基于遗传算法的可重组生产线调度方法

摘要

一种自动控制与信息技术领域的基于遗传算法的可重组生产线调度方法，包括未完成的加工任务的排序和设备的分配，在工件的排序中，利用遗传算法对一条包含一台可移动设备和一台可变结构设备的可重组生产线的n个未完成加工任务进行最优排序，得到加工任务的最优排序，然后根据该排序进行设备重组。本发明采用GA算法以便在采用可重组生产线加工的系统中确定未完成生产计划的优化排序；考虑了可移动机床与可变结构机床的重组操作，可以根据汽车电机多品种、变批量的生产特点解决可重组生产线调度问题；减少可重组生产线的重组费用，和汽车电机制造厂提供的各工业数据组进行比较表明重组费用降低了53％。

主权项

1.一种基于遗传算法的可重组生产线调度方法，其特征在于，包括未完成的加工任务的排序和设备的分配，在加工任务的排序中，利用遗传算法对一条包含一台可移动设备和一台可变结构设备的可重组生产线的n个未完成加工任务，进行最优排序，得到加工任务的最优排序，然后根据该排序进行设备重组，其中n表示生产线当前需要进行调度的加工任务的个数；所述的未完成的加工任务的排序，具体分为如下几个步骤：(1)将生产线未完成的n个加工任务进行随机排列，产生可能的加工序列，取其中的100个随机排列作为调度算法的初始种群；(2)通过计算得到每个初始种群的加工重组费用，根据染色体的序列和生产线的初始状态，计算出生产线的重组费用$f_1=\underset{i}{\Sigma }{g}^i+\underset{j}{\Sigma }{h}^j$ 式中，gi表示可移动设备进行重组的加工工序的第i次重组的费用，hj表示可变结构设备进行重组的加工工序的第j次重组的费用，i、j为不小于1的有限的自然数，其中，工序i的重组费用函数定义为g：S×S→R，S为采用可移动设备进行调整的加工工序的状态集，S＝{s0，s1}，s0表示可移动设备未参与生产，s1表示可移动设备参与生产，采用可变结构设备进行调整的加工工序的重组费用函数为h.Q×Q→R，Q为采用可变结构设备进行调整的加工工序的状态集；(3)计算约束惩罚值：约束惩罚值计算定义为：Minimize$f_2=\underset{i=1}{\overset{n}{\Sigma }}{T}_1,$T1＝d1-e1 其中，D＝{d1，d2··dn}为工件加工期集合；E＝{e1，e2…en}为工件完成期集合；n表示加工任务的数量；(4)计算个体的适应度计算个体的适应度定义为：f3＝w1f1+w2f2 其中，w1，w2表示不同的目标优化权重，取0～1之间的任何值；(5)对初始种群的个体采用交叉变异的方式进行优化采用期望值方法，选择父代个体，对父代个体的染色体进行交叉，产生子代种群，并对子代种群中的个体进行变异操作，根据染色体个体进行评估，其中每一个染色体的评估值由适应度函数与限制值所决定；(6)反复迭代若子代数小于预先设定的迭代数，则重复上述(2)～(5)的操作过程，子代数若等于预先设定的迭代数，对适应度值进行比较，挑选种群中的最优个体。