CN108320057A - 一种基于有限制稳定配对策略的柔性作业车间调度方法 - Google Patents

一种基于有限制稳定配对策略的柔性作业车间调度方法 Download PDF

Info

Publication number
CN108320057A
CN108320057A CN201810124599.8A CN201810124599A CN108320057A CN 108320057 A CN108320057 A CN 108320057A CN 201810124599 A CN201810124599 A CN 201810124599A CN 108320057 A CN108320057 A CN 108320057A
Authority
CN
China
Prior art keywords
preference
solution
sub
chromosome
solving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810124599.8A
Other languages
English (en)
Other versions
CN108320057B (zh
Inventor
朱启兵
杨宇
黄敏
郭亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201810124599.8A priority Critical patent/CN108320057B/zh
Priority to AU2018407695A priority patent/AU2018407695B2/en
Priority to PCT/CN2018/079333 priority patent/WO2019153429A1/zh
Priority to US16/325,571 priority patent/US20200026264A1/en
Publication of CN108320057A publication Critical patent/CN108320057A/zh
Application granted granted Critical
Publication of CN108320057B publication Critical patent/CN108320057B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32091—Algorithm, genetic algorithm, evolution strategy
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Biomedical Technology (AREA)
  • Manufacturing & Machinery (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Primary Health Care (AREA)

Abstract

本发明提供了一种基于有限制稳定配对策略的柔性作业车间调度方法，属于作业车间调度领域。该方法设计方案为：a、通过整数编码生成初始染色体种群，并初始化有关参数；b、对父代染色体进行交叉、变异操作，获得子代染色体；c、将子代染色体和父代染色体组成待选染色体集合，通过有限制的稳定配对操作，从中选择下一代染色体；d、若满足截止条件停止算法，否则返回步骤b。本发明将有限制稳定配对策略引入选择子代染色体的过程中，来解决多目标柔性作业车间调度问题，用来克服现有多目标柔性作业车间调度问题解决方法在解决此类问题时出现的种群分布性和收敛性不足的缺点，可得到更为优秀的调度方案，实时性好，可靠性高。

Description

一种基于有限制稳定配对策略的柔性作业车间调度方法
技术领域
本发明属于作业车间调度领域，涉及一种多目标柔性作业车间调度问题的求解方法，尤其是一种基于有限制稳定配对策略的柔性作业车间调度方法。
背景技术
作业车间调度对资源的优化配置和科学运作起着重要的作用，是企业实现制造系统平稳、高效运转的关键。柔性作业车间调度问题(Flexible Job-shop SchedulingProblem，简称FJSP) 是指在并行机和多功能机并存的作业车间内合理安排各工件工序的加工机器和作业时间，以实现给定的多性能指标优化。FJSP突破了经典车间调度问题对机器约束的限制，每个工序可以在多台机器上加工，能够更好地体现现代制造系统的柔性特征，也更贴近实际生产的加工流程。FJSP包含了机器分配和工序调度两个问题，具有约束条件多、计算复杂度高等特点，属于典型的NP-hard问题。研究FJSP的求解策略一直是生产管理及组合优化领域的研究热点之一，具有重要的理论和实际应用价值。利用现有的FJSP求解算法得到的解，能够较好地收敛到Pareto前沿，有较好的收敛性能，从与Pareto前沿对应的Pareto解集中可以选择较好的染色体，并解码成符合决策要求的调度方案，但因算法本身在多样性的不足，以至于无法为决策者提供更为宽泛的调度方案。
发明内容
本发明的目的是为了克服原方法无法提供宽泛优化调度方案的不足，提出了一种利用有限制稳定配对策略求解多目标FJSP的方法，其能够利用限制信息改善解的多样性，从而为决策者提供更好的、更多的调度方案。
本发明的技术方案：
一种基于有限制稳定配对策略的柔性作业车间调度方法，步骤如下：
a、相关参数初始化：根据生产订单的具体内容，通过整数编码得到满足约束条件的初始染色体种群，确定每个子问题的临域，并计算适应度值；
b、从每个子问题的临域中选择父代染色体，通过模拟二进制交叉和多项式变异生成子代染色体，并计算适应度值；
c、选择子代种群：
c1将新生成的子代染色体集合和原始父代染色体集合合并成待选染色体集合 S＝{s1,s2,...,s2N}，并将其映射到目标空间中，得到待选解集合X＝{x1,x2,...,x2N}，子问题集合P＝{p1,...,pt,...,pN}，权向量集合w＝{ω1,...,ωt,...,ωN}，其中，N为染色体个数；
c2选用解相对于子问题的角度作为位置信息θ；
c3构造自适应转移函数，并利用位置信息θ得到限制信息；
c4通过加入限制信息的子问题对解的偏好值计算式得到偏好值，将偏好值按升序排列，得到子问题对所有解的偏好排序，将所有子问题进行同样操作，得到子问题对解的偏好矩阵ψp；
c5通过解对子问题的偏好值计算式得到偏好值，将偏好值按升序排列，得到解对所有子问题的偏好序列，将所有子问题进行同样操作，得到解对子问题的偏好矩阵ψx；
c6将偏好矩阵ψp、ψx的信息作为输入，通过延迟接受程序得到子问题和解的稳定配对关系，从而选择子代解，并同时选择与子代解相对应的染色体；
d、当满足截止条件时，则输出种群Pareto解集，决策者根据实际要求，从Pareto解集中选择一条染色体，并将其解码形成可行的调度方案；否则返回步骤b。
所述步骤c2中位置信息θ的获取：首先将m维目标空间F(x)＝[f1(x),…fl(x),…fm(x)]∈Rm转化为个二维空间Fc(x)＝[fu(x),fv(x)]；其中，c为二维空间编号，u、v为空间维数编号，u、v∈[1,2,...,m]；fu(x),fv(x)分别表示解x∈X在二维空间中的目标值；然后确定子问题p∈P对应的权向量ω∈w在二维空间的分量ωuv＝(ωu,ωv)；最后计算位置信息θ的一个夹角分量θuv(x,p)：θuv(x,p)＝arctan(|fu(x)-ωu|/|fv(x)-ωv|)，其中，角度θ为子问题p与解x在个二维平面上的夹角分量之和,θuv(x,p)∈[0,π/2]；
步骤c3中所述的限制信息是通过位置信息θ和转移函数获得的，转移函数如式(1)
其中，L为控制参数，L越大转移函数越均匀；为解决迭代前期过度收敛问题，且保证迭代后期收敛性和多样性的平衡，随着算法迭代，L设置从1逐步增加到20；
所述步骤c4中，子问题对解的偏好矩阵ψp的计算步骤为：子问题p对候选解x的偏好值Δp通过式(2)计算，由此得到子问题p对2N个候选解的偏好值，将偏好值做升序处理，得到一个子问题对解的偏好排序，将其作为偏好矩阵ψp的一行，按照同样方法计算所有子问题对解的偏好排序，得到带限制信息的子问题对解的偏好矩阵ψp，故ψp为N×2N矩阵；
其中，ω为子问题p的权向量，z*为参考点，其中，
所述步骤c5中，解对子问题的偏好矩阵ψx的计算步骤为：
解x对子问题p的偏好值通过式(3)计算，由此可得到解x对N个子问题的偏好值，将偏好值做升序处理，得到一个解对子问题的偏好排序，将其作为偏好矩阵ψx的一行，故ψx为2N ×N矩阵；
其中，是解x标准化的目标向量，||·||为欧式距离；
本发明的有益效果：将限制信息加入到子问题对解偏好值的计算中，使靠近子问题的解处于子问题对解偏好矩阵的前端，以提高目标空间中靠近子问题的解的被选择概率。这样，在进化过程中被选解的多样性得到提高，避免了被选解收敛在一个很狭小的区域内，解决了过度收敛问题。上述做法的主要目的是为平衡演化过程中解的多样性和收敛性，以在算法结束时得到收敛性、多样性更好的Pareto解集。由上述方法得到的Pareto解集，通过解码操作，可得到更为符合实际生产要求的优化调度方案。
附图说明
图1为本算法的流程图。
图2为限制算子作用图。
图3为不同求解策略求解实际生产订单的Pareto前沿。
结合附图，本发明实施例中附图标记如下：
1-未加限制信息选择到的解的分布；2-加限制信息选择到的解的分布；3-利用本发明提出的求解策略求解FJSP得到的Pareto前沿；4-利用带精英策略的非支配排序的遗传算法求解策略求解FJSP得到的Pareto前沿；5-利用基于稳定配对选择策略的多目标进化算法求解策略求解FJSP得到的Pareto前沿。
具体实施方式
下面结合具体附图和实施例对本发明进一步说明。
如图1所示：为了得到更符合实际生产的生产过程调度方案，本发明利用有限制稳定配对策略求解多目标FJSP的方法包括如下步骤：
a、初始化有关参数和种群
a1、初始化各相关参数，包括种群包含目标空间维数m＝2、染色体个数N＝40、交叉概率 Pc＝0.8、变异概率Pm＝0.6、迭代次数K＝400、临域参数T＝5以及限制算子控制参数L＝1；
a2、设置一组均匀分布的权向量w＝{ω1,...,ωt,...,ωN},其中一个向量ωt＝(ωt,1,…,ωt,l,…,ωt,m)∈Rm,ωt,l≥0,同时可得子问题集合P＝{p1,...,pt,...,pN}，计算每一个权向量与其它权向量的欧氏距离，对权向量ωt,t＝1,2,...,N,设置一个集合B(t)＝{t1,t2,...,tT}，此时ωt1,ωt2,...,ωtT为离ωt最近的T个向量；
a3、随机产生N个整数编码染色体的种群S＝{s1,s2,...,sN},计算适应度值，得到在目标空间中的解集X＝{x1,x2,...,xN}，令g＝1；并初始化参考点其中以“3工件3机器”为例，通过整数编码得到一条满足约束条件的染色体，如下表所示：
b、生成子代染色体
对于权向量i，从B(i)随机选择中随机选择两个索引:τ,κ.进而选择两染色体sκ和sτ，并将sκ和sτ作为父代染色体按照交叉概率Pc进行模拟二进制交叉操作，按照变异概率Pm进行多项式变异操作，生成一个子代染色体sN+i，并计算适应度值得到解xN+i。按照上述操作，每一次进化操作都生成N个子代染色体；
c、从被选集合中选择合适的子代种群
c1、将新生成子代染色体集合和原始父代染色体集合合并成待选染色体集合 S＝{s1,s2,...,s2N}，待选解集合为X＝{x1,x2,...,x2N}；
c2、首先将m维目标空间F(x)＝[f1(x),…fl(x),…fm(x)]∈Rm转化为个二维空间 Fc(x)＝[fu(x),fv(x)]；其中，c为二维空间编号，u、v为空间维数编号， u、v∈[1,2,...,m]；fu(x),fv(x)分别表示解x∈X在二维空间中的目标值；然后确定子问题p∈P对应的权向量ω∈w在二维空间的分量ωuv＝(ωu,ωv)；最后计算位置信息θ的一个夹角分量θuv(x,p)：θuv(x,p)＝arctan(|fu(x)-ωu|/|fv(x)-ωv|)，其中，角度θuv(x,p)为子问题p与解x在个二维平面上的夹角分量之和,θuv(x,p)∈[0,π/2]，θ为所有夹角分量的代数和；
c3、构造一个自适应转移函数，并引入位置信息θ，即
其中，L为控制参数，L越大转移函数越均匀；为解决迭代前期过度收敛问题，且保证迭代后期收敛性和多样性的平衡，随着算法迭代，L设置从1逐步增加到20；
c4、通过加入限制信息的子问题对解偏好计算式计算偏好值，如子问题pr,r＝1,...,N对候选解x,x∈S的偏好值可通过式(5)计算，由此可得到子问题pr对2N候选解的偏好值，将偏好值做升序处理，得到一个子问题对解的偏好排序，将其作为ψp的一行，故ψp为N×2N矩阵；
其中，ωr为子问题pr的权向量，z *为参考点；
c5、解x∈X对子问题p∈P的偏好值通过式(6)计算，如计算解xt对N个子问题的偏好值，将偏好值做升序处理，得到一个解对子问题的偏好排序，将其作为ψx的一行，故ψx为2N×N 矩阵；
其中，F-(x)是解x标准化的目标向量，||·||为欧式距离；
c6、将偏好矩阵ψp、ψx的信息作为输入，通过递延接受程序选择解，同时选择与被选解想对应的染色体，并令g＝g+1；
d、判断是否满足截止条件
若g＜K则返回步骤b，否则输出Pareto解集，并按照决策者的意愿选择某个解并将其解码成可行的调度方案。
本发明在演化过程中选择到的解多样性好，如图2所示，所选到的解均匀的分布在目标空间中。图3证明本发明在实际生产过程的优化调度中是有效的。

Claims (8)

1.一种基于有限制稳定配对策略的柔性作业车间调度方法，其特征在于，步骤如下：
(a)相关参数初始化：根据生产订单的具体内容，通过整数编码得到满足约束条件的初始染色体种群，确定每个子问题的临域，并计算适应度值；
(b)从每个子问题的临域中选择父代染色体，通过模拟二进制交叉和多项式变异生成子代染色体，并计算适应度值；
(c)选择子代种群：
(c1)将新生成的子代染色体集合和原始父代染色体集合合并成待选染色体集合S＝{s1,s2,...,s2N}，并将其映射到目标空间中，得到待选解集合X＝{x1,x2,...,x2N}，子问题集合P＝{p1,...,pt,...,pN}，权向量集合w＝{ω1,...,ωt,...,ωN}，其中，N为染色体个数；
(c2)选用解相对于子问题的角度作为位置信息θ；
(c3)构造自适应转移函数，并利用位置信息θ得到限制信息；
(c4)通过加入限制信息的子问题对解的偏好值计算式得到偏好值，将偏好值按升序排列，得到子问题对所有解的偏好排序，将所有子问题进行同样操作，得到子问题对解的偏好矩阵ψp；
(c5)通过解对子问题的偏好值计算式得到偏好值，将偏好值按升序排列，得到解对所有子问题的偏好序列，将所有子问题进行同样操作，得到解对子问题的偏好矩阵ψx；
(c6)将偏好矩阵ψp、ψx的信息作为输入，通过延迟接受程序得到子问题和解的稳定配对关系，从而选择子代解，并同时选择与子代解相对应的染色体；
(d)当满足截止条件时，则输出种群Pareto解集，决策者根据实际要求，从Pareto解集中选择一条染色体，并将其解码形成可行的调度方案；否则返回步骤(b)。
2.根据权利要求1所述的柔性作业车间调度方法步骤，其特征在于：所述步骤(c2)中位置信息θ的获取过程如下：
首先将m维目标空间F(x)＝[f1(x),…fl(x),…fm(x)]∈Rm转化为个二维空间Fc(x)＝[fu(x),fv(x)]；其中，c为二维空间编号，u、v为空间维数编号，u、v∈[1,2,...,m]；fu(x),fv(x)分别表示解x∈X在二维空间中的目标值；然后确定子问题p∈P对应的权向量ω∈w在二维空间的分量ωuv＝(ωu,ωv)；最后计算位置信息θ的一个夹角分量θuv(x,p)：θuv(x,p)＝arctan(|fu(x)-ωu|/|fv(x)-ωv|)，其中，θuv(x,p)∈[0,π/2]，θ为解与子问题的个夹角分量的代数和。
3.根据权利要求1或2所述的柔性作业车间调度方法步骤，其特征在于：步骤(c3)中所述的限制信息是通过位置信息θ和转移函数获得的，转移函数如式(1)：
其中，L为控制参数，L越大转移函数越均匀；为解决迭代前期过度收敛问题，且保证迭代后期收敛性和多样性的平衡，随着算法迭代，L设置从1逐步增加到20。
4.根据权利要求1或2所述一种基于有限制稳定配对策略的柔性作业车间调度方法步骤，其特征在于：所述步骤(c4)中，子问题对解的偏好矩阵ψp的计算步骤为：
子问题p对解x的偏好值Δp通过式(2)计算，由此得到子问题p对2N个解的偏好值，将偏好值做升序处理，得到一个子问题对解的偏好排序，将其作为偏好矩阵ψp的一行，按照同样方法计算所有子问题对解的偏好排序，得到带限制信息的子问题对解的偏好矩阵ψp，故ψp为N×2N矩阵；
其中，ω为子问题p的权向量，z*为参考点，其中，
5.根据权利要求3所述的柔性作业车间调度方法步骤，其特征在于：所述步骤(c4)中，子问题对解的偏好矩阵ψp的计算步骤为：
子问题p对解x的偏好值Δp通过式(2)计算，由此得到子问题p对2N个解的偏好值，将偏好值做升序处理，得到一个子问题对解的偏好排序，将其作为偏好矩阵ψp的一行，按照同样方法计算所有子问题对解的偏好排序，得到带限制信息的子问题对解的偏好矩阵ψp；
其中，ω为子问题p的权向量，z*为参考点，其中，
6.根据权利要求1、2或5所述的柔性作业车间调度方法步骤，其特征在于：所述步骤(c5)中，解对子问题的偏好矩阵ψx的计算步骤为：
解x对子问题p的偏好值通过式(3)计算，由此得到解x对N个子问题的偏好值，将偏好值做升序处理，得到一个解对子问题的偏好排序，将其作为偏好矩阵ψx的一行，故ψx为2N×N矩阵；
其中，是解x标准化的目标向量，||·||为欧式距离。
7.根据权利要求3所述的柔性作业车间调度方法步骤，其特征在于：所述步骤(c5)中，解对子问题的偏好矩阵ψx的计算步骤为：
解x对子问题p的偏好值通过式(3)计算，由此得到解x对N个子问题的偏好值，将偏好值做升序处理，得到一个解对子问题的偏好排序，将其作为偏好矩阵ψx的一行，故ψx为2N×N矩阵；
其中，是解x标准化的目标向量，||·||为欧式距离。
8.根据权利要求4所述的柔性作业车间调度方法步骤，其特征在于：所述步骤(c5)中，解对子问题的偏好矩阵ψx的计算步骤为：
解x对子问题p的偏好值通过式(3)计算，由此得到解x对N个子问题的偏好值，将偏好值做升序处理，得到一个解对子问题的偏好排序，将其作为偏好矩阵ψx的一行，故ψx为2N×N矩阵；
其中，是解x标准化的目标向量，||·||为欧式距离。
CN201810124599.8A 2018-02-07 2018-02-07 一种基于有限制稳定配对策略的柔性作业车间调度方法 Active CN108320057B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810124599.8A CN108320057B (zh) 2018-02-07 2018-02-07 一种基于有限制稳定配对策略的柔性作业车间调度方法
AU2018407695A AU2018407695B2 (en) 2018-02-07 2018-03-16 Constrained stable matching strategy-based flexible job-shop scheduling method
PCT/CN2018/079333 WO2019153429A1 (zh) 2018-02-07 2018-03-16 一种基于有限制稳定配对策略的柔性作业车间调度方法
US16/325,571 US20200026264A1 (en) 2018-02-07 2018-03-16 Flexible job-shop scheduling method based on limited stable matching strategy

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810124599.8A CN108320057B (zh) 2018-02-07 2018-02-07 一种基于有限制稳定配对策略的柔性作业车间调度方法

Publications (2)

Publication Number Publication Date
CN108320057A true CN108320057A (zh) 2018-07-24
CN108320057B CN108320057B (zh) 2021-06-18

Family

ID=62903883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810124599.8A Active CN108320057B (zh) 2018-02-07 2018-02-07 一种基于有限制稳定配对策略的柔性作业车间调度方法

Country Status (4)

Country Link
US (1) US20200026264A1 (zh)
CN (1) CN108320057B (zh)
AU (1) AU2018407695B2 (zh)
WO (1) WO2019153429A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286648A (zh) * 2019-07-10 2019-09-27 华中农业大学 一种响应动态扰动的并行多目标加工参数优化方法
CN110703787A (zh) * 2019-10-09 2020-01-17 南京航空航天大学 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法
CN112381273A (zh) * 2020-10-30 2021-02-19 贵州大学 一种基于u-nsga-iii算法的多目标作业车间节能优化方法

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111105164B (zh) * 2019-12-24 2022-04-15 北京理工大学 一种车间调度方法、装置及设备
CN111259312B (zh) * 2020-01-15 2021-08-17 深圳大学 多目标流水车间调度方法、装置、计算机设备及存储介质
CN111598297B (zh) * 2020-04-15 2023-04-07 浙江工业大学 基于剩余工序最大值优选的柔性作业车间调度机器选择方法
CN111652502A (zh) * 2020-06-01 2020-09-11 中南大学 基于柔性作业车间调度的多梯级多线船闸联合调度方法
CN112418478B (zh) * 2020-08-12 2024-03-15 贵州大学 一种柔性流水车间下的低碳调度模型及节能优化方法
CN112327621B (zh) * 2020-11-02 2022-07-08 金航数码科技有限责任公司 一种基于蚁群算法的柔性生产线自适应控制系统及方法
CN112462803B (zh) * 2020-11-27 2022-06-17 北京工商大学 一种基于改进nsga-ii的无人机路径规划方法
CN112668864B (zh) * 2020-12-24 2022-06-07 山东大学 一种基于狮群算法的车间生产排产方法及系统
CN112882449B (zh) * 2021-01-13 2024-07-12 沈阳工业大学 一种多品种小批量多目标柔性作业车间能耗优化调度方法
CN112734280B (zh) * 2021-01-20 2024-02-02 树根互联股份有限公司 生产订单配送方法、装置及电子设备
CN114792147A (zh) * 2021-01-25 2022-07-26 中国人民解放军战略支援部队航天工程大学 一种多平台空间目标观测协同调度方法及终端设备
CN113050422B (zh) * 2021-03-09 2022-02-22 东北大学 基于maximin函数多目标优化算法的多机器人调度方法
CN113034026B (zh) * 2021-04-09 2023-10-24 大连东软信息学院 基于Q-learning和GA的多目标柔性作业车间调度自学习方法
US12073252B2 (en) 2021-04-23 2024-08-27 Kabushiki Kaisha Toshiba Allocation of processing computers based on priority lists
US11983568B2 (en) 2021-04-23 2024-05-14 Kabushiki Kaisha Toshiba Allocation of heterogeneous computational resource
CN113377073B (zh) * 2021-06-28 2022-09-09 西南交通大学 一种基于双层多智能体系统的柔性作业车间调度优化方法
CN113450013A (zh) * 2021-07-14 2021-09-28 陕西科技大学 基于改进nsga-ⅲ算法求解车间节能调度问题的方法
CN113822525B (zh) * 2021-07-22 2023-09-19 合肥工业大学 基于改进遗传算法的柔性作业车间多目标调度方法及系统
CN113867275B (zh) * 2021-08-26 2023-11-28 北京航空航天大学 一种分布式车间预防维修联合调度的优化方法
CN113792494B (zh) * 2021-09-23 2023-11-17 哈尔滨工业大学（威海） 基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法
CN114707294B (zh) * 2022-01-28 2023-02-07 湘南学院 有限运输能力约束的作业车间多目标调度方法
CN114912826B (zh) * 2022-05-30 2024-07-02 华中农业大学 一种基于多层深度强化学习的柔性作业车间调度方法
CN116300763B (zh) * 2023-03-31 2024-05-24 华中科技大学 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
CN117215275B (zh) * 2023-11-08 2024-02-13 北京理工大学 一种基于遗传编程的柔性车间大规模动态双效调度方法
CN117555305B (zh) * 2024-01-11 2024-03-29 吉林大学 一种基于nsgaii的多目标可变子批柔性车间作业调度方法
CN117933684B (zh) * 2024-01-17 2024-09-03 深圳市链宇技术有限公司 考虑原材料齐套约束和多机器并行加工的车间调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901425A (zh) * 2010-07-15 2010-12-01 华中科技大学 一种基于多种群协同进化的柔性作业车间调度方法
US20110082821A1 (en) * 2009-10-07 2011-04-07 Mohammad Ali Abido Method of generating precedence-preserving crossover and mutation operations in genetic algorithms
CN106611230A (zh) * 2015-12-14 2017-05-03 四川用联信息技术有限公司 结合关键工序的遗传局部搜索算法求解柔性作业车间调度
CN106875094A (zh) * 2017-01-11 2017-06-20 陕西科技大学 一种基于多色集合遗传算法的多目标车间调度方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05225203A (ja) * 1992-02-17 1993-09-03 Nippon Telegr & Teleph Corp <Ntt> ジョブショップスケジューリング問題解決方式
CN102609767A (zh) * 2012-01-09 2012-07-25 浙江大学 一种基于Fisher奔离过程的演化方法
US10048669B2 (en) * 2016-02-03 2018-08-14 Sap Se Optimizing manufacturing schedule with time-dependent energy cost

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110082821A1 (en) * 2009-10-07 2011-04-07 Mohammad Ali Abido Method of generating precedence-preserving crossover and mutation operations in genetic algorithms
CN101901425A (zh) * 2010-07-15 2010-12-01 华中科技大学 一种基于多种群协同进化的柔性作业车间调度方法
CN106611230A (zh) * 2015-12-14 2017-05-03 四川用联信息技术有限公司 结合关键工序的遗传局部搜索算法求解柔性作业车间调度
CN106875094A (zh) * 2017-01-11 2017-06-20 陕西科技大学 一种基于多色集合遗传算法的多目标车间调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭羽含等: "基于偏好矩阵遗传算法求解长期车辆合乘问题", 《计算机应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286648A (zh) * 2019-07-10 2019-09-27 华中农业大学 一种响应动态扰动的并行多目标加工参数优化方法
CN110286648B (zh) * 2019-07-10 2021-11-09 华中农业大学 一种响应动态扰动的并行多目标加工参数优化方法
CN110703787A (zh) * 2019-10-09 2020-01-17 南京航空航天大学 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法
CN112381273A (zh) * 2020-10-30 2021-02-19 贵州大学 一种基于u-nsga-iii算法的多目标作业车间节能优化方法
CN112381273B (zh) * 2020-10-30 2024-03-05 贵州大学 一种基于u-nsga-iii算法的多目标作业车间节能优化方法

Also Published As

Publication number Publication date
WO2019153429A1 (zh) 2019-08-15
AU2018407695A1 (en) 2020-09-03
CN108320057B (zh) 2021-06-18
US20200026264A1 (en) 2020-01-23
AU2018407695B2 (en) 2022-01-13

Similar Documents

Publication Publication Date Title
CN108320057B (zh) 一种基于有限制稳定配对策略的柔性作业车间调度方法
Li et al. Two-level imperialist competitive algorithm for energy-efficient hybrid flow shop scheduling problem with relative importance of objectives
Homayouni et al. A multistart biased random key genetic algorithm for the flexible job shop scheduling problem with transportation
Yuan et al. Multiobjective flexible job shop scheduling using memetic algorithms
CN104035816B (zh) 一种基于改进nsga‑ii的云计算任务调度方法
CN111325443B (zh) 一种基于灾变机制的改进遗传算法求解柔性作业车间调度的方法
CN104155931B (zh) 基于nsga-ii的轮胎模具加工及装配集成优化方法
CN108460463B (zh) 基于改进遗传算法的高端装备流水线生产调度方法
CN111325356A (zh) 一种基于演化计算的神经网络搜索分布式训练系统及训练方法
CN106611379A (zh) 一种改进文化基因算法求解多目标柔性作业车间调度问题
CN102323952A (zh) 基于改进遗传算法的可重构装配线排序方法
CN106611378A (zh) 一种基于优先权编码的混合遗传算法解作业车间调度问题
CN110909787A (zh) 基于聚类的进化算法进行多目标批调度优化的方法和系统
CN111369000A (zh) 一种基于分解的高维多目标进化方法
CN114065896A (zh) 基于邻域调整和角度选择策略的多目标分解进化算法
CN116880424A (zh) 一种基于多目标优化的多机器人调度方法以及装置
Phanden et al. Assessment of makespan performance for flexible process plans in job shop scheduling
CN114819728A (zh) 一种自适应局部搜索的柔性车间生产调度方法
Lamiable et al. An algorithmic game-theory approach for coarse-grain prediction of RNA 3D structure
CN116985146B (zh) 退役电子产品的机器人并行拆解规划方法
CN116976649B (zh) 退役家电产品局部破坏性拆解线平衡方法
Polnik et al. Ant colony optimization–evolutionary hybrid optimization with translation of problem representation
CN116306919A (zh) 基于问题重组的大规模多目标组合优化方法及应用
Chen et al. Algorithm based on improved genetic algorithm for job shop scheduling problem
CN114493047B (zh) 一种基于可用资源编码的多对多货物调度优化分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant