，也容易使目标解陷入局部最优。但是改进的自适应遗传算法中加入克隆选择算法，目标值朝最优值逼近的速度加快，朝着最优解方向更新种群，又减小了种群陷入局部最优的概率。克隆选择操作加大了较优解附近的探测和搜索力度，提高了算法的运行效率。综上所述，本发明跳出局部最优的能力强，找到最优解的概率大，稳定性好，能有效的解决全局最优问 题。本发明将自适应遗传算法与克隆操作相结合，具有两种算法的优点。本发明能够合理分配资源，缩短车间调度模糊完工时间，提高作业车间模糊调度的效率，更加符合实际的生产调度。
    以上阐述了本发明的基本原理、特征以及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
    表1 3×3模糊调度加工数据

    表2 6×6模糊调度加工数据

    表3 10×10模糊调度加工数据

    表4 3×3模糊调度完工数据

    表5 6×6模糊调度完工数据


    表6 10×10模糊调度完工数据

    举报
    举报     版权申诉
    版权申诉     PDF格式文档无特别注明外均可编辑修改；预览文档经过压缩，下载后原文更清晰！ 立即下载
    关 键  词：
    基于 自适应 遗传 克隆 选择 算法 模糊 作业 车间 调度 方法
      专利查询网所有文档均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论，赶快抢占沙发吧。

    关于本文
    本文标题：基于自适应遗传和克隆选择算法的模糊作业车间调度方法.pdf
    链接地址：https://www.zhuanlichaxun.net/p-4691375.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
    经营许可证编号:粤ICP备2021068784号-1