基于多种群进化机制的作业车间调度方法

摘要

本发明公开了一种基于多种群进化机制的作业车间调度方法，它属于计算机领域，主要解决现有多种群遗传算法的作业车间调度方法容易陷入局部最优和局部搜索能力差的问题。其步骤为：(1)设置参数并初始化种群；(2)评价种群染色体、初始记忆库并用模拟退火算法优化初始记忆库；(3)判断终止条件是否满足，如果满足则输出当前获得的最优调度方案，否则继续步骤4；(4)对各个子种群中的染色体进行交叉和变异操作；(5)子种群与记忆库之间通信；(6)更新记忆库并用模拟退火算法优化记忆库，返回步骤(3)。本发明可获得高质量的作业车间调度方案，缩短生产时间，可用于对作业车间调度方案的选择。

主权项

1.一种基于多种群进化机制的作业车间调度方法，包括如下步骤：(1)设定参数染色体评价次数上限L、子种群个数S、子种群规模P、交叉概率Pc、变异概率Pm、通信概率Pt，设定模拟退火SA算法的初始温度T0、退火系数r和停止温度Tt，定义染色体A的适应度f＝1/T，其中T为染色体A解码后对应调度方案的调度时间，按照设定的参数，随机初始化S个规模为P的染色体子种群，i＝0；(2)计算各个染色体子种群中每个染色体的适应度，提取各染色体子种群中的适应度最大的染色体组成初始的记忆库，并采用SA算法对该记忆库进行优化，令记忆库中当前最优染色体为Abest；(3)判断染色体评价次数是否达到设定的停止上限L，若是则对Abest进行解码，得到一个最优的车间调度方案并输出，否则继续步骤(4)；(4)对第i个子种群执行如下的步骤：4a)对子种群中的每个染色体Sf以概率Pc执行双点交叉算子，生成子代染色体Ss，染色体Ss以概率P(Ss→Sf)＝min{1，exp(-(ts-tf)/tf)}替换染色体Sf，其中ts为Ss的调度时间，tf为Sf的调度时间；4b)对子种群中的每个染色体Sf以概率Pm执行拉马克局部搜索算子，获得的最优子代染色体Sb以概率P(Sb→Sf)＝min{1，exp(-(tb-tf)/tf)}替换父代染色体Sf，其中tb为Sb的调度时间，tf为Sf的调度时间；4c)设i＝i+1；判断i＝S是否成立，若成立，则令i＝0，执行步骤(5)，否则执行步骤(4)；(5)对子种群i执行如下的步骤：5a)对于子种群i中的每一个染色体，以概率Pt和记忆库中随机选择的一个染色体执行双点交叉操作，记忆库中的染色体采用轮盘赌的方式随机选择，双点交叉操作产生的子代染色体Ss以概率P(Ss→Sf)＝min{1，exp(-(ts-tf)/tf)}替换子种群i中父代染色体Sf，其中ts为Ss的调度时间，tf为Sf的调度时间；5b)设i＝i+1；判断i＝S是否成立，若成立，则令i＝0执行步骤(6)，否则执行步骤(5)；(6)更新记忆库，将每个子种群中的最优染色体同记忆库中的染色体比较，如果子种群中染色体Ai的适应度大于记忆库中最差染色体Aj的适应度，则用Ai替换Aj，执行SA算法优化记忆库，用优化后记忆库中的最优染色体替代Abest，执行步骤(3)。