基于改进遗传算法的柔性作业车间调度

柔性作业车间调度问题(flexiblejobshopschedulingproblem,FJSSP)是作业车间调度的扩展,也增加了求解的难度,所以FJSSP一直是国内外学者研究的热点。在FJSSP中,尽管每一个工件的工序是一定的,但是每个工序的加工时间和所在的加工机器是不确定的。所以,在FJSSP中,主要考虑的问题是工序所在的加工机器和各工序的加工顺序。常用的求解FJSSP的智能算法有遗传算法、粒子群算法、免疫算法和蚁群算法等。遗传算法与其他算法相比较,具有过程简单、鲁棒性好和全局搜索能力快等优点[9],因此遗传算法在FJSSP中得到了广泛的应用。但是传统遗传算法也存在收敛速度慢和容易陷入局部最优等不足。因此,在解决FJSSP时,国内外的学者对传统遗传算法进行了一定的改进以克服基本遗传算法的不足。根据FJSSP的特点,刘琼等人提出了一种改进的交叉变异方法并设计了一种初始解产生机制。张国辉等人采用一种随机和优化相结合的初始化种群方法。赵诗奎等人运用均匀设计原对遗传算法中的初始种群及适应度函数进行设计并将其应用到FJSSP中。贺仁杰等人提出了一种求解柔性车间作业调度的知识型协同演化方法。文献对遗传算法中的多父代交叉算子和多点变异方面进行改进并对FJSSP进行优化研究。这些改进仅仅是针对柔性作业车间调度问题的,没有将AGV的运输时间考虑进去。因此本文同时对既有AGV又有工件的柔性作业车间调度问题进行研究,同时提出一种改进遗传算法,不仅对遗传算法的缺点进行改善,而且更接近实际的加工环境。在改进遗传算法中,提出一种多段式编码方法,即在两段编码的基础上加入末端基因,可以加速淘汰质量差的基因,提高进化速度。提出离散型遗传交叉和变异概率公式,此公式具有较强的针对性,可以对不同的车间调度产生不同的公式,这种概率公式可以使得再次运行遗传算法时更快地获得最优解。

1 有AGV约束的柔性作业车间调度模型

1.1 柔性作业车间调度问题约束条件

有n个工件需要在m台机器上进行加工,每个工件包含p(p≥1)道工序,每一个工件的工序是一定的,但是每个工序的加工时间和所在的加工机器是不确定的。所以,在柔性作业车间调度中,主要考虑的问题是工序所在的加工机器和各工序的加工顺序。

在柔性作业车间调度的加工过程中的约束条件如下:

(1)零时刻开始,所有的工件有相同的加工优先级;

(2)不同工件的工序没有加工顺序要求,相同工件的工序需要按照一定的顺序进行加工;

(3)同一时刻任一台机器只能加工一个工序;

(4)同一时刻一道工序只能被一个机器加工;

(5)一道工序加工开始,中间不能暂停和终止。

1.2 AGV调度约束

AGV主要负责把工件在各个机器之间进行传送,本文主要考虑AGV运输工件所需要的时间。AGV的运输时间随机器的转移发生变化,AGV可完全满足工序的运输需要,并且AGV在运输过程中互不影响。运输时间如表1所示,其中,M为加工机器,tmn表示AGV从机器Mm运输到Mn所需的运输时间。

表1 AGV运输时间表

表1 AGV运输时间表

基于改进遗传算法的柔性作业车间调度-AGV吧
基于改进遗传算法的柔性作业车间调度
此内容为付费资源,请付费后查看
20积分
付费资源
© 版权声明
THE END
喜欢就支持一下吧
点赞10 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容