基于改进SSA算法的多目标柔性车间调度方法

本技术方案是计算机应用，具体是一种基于ssa算法改进的多目标柔性车间调度方法。

背景技术：

1、离散制造是智能制造业的一种重要类型，与流程制造相对应。离散制造具有多品种和小批量生产的特点。为了应对市场的变化，许多企业选择采用柔性制造系统来提高生产的灵活性。这种灵活性使得生产过程更具有适应性。在我国的离散制造企业中，已有超过95％的企业采用了柔性制造系统。

2、生产调度的优劣直接决定了智能制造产业生产效率的高低，其核心是通过集成信息化和工业化，实现生产过程的智能化和自动化。通常来说，不同类型的生产订单，其所需要的生产设备等资源也不同，因此，需要根据不同的生产订单制定不同的生产调度方案，因此生产现场的复杂性也对生产提出了多种要求。为了响应实际生产需求，广大学者对多目标fjsp问题进行了研究。

3、柔性作业车间调度问题fjsp(flexible job shop scheduling problem)是一种柔性作业车间调度问题的重难题，这也成为了研究者研究的重点，研究表明，3台以上机器的流水线调度属于np(np-hard问题)难问题。在fjsp中，也就是柔性制造系统一个主要特点是一个工序可以在多台机器上进行加工，并且不同机器上的加工时间也不同。这样增加了调度过程的灵活性和便捷性，更符合现代制造业的实际情况。

4、对于这种调度np难问题，产生了以下三大类求解方法：

5、首先是传统的最优化方法，对于最优化方法，主要包括数学规划法、拉格朗日松弛法、分枝定界法和枚举法等。数学规划法将fjsp问题建模为数学规划模型，并采用整数规划、动态规划和决策分析等方法来解决调度最优化问题。拉格朗日松弛法是一种以求解目标值下界为目的的方法。

6、其次是启发式方法。尽管最优化方法可以用来求解最优解，但对于一些大规模甚至中等规模的调度问题，最优化方法往往难以应用。因此，在求解流水车间调度问题时，常常使用启发式算法。启发式方法的目标是通过探索各种替代方案来找到接近最优的调度计划，从而最大限度地降低生产成本。

7、基于启发式方法，许多研究人员提出元启发式方法，它将随机算法与局部搜索相结合，并包含各种群体智能优化算法。其中，松鼠觅食算法(squirrel search algorithm，ssa)是最新的一种群体智能优化算法，具有高求解精度、强稳定性和适用于大规模问题等特点。然而，与其他智能优化算法一样，ssa算法仍然存在早熟收敛、局部最优和后期收敛速度慢等问题。

技术实现思路

1、通过解决上述技术问题，本发明把改进之后的ssa算法应用于解决较大规模离散车间生产调度上，让ssa更加适合解决实际的多目标调度问题。

2、解决的步骤是：

3、(1)给出车间生产的复杂情况，提出柔性车间调度问题，针对离散车间制造实际情况建立调度优化模型。

4、(2)通过编码解码的方式对离散的车间调度问题进行连续化处理。

5、(3)改进传统的ssa算法，利用佳点集法改进初始种群位置，针对问题设计变邻域搜索算法提高局部搜索的准确度。

6、(4)寻找最适合求解多目标调度问题的调度序列的方法。

7、在步骤(1)中的分析车间生产情况，这里的工作主要是在分析实际车间可能会产生的问题，发现因为车间情况复杂但是作业调度安排灵活，往往需要多个指标用来得到最优的调度计划。当两个或多个目标同时优化时，减少一个功能可能会导致另一个或多个功能增加。这使得双目标或多目标fjsp比单目标fjsp更难求解，但是会获得fjsp高质量解决方案的结果。

8、面对求解fjsp问题，使用群体智能优化算法的就需要对其数据进行编码解码处理，也就是mes系统的生产过程产生的数据，把这些数据放到模型中进行计算。这些数据属于离散数据，如果需要用智能优化算法求解首先需要将离散的数据连续化，这里本发明就是将调度计划编码成连续数据，模型计算求解得到的结果再将其解码成最优的调度计划如图1。这里使用msos编码方式来进行编码解码。

9、改进1，对松鼠觅食算法ssa进行改进方法为：ssa算法初始种群均匀分布可确保种群的多样性和遍历性，提高算法的搜索性，在原始ssa中采用随机初始化种群个体，难以保证种群的多样性。佳点集是一种分布均匀、有效的选点方式，利用佳点集的均匀性初始化种群，可以提高种群的多样性。通过和随机分布与tent混沌映射的比较，可以看出佳点集更加均匀分布，且效果误差更小。

10、改进2，对松鼠觅食算法ssa进行改进方法为：结合ssa算法特点引入变邻域搜索算法vns，在不降低原算法收敛速度快优点的基础上，使算法的搜索能力更加灵活。

11、改进后的变邻域搜索，对ssa共有两次修改过程：第一次修改采用ssa方法(采取当迭代处于一半的时候，ssa算法向最优解快速靠拢的独特更新机制进行更新个体位置)使个体跳跃到当前全局最优位置的附近，用来向最优解快速靠拢；第二次修改采用vns方法，即对初始解和经过初步搜索的中间解进行局部搜索，以期稳定的优化结果，提升局部搜索的精度。改进后的变邻域搜索既充分利用了当前最优解个体的位置信息，又充分利用了全局最优解的位置信息，寻优更加灵活，以此来克服ssa容易陷入局部最优解的问题。

12、改进3，改进之后的智能优化算法ssa还是无法求解多目标问题，本发明建立外部记忆库存储ssa算法求解中的非劣解，采取pareto最优解集用来求解多目标fjsp问题，并进行模糊决策法改进多目标求解，对pareto最优解集进行计算解的满意度，最终得到最优解。

技术特征：

1.一种基于改进ssa算法的多目标柔性车间调度方法，步骤包括：1)对离散的车间调度问题建立调度模型；2)对离散的车间调度问题进行连续化处理得到调度序列；3)求解连续化后的车间调度问题；其特征是

2.根据权利要求1所述的基于改进ssa算法的多目标柔性车间调度方法，其特征是步骤3)中，vns的邻域结构包括：

3.根据权利要求1所述的基于改进ssa算法的多目标柔性车间调度方法，其特征是建立外部记忆库em存储改进ssa算法求解中的非劣解；

4.根据权利要求1所述的基于改进ssa算法的多目标柔性车间调度方法，其特征是应用于生产制造执行mes系统中的调度子系统模块。

技术总结
一种基于改进SSA算法的多目标柔性车间调度方法，步骤包括：1)针对实际的离散车间问题建立多目标柔性车间调度模型；2)通过MSOS编码方式对离散的车间调度数据进行连续化处理，使用SSA智能优化算法求解连续化后的车间调度问题；3)对步骤2)中的SSA进行改进，利用佳点集法改进初始种群位置，通过变邻域搜索算法提高局部搜索的准确度；4)建立外部记忆库存储算法求解过程中的非劣解，使用Pareto最优解集和模糊决策法求解并获取多目标柔性车间调度问题的最优解，解码为最佳调度计划。本发明的核心是改进对SSA它，克服SSA在求解柔性车间调度问题时初始种群分布不均匀和易陷入局部最优解的问题。

技术研发人员：李荣雨,毛国清,刘学军
受保护的技术使用者：南京工业大学
技术研发日：
技术公布日：2024/3/4