r>[0035]
[0036]
[0037]
[0038]
[0039]
[0040] 设产品集合为N，生产设备集合为M，其中工件或产品数为n，设备数为m。每种产品 j (j e (1，···，η))需要Stgj道加工工序，St = Stg1U Stg2U ... U Stgn表示所有产品的工 序数所构成的集合，同种产品的不同工序需要按先后顺序加工；所有工序只能由集合M中 满足加工约束的设备加工；产品的加工时间与加工设备有关，任何设备i(i e (1，···，!!〇) 同一时刻只能加工一种产品；不同产品间带序相关设置时间，设置时间依赖于加工顺序，同 种产品间的设置时间为0。
[0041 ] 4
为所有产品的总工序数，：π = [JT1, JT2,…，JTTS] (J^e (1，… ，n)，j = 1，…，TS)为待加工的η个广品或工件的基于工序的排列（该排列中的广品从左 往右根据一定规则和加工约束分配到各台设备上加工），T1为第i台设备上加工的工序总 数
为第i台设备 上所加工工件的基于工序的排列，/5Orfn)为巧的加工时间
之间的设置时间
> 当k > 1且
为；rf1的开始加工时间 U = H.，
的前一次加工所用的设备号（k = 1，…，T1，当;r〖(n是首次加工时
为<?的前一次加工在设 备中从左往右的位置（k = 1，···，T1，当;rf"是首次加工时Prej(Ww) = O )，优 化的目标为在所有产品排序的集合Π中找到一个π %使得最早完工时间Cniax(Ji)最小；
[0042] 其中，式⑴至式⑶为最早完工时间Cniax(Ji)的计算公式，式⑷和式（5)表示 在所有产品排序的集合Π中找到最优排序π %使得Cniax(Ji)最小。调度的目标为在所有 待染色的面料排序的集合Π中找到一个π %使得最大完工时间Cniax(Ji)最小。
[0043] 所述基于遗传-分布估计算法的优化调度方法的具体步骤如下：
[0044] St印1、编码方式：以待染色的面料排序进行编码31 = [JI1, 31 2，···，JIts];其中 TS表不所有广品的总工序数；
[0045] St印2、概率矩阵和种群的初始化：
[0046] St印2. 1 :初始化概率矩阵：首先需要构造用于训练的初始概率模型或矩阵 Pcifi (gen) = [PiJnxTs，初始化的POTi (gen)所有基因位上的等位基因的概率取值相等，即Pu =1/n (i = 1，. . .，n, j = 1，. . .，TS)，初始化的概率矩阵POTi (gen = 1)的形式如式（6)所 示，其中gen表示种群进化的代数；
[0047]
(6)
[0048] Step2. 2 :初始化种群：GA-EDA采用随机方式初始化种群，即算法随机产生 popsize个个体，构成种群规模为popsize的初始种群Pop randi (gen = 1);
[0049] Step3、概率矩阵的更新机制：GA-EDA使用历史最优个体更新概率矩阵，设 π lcK：al (gen) = π lcK：al」(gen)，. . .，π lcK：al_TS(gen)为种群在第 gen 代的历史最优个体，LR 是 学习速率，则概率矩阵Pniatoix (gen)采用如下步骤更新：
[0050] St印3. 1 :设
其中，j = 1，..，TS;
[0051] Step3. 2 :概率归一化：
，其中，w = 1，· ·，n，j = I,. . . , TS0
[0052] Step4、产生新种群：
[0053] Step4. I :产生候选种群：候选种群popcandi (gen)由两部分构成：（1)候选种群 P〇Pcandi (gen)中e%的个体根据轮盘赌的方法对EDA概率矩阵Pmattix(gen)采样形成；（2)其 余g%的个体由上一代种群Pop randi (gen-Ι)中适配值最好的前g%的个体构成；
[0054] Step4. 2 :产生新种群：通过对Popcandi (gen)顺序执行GA的遗传操作，形成新种群
[0055] St印5、终止条件：设定终止条件的最大迭代次数为200,如果满足，则输出"最优 个体"；否则转至St印3,反复迭代，直到满足终止条件。
[0056] 所述种群规模设置为popsize = 50，学习速率LR = 0· 1，e% = 0· 6, g% = 0· 4。
[0057] 实施例2 :如图1所示，一种纺织面料染色过程的优化调度方法，首先通过确定面 料染色过程调度模型和优化目标，并使用基于遗传-分布估计算法GA-EDA的优化调度方法 对优化目标进行优化；其中调度模型依据每台染色设备上所加工面料的最大完工时间来建
[0058] 立，同时优化目标为最小化最大完工时间为Cmax:
[0059]
[0060]
[0061]
[0062]
[0063] 设产品集合为N，生产设备集合为M，其中工件或产品数为n，设备数为m。每种产品 j (j e (1，···，η))需要Stgj道加工工序，St = Stg1U Stg2U ... U Stgn表示所有产品的工 序数所构成的集合，同种产品的不同工序需要按先后顺序加工；所有工序只能由集合M中 满足加工约束的设备加工；产品的加工时间与加工设备有关，任何设备i(i e (1，···，!!〇) 同一时刻只能加工一种产品；不同产品间带序相关设置时间，设置时间依赖于加工顺序，同 种产品间的设置时间为0。
[0064] 令
，.为所有产品的总工序数，：π = [ π π 2,…，π TS] ( π (1，… ，n)，j = 1，…，TS)为待加工的η个广品或工件的基于工序的排列（该排列中的广品从左 往右根据一定规则和加工约束分配到各台设备上加工），T1为第i台设备上加工的工序总 数
为第i台设备 上所加工工件的基于工序的排列，尸为vf'的加工时间U=O,…,7；，P(4(n) = 〇)，
之间的设置时间
当k > 1且
为龙P的开始加工时间
为；rf1的前一次加工所用的设备号（k = 1，…，T1，当;rf"是首次加工时，
为的前一次加工在设 备，〃《彳叫中从左往右的位置（k = 1，…，T1，当;rf"是首次加工时
，优 化的目标为在所有产品排序的集合Π 中找到一个π %使得最早完工时间Cniax(Ji)最小；
[0065] 其中，式⑴至式⑶为最早完工时间Cniax(Ji)的计算公式，式⑷和式（5)表示 在所有产品排序的集合Π 中找到最优排序π %使得Cniax(Ji)最小。调度的目标为在所有 待染色的面料排序的集合Π 中找到一个π %使得最大完工时间Cniax(Ji)最小。
[0066] 所述基于遗传-分布估计算法的优化调度方法的具体步骤如下：
[0067] St印1、编码方式：以待染色的面料排序进行编码π = [Ji1, π 2，···，jtts];其中 TS表不所有广品的总工序数；
[0068] St印2、概率矩阵和种群的初始化：
[0069] St印2. 1 :初始化概率矩阵：首先需要构造用于训练的初始概率模型或矩阵 Pcifi (gen) = [PiJnxTs，初始化的POTi (gen)所有基因位上的等位基因的概率取值相等，即Pu =1/n (i = 1，. . .，n, j = 1，. . .，TS)，初始化的概率矩阵POTi (gen = 1)的形式如式（6)所 示，其中gen表示种群进化的代数；
[0070] (6)
[0071 ] Step2. 2 :初始化种群：GA-EDA采用随机方式初始化种群，即算法随机产生 popsize个个体，构成种群规模为popsize的初始种群Poprandi (gen = 1);
[0072] Step3、概率矩阵的更新机制：GA-EDA使用历史最优个体更新概率矩阵，设 π lcK：al (gen) = π lcK：al」(gen)，. . .，π lcK：al_TS(gen)为种群在第 gen 代的历史最优个体，LR 是 学习速率，则概率矩阵Pniatoix (gen)采用如下步骤更新：
[0073] St 印 3. 1 :设
[0074] Step3. 2 :概率归一化：
，其中，