一種基于蜂群人工算法的流水線調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種流水線調(diào)度方法，尤其涉及一種基于蜂群人工算法的流水線調(diào)度 方法。
【背景技術(shù)】
[0002] 生產(chǎn)調(diào)度是指在給定生產(chǎn)任務(wù)的前提下，確定合理的生產(chǎn)策略，及合理地安排 作業(yè)的先后關(guān)系、預(yù)定的完成時(shí)間、最早始時(shí)間和資源能力等使得預(yù)設(shè)的目標(biāo)最優(yōu)或者接 近最優(yōu)。在實(shí)際的生產(chǎn)過程中，需要解決的生產(chǎn)調(diào)度問題往往是上千臺(tái)的機(jī)器，美譽(yù)上千 個(gè)的訂單，資源的分配將受到很多因素的影響。影響調(diào)度的因素有：產(chǎn)品的投產(chǎn)期、完成 期、加工序列、加工設(shè)備和原料、加工路徑和生產(chǎn)能力、成本限制等，這些都是可能的約束 條件。其中交貨期、生產(chǎn)能力等是確定性的約束條件，而原料供應(yīng)變化、生產(chǎn)任務(wù)變化等屬 于非確定性的約束條件。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明主要提供一種基于蜂群人工算法的流水線調(diào)度方法，解決流水線合理調(diào)度 問題。
[0004] 為了實(shí)現(xiàn)本發(fā)明的目的，本發(fā)明提供一種基于蜂群人工算法的流水線調(diào)度方法， 其特征在于，所述算法的步驟為： (1) 利用NEH方法生成一個(gè)工件的加工排序，對(duì)其進(jìn)行調(diào)度目標(biāo)評(píng)價(jià)，并轉(zhuǎn)換成一個(gè)個(gè) 體的位置矢量； (2) 在給定的空間內(nèi)隨即生成NS-I個(gè)個(gè)體的位置矢量，根據(jù)SPV規(guī)則確定各個(gè)加工工 件的加工排序，并進(jìn)行調(diào)度問題的評(píng)價(jià)； (3) 進(jìn)入引領(lǐng)蜂階段：For i=l, 2. .. NS重復(fù)執(zhí)行，根據(jù)SPV規(guī)則，確定xi和vi對(duì)應(yīng)的 加工工序，并進(jìn)行調(diào)度的目標(biāo)評(píng)價(jià)，保留評(píng)價(jià)好的； (4) 跟隨蜂階段：For i=l，2. .. NS重復(fù)執(zhí)行，利用錦標(biāo)賽選擇策略為跟隨蜂i選擇食物 源，選擇食物源后，求出其鄰域解vi，按照SPV規(guī)則轉(zhuǎn)化進(jìn)行調(diào)度目標(biāo)評(píng)價(jià)，通過貪婪選擇 策略，保留好的解； (5) 偵查蜂階段：拋棄經(jīng)過Iinit次后不能改進(jìn)的解，用混沌思想產(chǎn)生一個(gè)新解代替 它； (6) 記錄當(dāng)前評(píng)價(jià)最后的解，判定是否滿足循環(huán)終止單位條件，滿足就跳出并輸出最好 的解，否則返回步驟（3)。
[0005] 優(yōu)選的，所述SPV規(guī)則是將每個(gè)個(gè)體的位置矢量最小的分量位置找出，并把它對(duì) 應(yīng)的分量位置放在SPV值的第一位，其次將值第二小的分量位置找出放在SPV值的第二位， 然后按照這個(gè)規(guī)則依次往下排序，最后就能構(gòu)造出一個(gè)工件排序。
[0006] 優(yōu)選的，所述Nffi的方法為： (1)按工件在機(jī)器上的總加工時(shí)間遞減的順序排列η個(gè)工件； (2) 令k=2,取前兩個(gè)工件調(diào)度求得使加工這些工件的最大完成時(shí)間最小的序列，并作 為當(dāng)如序列； (3) 令k=k+l，把第k個(gè)工件插入到當(dāng)前序列所有可能的k個(gè)位置，求得使加工這些工 件的最大完成時(shí)間最小所對(duì)應(yīng)的序列，并看作當(dāng)前序列； (4) :重復(fù)（3)，直到所有η個(gè)工件都完成排序。
[0007] 優(yōu)選的，所述NEH的方法步驟（2)中，確定工件的排序順序后，再保持已調(diào)度好的 工件順序不發(fā)生改變，然后再將下一個(gè)工件插入現(xiàn)有的調(diào)度中。
[0008] 優(yōu)選的，述NHl的方法得到的解是工件的排序，連續(xù)域的人工蜂群算法沒法對(duì)它 進(jìn)行處理，所以必須把它轉(zhuǎn)換為在一定區(qū)間內(nèi)的位置矢量，才能進(jìn)一步使用人工蜂群算法 對(duì)它進(jìn)行優(yōu)化。
[0009] 優(yōu)選的，此算法需假定在所有機(jī)器上總加工時(shí)間大的工件比總加工時(shí)間小的工件 應(yīng)該得到更大的優(yōu)先級(jí)。
[0010] 有益效果：本發(fā)明提供一種基于蜂群人工算法的流水線調(diào)度方法，采用經(jīng)典的基 于工件的編碼，并利用SPV規(guī)則實(shí)現(xiàn)了連續(xù)域和離散域的映射，并利用NHl啟發(fā)式算法對(duì) 解進(jìn)行初始化優(yōu)化了解的質(zhì)量，當(dāng)一個(gè)解limit次不優(yōu)化時(shí)引入混純思想對(duì)它進(jìn)行重新賦 值。通過大量的仿真表明IABC算法優(yōu)于基本人工蜂群算法，粒子群算法。同時(shí)，改進(jìn)后 的人工蜂群算法不易陷入局部最優(yōu)，比基本人工蜂群算法具有更好的全局搜索能力。
【附圖說明】
[0011] 圖1 :本發(fā)明算法流程圖。
【具體實(shí)施方式】
[0012] 下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明。
[0013] 本發(fā)明提供一種基于蜂群人工算法的流水線調(diào)度方法，其步驟為： (1) 利用NEH方法生成一個(gè)工件的加工排序，對(duì)其進(jìn)行調(diào)度目標(biāo)評(píng)價(jià)，并轉(zhuǎn)換成一個(gè)個(gè) 體的位置矢量； (2) 在給定的空間內(nèi)隨即生成NS-I個(gè)個(gè)體的位置矢量，根據(jù)SPV規(guī)則確定各個(gè)加工工 件的加工排序，并進(jìn)行調(diào)度問題的評(píng)價(jià)； (3) 進(jìn)入引領(lǐng)蜂階段：For i=l, 2. .. NS重復(fù)執(zhí)行，根據(jù)SPV規(guī)則，確定xi和vi對(duì)應(yīng)的 加工工序，并進(jìn)行調(diào)度的目標(biāo)評(píng)價(jià)，保留評(píng)價(jià)好的； (4) 跟隨蜂階段：For i=l，2. .. NS重復(fù)執(zhí)行，利用錦標(biāo)賽選擇策略為跟隨蜂i選擇食物 源，選擇食物源后，求出其鄰域解vi，按照SPV規(guī)則轉(zhuǎn)化進(jìn)行調(diào)度目標(biāo)評(píng)價(jià)，通過貪婪選擇 策略，保留好的解； (5) 偵查蜂階段：拋棄經(jīng)過Iinit次后不能改進(jìn)的解，用混沌思想產(chǎn)生一個(gè)新解代替 它； (6) 記錄當(dāng)前評(píng)價(jià)最后的解，判定是否滿足循環(huán)終止單位條件，滿足就跳出并輸出最好 的解，否則返回步驟（3)。
[0014] 其中，所述SPV規(guī)則是將每個(gè)個(gè)體的位置矢量最小的分量位置找出，并把它對(duì)應(yīng) 的分量位置放在 SPV值的第一位，其次將值第二小的分量位置找出放在SPV值的第二位， 然后按照這個(gè)規(guī)則依次往下排序，最后就能構(gòu)造出一個(gè)工件排序，所述NEH的方法為： (1) 按工件在機(jī)器上的總加工時(shí)間遞減的順序排列η個(gè)工件； (2) 令k=2,取前兩個(gè)工件調(diào)度求得使加工這些工件的最大完成時(shí)間最小的序列，并作 為當(dāng)如序列； (3) 令k=k+l，把第k個(gè)工件插入到當(dāng)前序列所有可能的k個(gè)位置，求得使加工這些工 件的最大完成時(shí)間最小所對(duì)應(yīng)的序列，并看作當(dāng)前序列； (4) :重復(fù)（3)，直到所有η個(gè)工件都完成排序。所述NEH的方法步驟（2)中，確定工 件的排序順序后，再保持已調(diào)度好的工件順序不發(fā)生改變，然后再將下一個(gè)工件插入現(xiàn)有 的調(diào)度中，述NHl的方法得到的解是工件的排序，連續(xù)域的人工蜂群算法沒法對(duì)它進(jìn)行處 理，所以必須把它轉(zhuǎn)換為在一定區(qū)間內(nèi)的位置矢量，才能進(jìn)一步使用人工蜂群算法對(duì)它進(jìn) 行優(yōu)化，此算法需假定在所有機(jī)器上總加工時(shí)間大的工件比總加工時(shí)間小的工件應(yīng)該得到 更大的優(yōu)先級(jí)。
[0015] 如果考慮6個(gè)工件的置換流水線調(diào)度問題，個(gè)體的維數(shù)為6,假設(shè) 1，=[1. 2, 0. 8, -0. 9, 2. 5, -1. 2, 0. 3]?？梢钥闯?1. 2是所有值中最小的，它對(duì)應(yīng)的分量位 置為5,所以把分量位置5放在SPV值的第一位；然后第二小的是-0.9,它對(duì)應(yīng)的分量位 置為3,所以分量位置3放在SPV值的第二位，一次往下，就可以得到一個(gè)加工排序；T = [5, 3, 6, 2, 1，4]。個(gè)體轉(zhuǎn)化為工件實(shí)例如下表：
【主權(quán)項(xiàng)】
1. 一種基于蜂群人工算法的流水線調(diào)度方法，其特征在于，所述算法的步驟為： (1) 利用NEH方法生成一個(gè)工件的加工排序，對(duì)其進(jìn)行調(diào)度目標(biāo)評(píng)價(jià)，并轉(zhuǎn)換成一個(gè)個(gè) 體的位置矢量； (2) 在給定的空間內(nèi)隨即生成NS-I個(gè)個(gè)體的位置矢量，根據(jù)SPV規(guī)則確定各個(gè)加工工 件的加工排序，并進(jìn)行調(diào)度問題的評(píng)價(jià)； (3) 進(jìn)入引領(lǐng)蜂階段：Fori=l, 2. ..NS重復(fù)執(zhí)行，根據(jù)SPV規(guī)則，確定xi和vi對(duì)應(yīng)的 加工工序，并進(jìn)行調(diào)度的目標(biāo)評(píng)價(jià)，保留評(píng)價(jià)好的； (4) 跟隨蜂階段：Fori=l，2. ..NS重復(fù)執(zhí)行，利用錦標(biāo)賽選擇策略為跟隨蜂i選擇食物 源，選擇食物源后，求出其鄰域解vi，按照SPV規(guī)則轉(zhuǎn)化進(jìn)行調(diào)度目標(biāo)評(píng)價(jià)，通過貪婪選擇 策略，保留好的解； (5) 偵查蜂階段：拋棄經(jīng)過Iinit次后不能改進(jìn)的解，用混沌思想產(chǎn)生一個(gè)新解代替 它； (6) 記錄當(dāng)前評(píng)價(jià)最后的解，判定是否滿足循環(huán)終止單位條件，滿足就跳出并輸出最好 的解，否則返回步驟（3)。
2. 根據(jù)權(quán)利要求1所述的基于蜂群人工算法的流水線調(diào)度方法，其特征在于，所述SPV 規(guī)則是將每個(gè)個(gè)體的位置矢量最小的分量位置找出，并把它對(duì)應(yīng)的分量位置放在SPV值的 第一位，其次將值第二小的分量位置找出放在SPV值的第二位，然后按照這個(gè)規(guī)則依次往 下排序，最后就能構(gòu)造出一個(gè)工件排序。
3. 據(jù)權(quán)利要求1所述的基于蜂群人工算法的流水線調(diào)度方法，其特征在于，所述NHl的 方法為： (1) 按工件在機(jī)器上的總加工時(shí)間遞減的順序排列n個(gè)工件； (2) 令k=2,取前兩個(gè)工件調(diào)度求得使加工這些工件的最大完成時(shí)間最小的序列，并作 為當(dāng)如序列； (3) 令k=k+l，把第k個(gè)工件插入到當(dāng)前序列所有可能的k個(gè)位置，求得使加工這些工 件的最大完成時(shí)間最小所對(duì)應(yīng)的序列，并看作當(dāng)前序列； (4) :重復(fù)（3)，直到所有n個(gè)工件都完成排序。
4. 跟據(jù)權(quán)利要求1所述的基于蜂群人工算法的流水線調(diào)度方法，其特征在于，所述NEH 的方法步驟（2)中，確定工件的排序順序后，再保持已調(diào)度好的工件順序不發(fā)生改變，然 后再將下一個(gè)工件插入現(xiàn)有的調(diào)度中。
5. 根據(jù)權(quán)利要求1所述的基于蜂群人工算法的流水線調(diào)度方法，其特征在于，述NHl的 方法得到的解是工件的排序，連續(xù)域的人工蜂群算法沒法對(duì)它進(jìn)行處理，所以必須把它轉(zhuǎn) 換為在一定區(qū)間內(nèi)的位置矢量，才能進(jìn)一步使用人工蜂群算法對(duì)它進(jìn)行優(yōu)化。
6. 根據(jù)權(quán)利要求1所述的基于蜂群人工算法的流水線調(diào)度方法，其特征在于，此算法 需假定在所有機(jī)器上總加工時(shí)間大的工件比總加工時(shí)間小的工件應(yīng)該得到更大的優(yōu)先級(jí)。
【專利摘要】本發(fā)明提供一種基于蜂群人工算法的流水線調(diào)度方法，采用經(jīng)典的基于工件的編碼,并利用SPV規(guī)則實(shí)現(xiàn)了連續(xù)域和離散域的映射,并利用NEH啟發(fā)式算法對(duì)解進(jìn)行初始化優(yōu)化了解的質(zhì)量,當(dāng)一個(gè)解limit次不優(yōu)化時(shí)引入混純思想對(duì)它進(jìn)行重新賦值。通過大量的仿真表明IABC算法優(yōu)于基本人工蜂群算法,粒子群算法。同時(shí),改進(jìn)后的人工蜂群算法不易陷入局部最優(yōu),比基本人工蜂群算法具有更好的全局搜索能力。
【IPC分類】G06Q10-06, G06N3-00
【公開號(hào)】CN104766171
【申請(qǐng)?zhí)枴緾N201510174242
【發(fā)明人】胡劍鋒
【申請(qǐng)人】江西科技學(xué)院
【公開日】2015年7月8日
【申請(qǐng)日】2015年4月14日