基于不确定环境下的多目标流水车间逆调度方法与流程

技术特征：

1.基于不确定环境下的多目标流水车间逆调度方法，用于车间生产系统的优化与完善，其特征包括如下步骤：

1）、建立基于不确定环境下的多目标流水车间逆调度问题模型

此问题中主要考虑车间效率和车间系统波动情况，包括三个目标：

（1）尽可能小地调整加工参数，即：

（1）

其中，

（2）完工时间和尽可能接近原指标，即：

（2）

其中，

（3）最小化调度系统调整量，即：

（3）

其中，H 代表哈明距离，即两条染色体直接的个体差异

2）、采用改进的混合多目标遗传算法求解上述问题模型，具体过程如下：

（1）设置种群个数为N，依据编码方案，采用混合初始化方式生产初始化种群；

（2）评价上述初始化的种群，并令迭代次数Gen=1；

（3）采用遗传操作，基于改进的变异操作和交叉操作更新当前种群；

（4）形成子种群，并与父代种群合并，形成种群数量为2N的新种群；针对2N个个体，采用NSGAII中的快速非支配排序法进行排序进行非支配解排序，获得非劣解集；

（5）采用比较的方式，将此非劣解集与外部档案集中的解依次对比，将新的非支配解替换旧解，更新外部档案集；

（6）挑选外部档案集中的部分个体，采用基于NEH局部搜索策略执行局部搜索，得到新的个体，重新更新外部档案集；

（7）通过交叉、变异操作，重新组合形成新的种群N；

（8）判断迭代次数Gen是否达到规定的阈值maxGen，若是，则结束算法，输出最后的非支配解集，若否，则令Gen=Gen+1，并跳转至步骤（3）继续操作。

2.如权利要求1所述的基于不确定环境下的多目标流水车间逆调度方法，其特征在于：所述步骤2）中改进的混合多目标遗传算法，所述的编码方案采用实数表达的编码方案，具体为：该编码方案中每一个元素由（I.D）两部分组成：I是整数值，表示工件顺序，D是小数值，由三位小数组成[ABC]，其中AB表示工件的加工工序，C不同工序相应的加工参数波动量。

3.如权利要求1-2之一所述的基于不确定环境下的多目标流水车间逆调度方法，其特征在于：所述种群初始化方式，采用两种非最优调度混合的初始化方法，产生逆调度激发机制。

4.如权利要求1-3之一所述的基于不确定环境下的多目标流水车间逆调度方法，其特征在于：所述适应度值评价方式，在基于NSGAII中快速非支配排序方法的基础上，分别引入拥挤距离和分布函数，来增加种群多样性，同时使得非支配解集均匀分散。

5.如权利要求1-4所述基于不确定环境下的多目标流水车间逆调度方法，其特征在于：针对外部档案集，采用基于NEH局部搜索方法进行更新，具体为：采用NEH算法的插入构想，设计四种邻域结构，通过邻域结构的切换，执行局部搜索，同时，通过公式n_GB = max {N_M . （1 - t/TG），1}，来控制进行邻域搜索个体的数量，减少计算时间。

6.如权利要求1-5所述的基于不确定环境下的多目标流水车间逆调度方法，其特征在于：所述的最后新种群的生产方式具体为：分布从外部档案集和新混合种群中挑选两个个体，执行交叉操作、变异操作，以此方式产生N个个体。