一种基于路径和排序选择的gep人工智能调度方法和装置
技术领域：
：1.本发明属于工厂动态调度
技术领域：
：，具体涉及一种基于路径和排序选择的gep人工智能调度方法和装置。
背景技术：
：：2.gep在解码时，按照从左到右的顺序读取基因中的一个个字符，然后根据语法规则将基因映射为相应的表达式树。gep的这种染色体结构兼备了ga和gp的个体组织方法的优点，因此在解决很多问题上，gep的效率远远要高于ga和gp。基因表达式编程在监督机器学习中的应用研究成果表明,其非常适合于解决分类、复杂函数关系发现问题。消费电子产品的制造加工生产线是一个复杂的随机动态系统。对于柔性混流生产线，生产机器具有一定地柔性，即假定单个工件可以在不同的机器上加工。此时需要解决两个子问题。第一个子问题是工件的工序，需要选择合适的机器上等待进行加工。第二个子问题是某台机器空出来后，需要从同时等待加工的工件中选择合适的工件进行加工。第一个子问题是路径问题，第二个子问题是排序问题。3.现在急需来同时解决路径子问题和排序子问题的调度。为此，我们需要提供一种基于路径和排序选择的gep人工智能调度方法和装置来解决上述的问题。技术实现要素：4.本发明的目的在于提供一种基于路径和排序选择的gep人工智能调度方法和装置，使用基因表达式编程进行求解，其中基因表达式包含两部分基因并分别对应路径选择和排序选择的规则，可同时解决工件加工时路径问题和排序问题的调度，为工件生产加工时提高加工效率，以解决上述
背景技术：
：中提出的问题。5.为实现上述目的，本发明采用了如下技术方案：一种基于路径和排序选择的gep人工智能调度方法，包括如下步骤：6.步骤1：初始化工件和机器设备的信息，对应关系，ct＝0；7.步骤2：ct＝ct+1，更新所有工件当前的工序，以及工件的当前工序和可选机器集合的映射表p2mtable(ct)；8.步骤3:判断是否有工件需要加工，如果否，结束；如果有，转到步骤4；9.步骤4：判断是否有工件需要指派机器，如果是，转步骤5，为所有需要加工的工件确定加工机器；如果否，转步骤6；10.步骤5：对每个需要指派机器的工件，一一使用gep算法中计算出路径选择规则，以及根据路径选择选择优先级最高的机器，将工件列入该机器的加工队列；11.步骤6：如果有机器空闲，转到步骤7；如果没有机器空闲，转到步骤2；12.步骤7：对每台空闲机器，一一使用gep算法中计算排序选择规则，以及根据工序优先排序选择优先级最高的工件工序，机器开始加工该工件；13.步骤8：更新工件状态，机器状态和所有信息表，转到步骤2。14.优选的，所述gep算法的基因表达式格式有函数集fs和终端集ts两种，终端集ts包括有ts_m和ts_w，所述ts_m对应路径选择问题，所述ts_w对应工件选择问题。15.优选的，所述函数集fs包含算数运算加“+”、减“‑”、乘“*”以及保护性的除法“/”，所述保护性的除法“/”在除数为零时返回“1”，所述函数集fs的集合表示为fs＝{+，-，*，/}。16.优选的，所述ts_m包含表示候选机器设备的属性和当前状态的元素并用于构造机器选择的排序，所述ts_m针对每一个工件并根据排序优先级选择设备，所述ts_m集包含下面元素：17.t_fp—timeoffinishedprocesses，机器上已处理完工序的加工时间之和；18.n_fp—numberoffinishedprocesses，机器上已处理完工序的数量；19.t_wp—timeofwaitingprocesses，机器上等待加工工序的加工时间之和；20.n_wp—numberofwaitingprocess，机器上等待加工工序的数量；21.pt—processtime，工件当前工序在机器上的加工时间；22.所述ts_w包含表示候选工件的属性和当前状态的元素并用于构造工件派遣规则的排序，所述ts_w针对每一台设备并根据排序优先级选择对应的工件和工序，所述ts_w集包含下面元素：23.ct—currenttime,当前时间；24.ta—arrivaltimeoftheworkpiece,工件到达时间；25.td—duetime,工件交货期；26.at—arrivaltimeofcurrentprocess,工件当前工序达到时间；27.st—startingtimeofcurrentprocess,工件当前工序最早开工时间；28.rt—relaxingtime,松弛时间，max{td-ct-tup,0},ct表示当前时刻；29.pt—processingtimeofcurrentprocess,工件当前工序在机器上的加工时间；30.it—idletime，工件当前工序的停滞时间，工件闲置时间；31.wt—waitingtime，工件加工机器等待时间；32.tup—timeofunfinishedprocesses，工件剩余未完成工序数总加工时间；33.nup—numberofunfinishedprocesses，工件剩余未完成工序数；34.twp—timeofwaitingprocessesononemachine，工件下一工序加工机器上等待工序总加工时间；35.mt—earliestfreetimeofthemachineforthecurrentprocess，加工当前工序机器的最早空闲时间。36.优选的，所述gep算法设为二元组染色体，所述二元组染色体内的两条染色体分别对应路径的机器指派规则编码和工件排序的工件派遣规则编码，即所述二元组染色体包括路径部分和排序部分，所述路径部分的子染色体内基因头部由fs和ts_m中元素组成及尾部由ts_m中元素组成，所述排序部分的子染色体内基因头部由fs和ts_w中元素组成及尾部由ts_w中元素组成，机器选择路径子问题对应的规则为f＝(pt*pt)+(pt*t_wp)，工序选择排序子问题对应的规则为：f＝(wt+pt)+(st-nup)。37.本发明还提供一种基于路径和排序选择的gep人工智能调度方法的装置，包括规则构造模块和评价模块，所述规则构造模块与评价模块电性连接，所述规则构造模块包括开始单元、种群初始化单元、egp操作单元和新种群形成单元，所述评价模块包括仿真评价体系单元。38.优选的，所述开始单元与种群初始化单元电性连接，所述种群初始化单元与egp操作单元电性连接，所述egp操作单元与新种群形成单元电性连接。39.优选的，所述开始单元用于预先定义函数集、终端集和定义算法参数，所述种群初始化单元用于创建初始种群，所述egp操作单元用于计算创建的初始种群个体的适应度值，并确认适应度值是否满足终止条件，若满足，输出最终结果，则结束，若不满足，则通过egp操作单元采用离线学习方法，结合仿真模型自动构造出的调度规则，生成多组可行策略以供在线实验，用于进行种群的进化和迭代。40.优选的，所述仿真评价体系单元是根据车间人、机、料、法、环的基础信息和动态信息组成，所述评价模块根据生产特点建立仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，以及为实际在线调度提供候选的规则策略。41.优选的，所述种群初始化单元与评价模块电性连接，评价模块根据种群的状态，以及根据车间人机料法环的基础信息以及动态信息，对种群的状态进行评价。42.本发明的技术效果和优点：本发明提出的一种基于路径和排序选择的gep人工智能调度方法和装置，与现有技术相比，具有以下优点：使用基因表达式编程进行求解，其中基因表达式包含两部分基因并分别对应路径选择和排序选择的规则，可同时解决工件加工时路径问题和排序问题的调度，为工件生产加工时提高加工效率。附图说明43.图1为本发明一种基于路径和排序选择的gep人工智能调度方法的流程图；44.图2为本发明一种基于路径和排序选择的gep人工智能调度方法的装置的系统框图；45.图3为本发明里路径染色体表达式书图；46.图4为本发明里排序染色体表达式书图；47.图5为二元染色体组的示意图。具体实施方式48.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。49.本发明提供了如图1-4所示的一种技术方案：一种基于路径和排序选择的gep人工智能调度方法，包括如下步骤：50.步骤1：初始化工件和机器设备的信息，对应关系，ct＝0；51.步骤2：ct＝ct+1，更新所有工件当前的工序，以及工件的当前工序和可选机器集合的映射表p2mtable(ct)；52.步骤3:判断是否有工件需要加工，如果否，结束；如果有，转到步骤4；53.步骤4：判断是否有工件需要指派机器，如果是，转步骤5，为所有需要加工的工件确定加工机器；如果否，转步骤6；54.步骤5：对每个需要指派机器的工件，一一使用gep算法中计算出路径选择规则，以及根据路径选择选择优先级最高的机器，将工件列入该机器的加工队列；55.步骤6：如果有机器空闲，转到步骤7；如果没有机器空闲，转到步骤2；56.步骤7：对每台空闲机器，一一使用gep算法中计算排序选择规则，以及根据工序优先排序选择优先级最高的工件工序，机器开始加工该工件；57.步骤8：更新工件状态，机器状态和所有信息表，转到步骤2。58.其中，所述gpe算法的基因表达式格式有函数集fs和终端集ts两种，终端集ts包括有ts_m(machine)和ts_w(workpiece)，所述ts_m(machine)对应路径选择问题，所述ts_w(workpiece)对应工件选择问题。所述函数集fs包含算数运算加“+”、减“‑”、乘“*”以及保护性的除法“/”，所述保护性的除法“/”在除数为零时返回“1”，所述函数集fs的集合表示为fs＝{+，-，*，/(保护性除法)}；其中，所述ts_m(machine)包含表示候选机器设备的属性和当前状态的元素并用于构造机器选择的排序，所述ts_m(machine)针对每一个工件并根据排序优先级选择设备，所述ts_m(machine)集包含下面元素：59.t_fp—timeoffinishedprocesses，机器上已处理完工序的加工时间之和；60.n_fp—numberoffinishedprocesses，机器上已处理完工序的数量；61.t_wp—timeofwaitingprocesses，机器上等待加工工序的加工时间之和；62.n_wp—numberofwaitingprocess，机器上等待加工工序的数量；63.pt—processtime，工件当前工序在机器上的加工时间；64.所述ts_w(workpiece)包含表示候选工件的属性和当前状态的元素并用于构造工件派遣规则的排序，所述ts_w(workpiece)针对每一台设备并根据排序优先级选择对应的工件和工序，所述ts_w(workpiece)集包含下面元素：65.ct—currenttime,当前时间；66.ta—arrivaltimeoftheworkpiece,工件到达时间；67.td—duetime,工件交货期；68.at—arrivaltimeofcurrentprocess,工件当前工序达到时间；69.st—startingtimeofcurrentprocess,工件当前工序最早开工时间；70.rt—relaxingtime,松弛时间，max{td-ct-tup,0},ct表示当前时刻；71.pt—processingtimeofcurrentprocess,工件当前工序在机器上的加工时间；72.it—idletime，工件当前工序的停滞时间，工件闲置时间；73.wt—waitingtime，工件加工机器等待时间；74.tup—timeofunfinishedprocesses，工件剩余未完成工序数总加工时间；75.nup—numberofunfinishedprocesses，工件剩余未完成工序数；76.twp—timeofwaitingprocessesononemachine，工件下一工序加工机器上等待工序总加工时间；77.mt—earliestfreetimeofthemachineforthecurrentprocess，加工当前工序机器的最早空闲时间。78.其中，所述gpe算法设为二元组染色体，所述二元组染色体内的两条染色体分别对应路径的机器指派规则编码和工件排序的工件派遣规则编码，即所述二元组染色体包括路径部分和排序部分，所述路径部分的子染色体内基因头部由fs和ts_m(machine)中元素组成及尾部由ts_m(machine)中元素组成，所述排序部分的子染色体内基因头部由fs和ts_w(workpiece)中元素组成及尾部由ts_w(workpiece)中元素组成，机器选择路径子问题对应的规则为f＝(pt*pt)+(pt*t_wp)，工序选择排序子问题对应的规则为：f＝(wt+pt)+(st-nup)；79.请参照附图5，下面为二元组染色体组的实施例：80.路径子染色体为单基因染色体，头部长度为7，尾部为5；排序子染色体为两基因染色体，头部长度为3，尾部长度为4；l_tail＝l_head*(n(fs)-1)+1；l_tail为尾部长度；l_head为头部长度；n(fs)为函数集fs大小；下面仅仅是作为示例说明如何构建染色体，其尾部长度和头部长度不一定符合上面公式关系，仅仅是示例说明如何构建，并不表示其长度不对，该示例中的所有设计，其数学上可以任意扩展；81.设置基本问题：82.n：工件总数；83.w：总的工件集＝{w1,w2,…,wn}；84.m：机器总数；85.ω：总的机器集＝{m1,m2,…,mm}；86.i,e：机器序号，i,e＝1,2,3；87.j,k：工件序号，j,k＝1,2,3；88.wj(ct)：第j个工件的当前(currenttime)工序；89.hj，第j个工件的工序总数；90.l，工具序号，l＝1,2,3,…,hj；91.ωjh：第j个工件的第h道工序的可选加工机器集；92.mjh：第j个工件的第h道工序的可选加工机器数；93.ojh：第j个工件的第h道工序；94.mijh：第j个工件的第h道工序在机器i上加工；95.pijh：第j个工件的第h道工序在机器i上的加工时间；96.sjh：第j个工件的第h道工序加工开始时间；97.cjh：第j个工件的第h道工序的加工完成时间；98.dj：j个工件的交货期；99.cj：第j个工件的完成时间；100.cmax：最大完工时间；101.xijh＝1，如果工序ojh选择机器i；oijh＝0，如果工序ojh未选择机器i；102.yijhkl＝1，如果工序oijh先于oikl加工；yijhkl＝0，如果工序oijh未先于oikl加工；103.对所有工件的当前工序对应的机器的关系表格如下：[0104][0105]该表格定义为p2mtable(ct)，processtomachinemappingtable即所有工件的当前工序对应的可选加工机器的映射表；其中为1表示可以在该设备上加工，为0表示不可在该设备上加工；一个工件在多个设备上加工，以及一个设备可以加工不同的工件，说明该生产线具备柔性。[0106]本发明还提供一种基于路径和排序选择的gep人工智能调度方法的装置，包括规则构造模块和评价模块，所述规则构造模块与评价模块电性连接，所述规则构造模块包括开始单元、种群初始化单元、egp操作单元和新种群形成单元，所述评价模块包括仿真评价体系单元；[0107]其中，所述开始单元与种群初始化单元电性连接，所述种群初始化单元与egp操作单元电性连接，所述egp操作单元与新种群形成单元电性连接；[0108]其中，所述开始单元用于预先定义函数集、终端集和定义算法参数，所述种群初始化单元用于创建初始种群，所述egp操作单元用于计算创建的初始种群个体的适应度值，并确认适应度值是否满足终止条件，若满足，输出最终结果，则结束，若不满足，则通过egp操作单元采用离线学习方法，结合仿真模型自动构造出的调度规则，生成多组可行策略以供在线实验，用于进行种群的进化和迭代；[0109]其中，所述仿真评价体系单元是根据车间人、机、料、法、环的基础信息和动态信息组成，所述评价模块根据生产特点建立仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，以及为实际在线调度提供候选的规则策略；[0110]其中，所述种群初始化单元与评价模块电性连接，评价模块根据种群的状态，以及根据车间人机料法环的基础信息以及动态信息，对种群的状态进行评价。[0111]工作原理：使用基因表达式编程进行求解，其中基因表达式包含两部分基因并分别对应路径选择和排序选择的规则，可同时解决工件加工时路径问题和排序问题的调度，为工件生产加工时提高加工效率。[0112]最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12当前第1页12