一种基于多色集合遗传算法的多目标车间调度方法与流程

技术特征：

1.一种基于多色集合遗传算法的多目标车间调度方法，其特征在于，包括以下步骤：

1)根据约束条件和目标函数，运用随机权重系数法将多目标优化转单目标优化；

2)建立工序-设备围道矩阵的约束方式，进行染色体编码，缩小GA的搜索范围。

2.根据权利要求1所述的基于多色集合遗传算法的多目标车间调度方法，其特征在于，所述步骤1)中，约束条件如下：

FJSP被描述为：设M为加工设备的数量，N为待加工工件数量，P为工序数，I为所有设备的集合；Ieg代表工件e的第g道工序的可用设备集合，J_e为工件e的工序数；X为所有工件的加工次序，S_egk表示工件e的第g道工序在设备k上加工的开始时间；E_egk为工件e的第g道工序在设备k上的加工结束时间；T_egk为工件e的第g道工序在设备k上的持续加工时间，且k∈I_eg则有E_egk＝S_egk+T_egk；E_p表示最后工序的完工时间；MS表示所有工件的最后完工时间；

当工件i的第j道工序和工件e的第g道工序在同一台设备上执行，若工序j先于工序g加工时，Q_ijeg＝1，否则Q_ijeg＝0；若工件e的第g道工序在机床k上加工，则X_egk＝1，否则X_egk＝0；

3.根据权利要求1所述的基于多色集合遗传算法的多目标车间调度方法，其特征在于，所述步骤1)中，目标函数为：

(a)完工时间最小：

(b)生产成本最低：

(c)工序能力指数最大：

4.根据权利要求1或2或3所述的基于多色集合遗传算法的多目标车间调度方法，其特征在于，所述步骤1)中，运用随机权重系数法将多目标优化转单目标优化

1-1)偏好定义：

偏好用二元关系表示，给定一组二元关系P和Q，决策者存在以下偏好关系：

(a)若决策者对P的偏好大于Q，记作P＞Q；

(b)若决策者对P的偏好小于Q，记作P＜Q；

(c)若决策者对P，Q的偏好都差不多，记作P～Q；

(d)若未知决策者对P，Q的偏好，记作P？Q；

1-2)设偏好矩阵确定各个目标的重要程度，得到各个目标函数的重要度排序；

1-3)用偏好信息设置各目标函数的随机权重系数：

从偏好矩阵中得到的各个目标之间的重要程度排序，根据重要程度排序来设置随机权重系数；若有n个目标，根据偏好矩阵得到n个目标的偏好排序，比如f₁＞f₂＞...＞f_i＞...＞f_n，利用Matlab软件中的随机函数rand(1,n)得到n个随机数，记为rand₁,rand_i,...,rand_n，将这n个随机数比较大小后排列，越重要的目标对应的随机数越大，进而得到各个目标函数相应的随机权重系数为：

生成权重向量：W＝(w₁,w₂,...,w_i,...,w_n)，进而将多目标函数转化为单目标函数：

5.根据权利要求4所述的基于多色集合遗传算法的多目标车间调度方法，其特征在于，所述步骤2)具体方法如下：

2-1)染色体编码

首先建立工序-设备的围道矩阵，然后进行染色体编码，具体编码是按照某种工件的某道工序在某个设备上加工的信息进行设备的编码，每个码位代表了某种工件的某道工序，每个码位上的信息是设备信息；

2-2)初始化种群

在遗传算法中是对种群执行遗传操作，这里的种群是指染色体，即包含工件工序信息的设备编码；在算法的处理过程中，初始种群数量大小的设置，是算法开始执行的起始点；

2-3)适应度函数

利用偏好矩阵给目标函数配上相应权重，组成一个整体标量适应度函数，进行求解，公式如下：

$F\left(x\right)=w_1{f}_1+w_2{f}_2+...+w_i{f}_i+...+w_n{f}_n=\underset{i=1}{\overset{n}{\Σ}}{w}_i{f}_i$

以三目标为例，F(x)为综合最优函数，综合最优是求最小，由于f₃的目标是求工序能力指数最大，而综合最优是求最小，将求最大的通过倒数形式换成求最小的，所以这里写成如下式所示：

$F\left(x\right)=min(w_1{f}_1+w_2{f}_2+w_3\frac{1}{f_3})$

2-4)选择策略

在计算完适应度值F(x)后，采用精英保留策略，在众多染色体中选取种群数量N_pop的80％的染色体，进入初步的帕累托最优解集；

2-5)交叉操作

采用多点交叉方法，对于数量N_pop＝50的种群，取交叉概率为P_c＝0.8随机选择两个交叉点，对两个染色体上交叉点之间的片段进行交叉操作；

2-6)变异操作

取变异概率P_m＝0.06，计算出需要变异的染色体数量，对于每条染色体随机确定变异的码位，然后搜索工序-设备围道矩阵，寻找该码位上的能够替换的设备编码，产生变异之后的新染色体；通过计算已经变异个体的适应度值F_k'(x)＝fit(k')和F_k(x)＝fit(k)，并进行比较，若fit(k')≥fit(k)则变异可行，反之变异失败，该条染色体无需进行变异。

6.根据权利要求5所述的基于多色集合遗传算法的多目标车间调度方法，其特征在于，所述步骤2-2)中，种群数量设置在20～100。