考虑机器配置的混合流水车间数学启发式调度方法及系统

本发明属于车间调度相关，更具体地，涉及一种考虑机器配置的混合流水车间数学启发式调度方法及系统。

背景技术：

1、在现代制造业中，生产管理过程中的订单调度与整个工厂的运行状况密切相关。调度是在有限的生产资源和车间资源下做出符合实际需求的调度方案。目前现代工厂由于小批量、定制化生产模式，往往订单随时间具有零散、波动较大的特征，企业为保证利益最大化，通常优先满足最大订单的生产需求，使得车间资源对于订单资源来说是富余的。同时混合流水车间(hybrid flow shop,hfs)类型作为现代自动化工厂的典型车间类型之一，广泛应用于食品、电子制造、化工等行业，因此考虑机器配置的混合流水车间调度问题(hybrid flow shop scheduling with machine configurations,hfsp-mc)，通过优化机器使用数量，节约能源，旨在解决订单波动和车间饱和度差异，在混合流水车间中优化每阶段机器数、工件序列和机器选择，从而达到优化整体订单的交货期和机器数量目的。

2、在以往混合流水车间调度问题及其变体中，传统算法往往围绕相同的编解码方式进行设计，在解码阶段不论是采用混合规则解码或者正反混合解码都会造成部分解空间无法搜寻到。算法通过增加复杂的领域搜索机制和择优性能使解空间变得复杂，算法求解的稳定性受到挑战。

3、当前算法与模型的分离求解，未对调度模型本身的约束性质进行分析和求解。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种考虑机器配置的混合流水车间数学启发式调度方法及系统，所述方法通过对于考虑机器配置的混合流水车间调度问题建立混合整数线性规划模型(mixed integer linear programming，milp)，设计了一种模型与算法迭代搜索的数学启发式算法，通过协调变量传递和milp的解空间大小，达到搜索质量和搜索时间的平衡。

2、为实现上述目的，按照本发明的一个方面，提供了一种考虑机器配置的混合流水车间数学启发式调度方法，该方法包括以下步骤：

3、(1)对考虑机器配置的混合流水车间构建混合整数线性规划模型，所述混合整数线性规划模型的优化目标为确定每阶段的机器数量和工件工序在机器上的加工顺序，使得交货期偏差时间与使用机器数的加权总和f＝loga∑∑mj,k+logb∑(wie·ei+wit·ti)最小，其中，mj,k为第j阶段的第k台机器是否参与加工，为1表示参与加工，否则不参与加工；a,b为对数参数，通过调参实验获得；wie为提前完工时间的权重值；ei为提前完工时间；wit为延迟完工时间的权重值；ti为延迟完工时间；

4、(2)基于混合整数线性规划模型的决策变量确定数学启发式算法的编码结构，并将编码序列作为染色体加入种群中，进而进行解码以得到当前轮的最优调度解；

5、(3)将每一轮迭代的染色体种群中的最优调度解加入精英种群中，即对每轮迭代精英种群中的解进行更新以替换末尾次优解，以保证精英种群中的解为历史最优解；

6、(4)基于算例规模确定精英种群向混合整数线性规划模型传递变量的传递规则，并确定该传递规则对应的子模型，即参数化了每阶段机器数和每阶段工件的机器选择的混合整数线性规划模型；

7、(5)对得到的子模型进行求解，每次求解的值作为当前传递染色体的适应度函数值并进入种群进行优劣淘汰搜索，进而得到最终的调度最优解。

8、进一步的，编码结构为双层编码结构，第一层为工件序列，代表每个阶段工件工序能使用的加工机器；第二层为工件序列，代表某一阶段的工件工序的优先级关系。

9、进一步地，将双层编码序列作为染色体加入种群中，编码结构的序列为：

10、[m1 m2 m3 ... mj-1 mj]

11、[s1 s2 ... si-2 si-1 si]。

12、进一步地，解码时，染色体编码序列作为工件首阶段的工件序列，依次根据机器数编码序列所代表的每阶段机器数安排最早空闲机器进行加工，得到正向解码后的调度解g正；然后，将染色体编码序列作为工件末端阶段的工件序列，依次根据机器数编码序列所代表的每阶段机器数按照最晚空闲机器进行加工，得到反向解码后的调度解g反；比较正向解码的调度解g正和反向解码的调度解g反的优劣，选择更好的解作为解码的调度解g0；以减小每个工件的交货期偏差为目标应用空闲时间块移动规则对解码后的调度解进行处理，以得到处理后更优的调度解，作为该轮的最终调度解g终。

13、进一步地，正向解码是通过将工件序列染色体提供的工件序列作为第一阶段工件序列，按照空闲机器先加工的规则进行加工；反向解码是通过将染色体的工件序列作为最后一个阶段的从右往左的加工序列，同样采用空闲机器先加工的规则进行加工，选取两次解码过程中的更优解作为解码结果。

14、进一步地，对解码后的可行解的末尾阶段每台机器上的连续时间块，从右往左依次判断是否成为独立的时间块，再判断独立连续的时间块是否满足左移或者右移的条件，每次移动以一个单位进行，如果移动后整体目标函数值减小，则移动有效，否则不移动。

15、进一步地，精英种群产生的迭代过程中，首先，依据随机生成的概率p对染色体进行交叉操作，即选取两个染色体序列，分别对机器数层和工件工序层随机选择两个交叉位置，交换交叉点之间的基因，从另一个染色体交换来的基因在原染色体中移除，然后依次填充剩余基因到空缺位置，接着，依据随机生成的概率p对染色体进行变异操作，即对机器数层和工件工序层随机选择序列中的一个基因位置，由标准机器数随机生成一个值替换原来的基因位置的值，并保持序列的完整性。

16、进一步地，传递规则包括规则a，向milp模型传递每阶段机器数和每阶段工件的机器选择，即规则a所对应的待求解子模型即参数化了每阶段机器数和每阶段工件的机器选择的milp模型。

17、进一步地，决策变量包括每阶段机器数量、工件序列和机器选择；对子模型进行求解，每次求解的值作为该传递染色体的适应度函数值，进入种群进行优劣淘汰搜索，继续对这一代中精英种群中的染色体进行子序列的规则判断、子模型确定以及模型求解，直至这一代中的精英种群全部优化完毕，判断是否满足算法的迭代时间阈值，若满足则输出最优解，若不满足继续遗传算法部分精英种群的生成，如此循环。

18、本发明提供了一种考虑机器配置的混合流水车间数学启发式调度系统，该系统包括存储器及处理器，所述存储器储存有计算机程序，所述处理器执行所述计算机程序时执行如上所述的考虑机器配置的混合流水车间数学启发式调度方法。

19、总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的考虑机器配置的混合流水车间数学启发式调度方法及系统主要具有以下有益效果：

20、1.本发明所提供的混合元启发式算法与现的混合算法相比，通过采用元启发式算法获取精英种群信息，并为其子序列设计传递规则，确定规定对应的子模型，对子模型进行精确求解，即能够获得当前领域范围内的最优解，提高了算法的搜索质量，实现了高效获取最优目标的调度方案。

21、2.本发明通过对精英种群的可行解子序列进行模型细化，精英种群能够获取当前最优解，在此基础上模型可以检索该可行解领域范围内的最优解，使用这种方法可以减少使用模型的次数，细化搜索方向以提高搜索效率。

22、3.本发明通过混合解码方法和空闲时间块移动规则，保证了解码过程的最优性，由于目标函数包括最小化提前/延迟时间加权和，因此采用此方式可以获得该编码空间下对应的调度结果的更优解，提高了搜索效率。

23、4.对于考虑机器配置的混合流水车间调度问题，在算例规模增大时，使用其他混合算法的搜索效率降低，可能陷入局部最优，当使用本发明的求解方法时，能够搜索到更多的可行解的领域解，保证全局最优性。