欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法

文檔序號:10612148閱讀:340來源:國知局
基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法
【專利摘要】本發(fā)明提供了一種基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法,主要包括以下步驟:步驟一:建立離散制造車間多目標(biāo)調(diào)度模型;步驟二:確定調(diào)度的約束條件;步驟三:初始化貓群的速度和位置;步驟四:通過線性混合比率確定配比MR,將貓群分為搜尋模式和跟蹤模式;步驟五:判斷貓群是否處于搜尋狀態(tài),若是則執(zhí)行搜尋模式下的行為,否則執(zhí)行跟蹤模式下的行為;步驟六:利用適應(yīng)度函數(shù)計算每一只貓的適應(yīng)度,選出最優(yōu)適應(yīng)度的貓;步驟七:根據(jù)選出的最優(yōu)解判斷是否滿足迭代的終止條件,若滿足條件則終止程序,否則繼續(xù)執(zhí)行步驟四。本發(fā)明包括了全局搜索和局部搜索,既保證了算法的收斂速度,也克服了傳統(tǒng)算法搜索速度慢、易陷入局部最優(yōu)等問題。
【專利說明】
基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及車間調(diào)度優(yōu)化技術(shù)領(lǐng)域,特別適用于離散制造車間生產(chǎn)過程的多目標(biāo) 調(diào)度管理與優(yōu)化的基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法。
【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的快速發(fā)展和客戶需求的不斷提高,產(chǎn)品越來越個性化,交貨期越 來越短,同時對產(chǎn)品的性能要求也更加嚴(yán)格,傳統(tǒng)的單一產(chǎn)品、單一流程、專用生產(chǎn)裝置、大 批量的生產(chǎn)方式逐漸被淘汰,而訂單驅(qū)動、采用多功能生產(chǎn)設(shè)備的多品種、小批量的生產(chǎn)方 式被越來越多的企業(yè)采納。近年來興起的離散制造企業(yè)就是一種能夠適應(yīng)多品種、小批量、 面向訂單生產(chǎn)的企業(yè)。離散制造車間生產(chǎn)的產(chǎn)品一般是由多個零件裝配而成,這些零件的 制造過程不連續(xù),各階段、各工序之間存在明顯的停頓和等待時間。因此,離散制造車間的 調(diào)度過程具有復(fù)雜性、動態(tài)隨機(jī)性。通過建立合理的離散車間調(diào)度模型,采用有效的調(diào)度方 法,得到可以指導(dǎo)實(shí)際生產(chǎn)的調(diào)度方案,對提高離散制造車間調(diào)度水平有具有一定的研究 意義和實(shí)用價值。
[0003] 車間調(diào)度問題是指假設(shè)在制造車間有m臺機(jī)器和η個待加工的工件,工件需要合理 地分配到各個設(shè)備上。每個工件有對應(yīng)的工序數(shù)量不等,且工序加工路徑確定,每道工序可 以在多個設(shè)備上加工,每道工序在不同設(shè)備上的加工時間是已知的,并對每臺設(shè)備要加工 的工序進(jìn)行有效的排序,使加工系統(tǒng)的某些性能指標(biāo)取得最優(yōu)值。多目標(biāo)車間調(diào)度問題通 ??蛇x取最大完工時間最小、最大機(jī)器空閑時間最小、提前/拖延最小三個目標(biāo)函數(shù),另外 還有一些其他調(diào)度目標(biāo)類似于成本指標(biāo),這些優(yōu)化目標(biāo)都是用來作為衡量調(diào)度方案的指 標(biāo)。
[0004] 貓群算法是通過觀察貓的日常行為將其歸為搜尋模式和跟蹤模式,通過設(shè)定一個 配比使得每一代貓中總以一固定比例的貓?zhí)幱谀莻€跟蹤模式,其余則執(zhí)行搜尋模式。貓群 算法尋優(yōu)的求解過程正是模擬貓不斷變換這兩種模式進(jìn)行捕獵的過程,通過使貓群中具有 一定數(shù)量比例的貓執(zhí)行跟蹤模式,而其余的執(zhí)行搜尋模式,并在每一次算法迭代時隨機(jī)選 擇執(zhí)行這兩種模式貓的個體,從而使貓群的尋優(yōu)效率大大增強(qiáng)。貓群算法可以處理柔性車 間多目標(biāo)調(diào)度問題,制定比例讓一小部分貓?zhí)幱诟櫮J?,剩下的大部分貓?zhí)幱谒褜つJ剑?通過這兩種模式來達(dá)到優(yōu)化的目的。因此貓群算法適用于車間多目標(biāo)調(diào)度問題。
[0005] 離散制造車間調(diào)度的現(xiàn)狀如下:目前對車間調(diào)度的研究主要是單目標(biāo)的問題,然 而在實(shí)際生產(chǎn)中要考慮最大完工時間、總拖期時間、次品率、生產(chǎn)成本、生命周期總能耗等, 單一的目標(biāo)不能反映實(shí)際的調(diào)度問題。常用的車間調(diào)度方法有運(yùn)籌學(xué)、啟發(fā)式方法、仿真方 法、智能算法、神經(jīng)網(wǎng)絡(luò)等?,F(xiàn)階段群智能算法被廣泛應(yīng)用到車間調(diào)度問題中,但在收斂精 度和速度上有待改進(jìn)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服上述的不足,提出一種基于改進(jìn)的貓群算法的離散制造車 間多目標(biāo)調(diào)度方法,來解決生產(chǎn)過程中工序和工件的調(diào)度分配,使最大完工時間最小、最大 機(jī)器空閑時間最小、廣品合格率最大、生廣能耗最小,從而提尚生廣效率,降低成本。
[0007] 所述基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法包括以下步驟:
[0008] 步驟一:建立離散制造車間多目標(biāo)調(diào)度的模型;將車間資源能效優(yōu)化的指標(biāo)作為 模型的目標(biāo)函數(shù),并用數(shù)學(xué)函數(shù)進(jìn)行如下描述:
[0009] (1.1)生產(chǎn)周期,即工序的最大加工完成時間:
[0010] fi=Max(Ci)
[0011 ]其中,Ci表示工件i (i = 1,2,···!〇的完工時間,η是待加工的工件個數(shù);
[0012] (1.2)機(jī)器空閑時間:
[0013] f2=E ATk
[0014] 其中,Δ Tk表示第k(k=l,2,…,m)臺機(jī)器從開機(jī)到停車過程中的空轉(zhuǎn)時間,m是機(jī) 器數(shù)量;
[0015] (1.3)產(chǎn)品次品率:
[0016]
[0017]其中,Nkj表示加工第j (j = 1,2,…,s)道工序的第k臺機(jī)器加工工件的個數(shù),Si表示 工件i的工序道數(shù),Ek表示該機(jī)器的綜合品質(zhì)屬性,K表示機(jī)器臺數(shù),Pkg表示第g個工人的生 產(chǎn)次品率歷史值,L表示工人人數(shù);
[0018] (1.4)生產(chǎn)能耗:
[0019]
[0020] 其中,Wk表示該機(jī)器能耗,η表示待加工的工件個數(shù),Si表示工件i的工序道數(shù),m表 示機(jī)器數(shù)量;
[0021 ] 步驟二:確定調(diào)度的約束條件,包括工序約束、機(jī)器約束、時間約束;
[0022] 步驟三:初始化貓群的速度和位置;首先要將貓群算法離散化編碼,采用基于工序 和機(jī)器的二維編碼的方式,一只貓對應(yīng)著一個候選調(diào)度方案,每個貓由兩部分組成,第一部 分x[ 1 ]決定了工件的工序調(diào)度順序,x[ 1 ]的每個分量表示一個工件的工序;第二部分x[2] 決定了工序的加工機(jī)器,X]2]的每個分量表示加工機(jī)器的編號;
[0023] 步驟四:通過線性混合比率確定配比MR,將貓群分為搜尋模式和跟蹤模式;
[0024] 步驟五:判斷貓群是否處于搜尋狀態(tài),若是則執(zhí)行搜尋模式下的行為,否則執(zhí)行跟 蹤模式下的行為;
[0025] 步驟六:利用適應(yīng)度函數(shù)計算每一只貓的適應(yīng)度,選出最優(yōu)適應(yīng)度的貓;
[0026]步驟七:根據(jù)選出的最優(yōu)解判斷是否滿足迭代的終止條件,若滿足條件則終止程 序,否則繼續(xù)執(zhí)行步驟四。
[0027]具體的,步驟二確定調(diào)度的約束條件包括:
[0028] (1)設(shè)備不能同時加工兩個或以上工件;
[0029] (2) -個工件不能同時在兩臺或以上設(shè)備上進(jìn)行加工;
[0030] (3)不能終止正在加工的工件;
[0031] (4)所有工件在零時刻都可以被加工;
[0032] (5)相同工件的工序必須遵守順序約束;
[0033] (6)不同工件的優(yōu)先級相同。
[0034] 具體的,步驟二所述工序約束是指工件工藝要求的同一件工件加工工序的次序, Eijk_Ei( j-l)x多 tijk,K j € Si,tijk多 0,Xijk - Xi(j-l)x - 1 ;
[0035] 其中,Eijk表示工件i的工序j在機(jī)器k上的完工時間,Ei(j-1)x表示工件i的第j-1道 工序在機(jī)器X上加工的完工時間,tijk表示工件i的工序j在機(jī)器k上的加工時間,Xijk= 1表示 工件i的第j道工序在機(jī)器k上加工,Xi(j-1)x=l表示工件i的第j-Ι道工序在機(jī)器X上加工;
[0036] 工序約束條件表明,對于同一件工件i,其第j道工序要在第j-Ι道工序加工完成之 后才能進(jìn)彳丁加工;
[0037] 所述機(jī)器約束是指同一臺機(jī)器上同一時刻只能加工一個工件,
[0038] Eabk-Eijk^tabk,Xabk = Xijk=l ,Yijabk= 1 ;
[0039] 其中,Eabk表示工件a的第b道工序在機(jī)器k上加工的完工時間,tabk表示工件a的工 序b在機(jī)器k上的加工時間,X abk= 1表示工件a的第b道工序在機(jī)器k上加工,Yijabk= 1表示工 件i的第j道工序和工件a的第b道工序都需要在機(jī)器k上加工,且工件i要先于工件a加工;
[0040] 機(jī)器約束條件表明,同一臺機(jī)器k在生產(chǎn)過程中的任意時刻都不能同時加工兩個 不同的工件或者不同的工序;
[0041] 所述時間約束是指機(jī)器的加工時間必須符合現(xiàn)實(shí),不能出現(xiàn)負(fù)數(shù)或者無窮大,
[0042] Eijk 彡 tijk>0,Ci 彡0,Xijk=l。
[0043] 具體的,步驟四線性混合比率的計算公式為:
[0044]
[0045] 其中,Mfo為初始的配比率,MR2為最大迭代次數(shù)T。時的配比;
[0046] 貓群的行為模式分為兩種:搜尋模式、跟蹤模式;
[0047] (4.1)搜尋模式:
[0048] (4.1.1)將當(dāng)前位置復(fù)制j份副本放在記憶池 SMP中,j = SMP;如果SPC的值為真, SPC表示自身位置判斷,令j = (SMP-1),將當(dāng)前位置保留為候選解;
[0049] (4.1.2)對記憶池中的每個個體副本,根據(jù)改變基因位數(shù)⑶C的大小,隨機(jī)地對當(dāng) 前值加上或者減去變化域SRD,并用更新后的值來代替原來的值;
[0050] (4.1.3)分別計算記憶池中所有候選解的適應(yīng)度值;
[0051] (4.1.4)從記憶池中選擇適應(yīng)度值最高的候選點(diǎn)來代替當(dāng)前貓的位置,完成貓的 位置更新;
[0052] (4.2)跟蹤模式:用來模擬貓跟蹤目標(biāo)時的情況,通過改變貓的每一維的速度來更 新貓的位置,速度的改變是通過增加一個隨機(jī)的擾動來實(shí)現(xiàn)的;
[0053] (4.2.1)速度更新:整個貓群經(jīng)歷過的最好位置,即目前搜索到的最優(yōu)解,記做 Xbest,母^只各田白勺 - {vil,Vi2,'"Vid},
[0054] Vi,d(t+1) = Vi,d(t)+r · c · (Xbest,d(t)-Xi,d(t)),d = l,2,
[0055] VwU+l)表示更新后第i只貓?jiān)诘赿維的速度值,M為維數(shù)大小,Xbe3St,d(t)表示貓群 中當(dāng)前具有最好適應(yīng)度值的貓的位置; Xl,d(t)指當(dāng)前第i只貓?jiān)诘赿維的位置,c是設(shè)定的加 速度常量,r是一個[0,1]之間的隨機(jī)值;
[0056] (4.2.2)判斷每一維的速度變化是否都在變化域內(nèi);變化域在算法執(zhí)行之前給定, 如果每一維改變后的值超出了變化域的限制范圍,則將其設(shè)定為給定的邊界值;
[0057] (4.2.3)位置更新;:根據(jù)公式\^,辦+1)='\^,〇1(1:)+1'*(^(父1^1;,〇1(1:)-?^,〇1(1:)),利用 更新后的速度來更新貓的位置
[0058] Xi,d(t+1) =Xi,d(t)+Vi,d(t+l),d = l,2,
[0059] 其中,XuU+l)表示第i只貓更新后的位置。
[0060] 本發(fā)明的有益效果是:本發(fā)明采用改進(jìn)的貓群算法來解決離散制造車間多目標(biāo)調(diào) 度問題,該算法包括了全局搜索和局部搜索,既保證了算法的收斂速度,也克服了傳統(tǒng)算法 搜索速度慢、易陷入局部最優(yōu)等問題。采用基于線性混合比率的貓行為模式來確定配比MR, 有效分配貓群的行為模式,合理得進(jìn)行全局搜索和局部搜索,最終得出最優(yōu)解,為車間多目 標(biāo)調(diào)度問題提供了有效的調(diào)度方案,提高了車間生產(chǎn)效率。
【附圖說明】
[0061 ] 圖1生產(chǎn)周期對比圖。
[0062]圖2產(chǎn)品次品率對比圖。
[0063]圖3本發(fā)明的流程圖。
【具體實(shí)施方式】
[0064]本發(fā)明的實(shí)施總體包括三個階段:
[0065] 第一階段:建立車間多目標(biāo)調(diào)度模型,第一階段包括兩個步驟:
[0066] 步驟1:根據(jù)調(diào)度的目標(biāo),確定車間調(diào)度的目標(biāo)函數(shù):生產(chǎn)周期、產(chǎn)品次品率、最大 完工時間、生產(chǎn)能耗,并用數(shù)學(xué)函數(shù)描述出來。
[0067] 步驟2:依據(jù)車間的生產(chǎn)狀況、產(chǎn)品的加工要求、以及訂單要求,確定調(diào)度的約束條 件,包括工序約束、機(jī)器約束、時間約束三個條件。
[0068]第二階段:貓群算法。貓通常處于兩種模式:搜尋模式、跟蹤模式。指定一個配比 MR,讓一小部分貓?zhí)幱诟櫮J?,剩下的大部分貓?zhí)幱谒褜つJ剑Y(jié)合這兩種模式來實(shí)現(xiàn)優(yōu) 化。
[0069] 第三階段:結(jié)合改進(jìn)的貓群算法來解決多目標(biāo)車間調(diào)度問題,確定貓群算法的基 本流程,第三階段包括五個步驟:
[0070] 步驟1:初始化貓群的速度和位置;
[0071] 步驟2:通過線性混合比率確定配比MR,將貓群分為搜尋模式和跟蹤模式;
[0072] 步驟3:判斷貓群是否處于搜尋狀態(tài),若是則執(zhí)行搜尋模式下的行為,否則執(zhí)行跟 蹤模式下的行為;
[0073] 步驟4:利用適應(yīng)度函數(shù)計算每一只貓的適應(yīng)度,選出最優(yōu)適應(yīng)度的貓;
[0074] 步驟5:根據(jù)選出的最優(yōu)解判斷是否滿足迭代的終止條件,若滿足條件則終止程 序,否則繼續(xù)執(zhí)行步驟2。
[0075] 以下結(jié)合附圖和【具體實(shí)施方式】對本發(fā)明做進(jìn)一步說明。
[0076] 本發(fā)明主要是針對離散制造車間多目標(biāo)調(diào)度問題提供了一種改進(jìn)的貓群算法,基 于該算法的調(diào)度方法主要包括以下幾個步驟:步驟一:建立離散制造車間多目標(biāo)調(diào)度模型; 步驟二:確定調(diào)度的約束條件;步驟三:初始化貓群的速度和位置;步驟四:通過線性混合比 率確定配比MR,將貓群分為搜尋模式和跟蹤模式;步驟五:判斷貓群是否處于搜尋狀態(tài),若 是則執(zhí)行搜尋模式下的行為,否則執(zhí)行跟蹤模式下的行為;步驟六:利用適應(yīng)度函數(shù)計算每 一只貓的適應(yīng)度,選出最優(yōu)適應(yīng)度的貓;步驟七:根據(jù)選出的最優(yōu)解判斷是否滿足迭代的終 止條件,若滿足條件則終止程序,否則繼續(xù)執(zhí)行步驟四。具體流程如圖3,以下分別進(jìn)行詳細(xì) 說明。
[0077] 步驟一:確定離散制造車間多目標(biāo)調(diào)度的模型,將車間資源能效優(yōu)化的指標(biāo)作為 模型的目標(biāo)函數(shù),并用數(shù)學(xué)函數(shù)進(jìn)行如下描述:
[0078] (1)生產(chǎn)周期。即工序的最大加工完成時間,為提高生產(chǎn)率,應(yīng)縮減生產(chǎn)周期:
[0079] fi=Max(Ci)
[0080] 其中,Ci表示工件i (i = 1,2,…η)的完工時間,η是待加工的工件個數(shù)。
[0081 ] (2)機(jī)器空閑時間。為了使產(chǎn)出最大化,應(yīng)減少機(jī)器的空轉(zhuǎn)時間:
[0082] f2=E ATk
[0083] 其中,Δ Tk表示第k(k=l,2,…,m)臺機(jī)器從開機(jī)到停車過程中的空轉(zhuǎn)時間,m是機(jī) 器數(shù)量。
[0084] (3)產(chǎn)品次品率。產(chǎn)品的合格率受多種因素影響,對于生產(chǎn)調(diào)度而言,讓操作熟練 的工人和性能優(yōu)異的機(jī)器承擔(dān)更多的任務(wù)是提尚廣品合格率的有效方法:
[0085]
[0086]其中,Nkj表示加工第j (j = 1,2,…,s)道工序的第k臺機(jī)器加工工件的個數(shù),Si表示 工件i的工序道數(shù),Ek表示該機(jī)器的綜合品質(zhì)屬性,K表示機(jī)器臺數(shù),Pkg表示第g個工人的生 產(chǎn)次品率歷史值,L表示工人人數(shù)。
[0087] (4)生產(chǎn)能耗。為了優(yōu)化車間能效,應(yīng)減少生產(chǎn)中的能耗:
[0088]
[0089] 其中,Wk表示該機(jī)器能耗,η表示待加工的工件個數(shù),Si表示工件i的工序道數(shù),m表 示機(jī)器數(shù)量。
[0090] 步驟二:確定調(diào)度的約束條件,實(shí)際生產(chǎn)中還需考慮如下約束條件:
[0091] (1)設(shè)備不能同時加工兩個或以上工件;
[0092] (2) -個工件不能同時在兩臺或以上設(shè)備上進(jìn)行加工;
[0093] (3)不能終止正在加工的工件;
[0094] (4)所有工件在零時刻都可以被加工;
[0095] (5)相同工件的工序必須遵守順序約束;
[0096] (6)不同工件的優(yōu)先級相同。
[0097]約束條件總體上可分為三個類型:
[0098] (1)工序約束一工件工藝要求的同一件工件加工工序的次序
[0099] Eijk_Ei(j-i)x彡tijk,K j<Si,tijk彡0,Xijk = Xi(j-ι)χ=1;
[0100] 其中,Eijk表示工件i的工序j在機(jī)器k上的完工時間,Ei(j-1)x表示工件i的第j-1道 工序在機(jī)器X上加工的完工時間,tijk表示工件i的工序j在機(jī)器k上的加工時間,Xijk= 1表示 工件i的第j道工序在機(jī)器k上加工,Xi(j-1)x=l表示工件i的第j-1道工序在機(jī)器x上加工。
[0101] 約束條件(1)表明,對于同一件工件i,其第j道工序要在第j-Ι道工序加工完成之 后才能進(jìn)彳丁加工。
[0102] (2)機(jī)器約束一同一臺機(jī)器上同一時刻只能加工一個工件 [01 03] Eabk_Eijk多 tabk,Xabk = Xijk = 1,Yijabk = 1 ;
[0104] 其中,Eabk表示工件a的第b道工序在機(jī)器k上加工的完工時間,tabk表示工件a的工 序b在機(jī)器k上的加工時間,X abk= 1表示工件a的第b道工序在機(jī)器k上加工,Yijabk= 1表示工 件i的第j道工序和工件a的第b道工序都需要在機(jī)器k上加工,且工件i要先于工件a加工。
[0105] 約束條件(2)表明,同一臺機(jī)器k在生產(chǎn)過程中的任意時刻都不能同時加工兩個不 同的工件或者不同的工序。
[0106] (3)時間約束一與機(jī)器相關(guān)的時間必須符合現(xiàn)實(shí) [0107] Eijk 彡 tijk>0,Ci 彡0,Xijk=l;
[0108] 該約束條件(3)表明,機(jī)器的加工時間必須符合現(xiàn)實(shí),不能出現(xiàn)負(fù)數(shù)或者無窮大。
[0109] 步驟三:初始化貓群的參數(shù),貓的位置為連續(xù)矢量,車間調(diào)度問題是一個復(fù)雜的離 散組合優(yōu)化問題,而且有工序的先后順序約束,貓群算法不能解決離散的車間調(diào)度問題,因 此要將貓群算法離散化編碼,本算法采用基于工序和機(jī)器的二維編碼的方式,一只貓對應(yīng) 著一個候選調(diào)度方案。每個貓由兩部分組成,第一部分x[l]決定了工件的工序調(diào)度順序,X
[1]的每個分量表示一個工件的工序。第二部分x[2]決定了工序的加工機(jī)器,X[2]的每個分 量表不加工機(jī)器的編號。如下所不,X[l]和X[ 2]的第一個分量2和5表不2號工件的第一道工 序在5號機(jī)器上執(zhí)行。X[l]和X[2]的第二個分量3和2表示3號工件的第一道工序在2號機(jī)器 上執(zhí)行。
[0110]
[0111] 步驟四:通過線性混合比率確定配比MR,確定貓的行為模式。若在算法運(yùn)行前期采 用較大比率的跟蹤貓可提高算法的全局搜索能力,則可加快算法收斂到前沿的速度;若在 算法的后期采用較大比率的搜索貓,則可提高算法的局部搜索能力,有效地搜索出非支配 解提高解的質(zhì)量,保證算法的收斂性質(zhì)。線性混合比率的計算公式為:
[0112]
[0113] 其中,Mfo為初始的配比率,MR2為最大迭代次數(shù)T。時的配比率。
[0114] 貓群的行為模式分為兩種:搜尋模式、跟蹤模式
[0115] (1)搜尋模式:
[0116] a)將當(dāng)前位置復(fù)制j份副本放在記憶池 SMP中,j = SMP;如果自身位置判斷SPC的值 為真,令j = (SMP-1),將當(dāng)前位置保留為候選解。
[0117] b)對記憶池中的每個個體副本,根據(jù)改變基因位數(shù)CDC的大小,隨機(jī)地對當(dāng)前值加 上或者減去變化域SRD,變化域SRD用百分?jǐn)?shù)表示,并用更新后的值來代替原來的值;
[0118] c)分別計算記憶池中所有候選解的適應(yīng)度值。
[0119] d)從記憶池中選擇適應(yīng)度值最高的候選點(diǎn)來代替當(dāng)前貓的位置,完成貓的位置更 新。
[0120] (2)跟蹤模式:
[0121 ]跟蹤模式用來模擬貓跟蹤目標(biāo)時的情況,通過改變貓的每一維的速度來更新貓的 位置,速度的改變是通過增加一個隨機(jī)的擾動來實(shí)現(xiàn)的。
[0122] a)速度更新:整個貓群經(jīng)歷過的最好位置,即目前搜索到的最優(yōu)解,記做Xbest。每 只貓的速度Vi= Wil,Vi2,…Vid}。
[0123] Vi,d(t+1) = Vi,d(t)+r · c · (Xbest,d(t)-Xi,d(t)),d = l,2,
[0124] Vuu+D表示更新后第i只貓?jiān)诘赿維的速度值,M為維數(shù)大小,Xbest,d(t)表示貓群中 當(dāng)前具有最好適應(yīng)度值的貓的位置;Xl,d(t)指當(dāng)前第i只貓貓?jiān)诘赿維的位置,c是加速度常 量,其值需要根據(jù)不同的問題而定,這里可取2.5,r是一個[0,1]之間的隨機(jī)值,d代表維數(shù), i為自然數(shù)。
[0125] b)判斷每一維的速度變化是否都在變化域SRD內(nèi)。給每一維的變異加一個限制范 圍,是為了防止其變化過大,造成算法在解空間的盲目隨機(jī)搜索。SRD在算法執(zhí)行之前給定, 如果每一維改變后的值超出了SRD的限制范圍,則將其設(shè)定為給定的邊界值。
[0126] (3)位置更新:根據(jù)公式\^,辦+1)='\^,〇1(1:)+1'*(3*(父1^1;,〇1(1:)-?^,〇1(1:)),利用更新 后的速度來更新貓的位置。
[0127] Xi,d(t+1) =Xi,d(t)+Vi,d(t+l),d = l,2,
[0128] 其中,XuU+l)表示第i只貓更新后的位置。
[0129] 步驟五:計算每一只貓的適應(yīng)度Fit。
[0130] 步驟六:求出貓的最優(yōu)解。
[0131] 對本文提出的改進(jìn)的貓群算法解決車間多目標(biāo)調(diào)度問題,進(jìn)行仿真實(shí)驗(yàn)。對CS0算 法進(jìn)行相關(guān)的參數(shù)設(shè)置MRi = 0.6,MR2 = 0.2,記憶池 j = 20,連續(xù)位置區(qū)間為[0,6 ],變化域范 圍為[_2,2],速度區(qū)間為[-2,2],迭代次數(shù)1'。= 500,數(shù)量1 = 50。通過仿真對比貓群算法 CS0、粒子群算法PS0和遺傳算法GA進(jìn)行測試結(jié)果的比較。從表1可以看出CS0算法得到的最 優(yōu)值優(yōu)于其他兩個算法得到的最優(yōu)值。因此,采用貓群算法解決車間多目標(biāo)調(diào)度問題能取 得良好的結(jié)果。
[0132]表1三種算法最優(yōu)值比較
[0133]
[0134] 對貓群算法CS0、粒子群算法PS0進(jìn)行生產(chǎn)周期、產(chǎn)品次品率進(jìn)行對比,如圖1、圖2 所示。通過仿真對比,可以看出貓群算法在每一次迭代過程中得出的解都比粒子群算法好, 表明該算法具有一定的實(shí)用性和可行性。貓群算法的收斂速度明顯快于粒子群算法,收斂 精度也好于粒子群算法。通過比較兩種算法下得到的生產(chǎn)周期和產(chǎn)品次品率,得出貓群算 法在解決車間多目標(biāo)調(diào)度問題上優(yōu)于粒子群算法,滿足了實(shí)際的生產(chǎn)要求,提高了調(diào)度的 效率。
【主權(quán)項(xiàng)】
1. 基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法,其特征是,包括W下步驟: 步驟一:建立離散制造車間多目標(biāo)調(diào)度的模型;將車間資源能效優(yōu)化的指標(biāo)作為模型 的目標(biāo)函數(shù),并用數(shù)學(xué)函數(shù)進(jìn)行如下描述: (1.1) 生產(chǎn)周期,即工序的最大加工完成時間: fi=Max(Ci) 其中,Ci表示工件i (i = 1,2,…η)的完工時間,η是待加工的工件個數(shù); (1.2) 機(jī)器空閑時間: f2=E ATk 其中,Δ化表示第k化=1,2,···,πι)臺機(jī)器從開機(jī)到停車過程中的空轉(zhuǎn)時間,m是機(jī)器數(shù) 量; (1.3) 廣品次品率:其中,Nkj表示加工第j (j = 1,2,…,S)道工序的第k臺機(jī)器加工工件的個數(shù),Si表示工件 i的工序道數(shù),Ek表示該機(jī)器的綜合品質(zhì)屬性,K表示機(jī)器臺數(shù),Pkg表示第g個工人的生產(chǎn)次 品率歷史值,L表示工人人數(shù); (1.4) 生產(chǎn)能耗:其中,Wk表示該機(jī)器能耗,η表示待加工的工件個數(shù),Si表示工件i的工序道數(shù),m表示機(jī) 器數(shù)量; 步驟二:確定調(diào)度的約束條件,包括工序約束、機(jī)器約束、時間約束; 步驟Ξ:初始化貓群的速度和位置;首先要將貓群算法離散化編碼,采用基于工序和機(jī) 器的二維編碼的方式,一只貓對應(yīng)著一個候選調(diào)度方案,每個貓由兩部分組成,第一部分X [1]決定了工件的工序調(diào)度順序,x[l]的每個分量表示一個工件的工序;第二部分x[2]決定 了工序的加工機(jī)器,X[2]的每個分量表示加工機(jī)器的編號; 步驟四:通過線性混合比率確定配比MR,將貓群分為捜尋模式和跟蹤模式; 步驟五:判斷貓群是否處于捜尋狀態(tài),若是則執(zhí)行捜尋模式下的行為,否則執(zhí)行跟蹤模 式下的行為; 步驟六:利用適應(yīng)度函數(shù)計算每一只貓的適應(yīng)度,選出最優(yōu)適應(yīng)度的貓; 步驟屯:根據(jù)選出的最優(yōu)解判斷是否滿足迭代的終止條件,若滿足條件則終止程序,否 則繼續(xù)執(zhí)行步驟四。2. 如權(quán)利要求1所述基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法,其特征是,步驟二 確定調(diào)度的約束條件包括: (1) 設(shè)備不能同時加工兩個或W上工件; (2) -個工件不能同時在兩臺或W上設(shè)備上進(jìn)行加工; (3) 不能終止正在加工的工件; (4) 所有工件在零時刻都可W被加工; (5) 相同工件的工序必須遵守順序約束; (6) 不同工件的優(yōu)先級相同。3. 如權(quán)利要求1所述基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法,其特征是,步驟二 所述工序約束是指工件工藝要求的同一件工件加工工序的次序, Edjli-Ei( tdjk , tdJkX),X:iJk二 Xi(j-l)x = 1 : 其中,Eij讀示工件i的工序j在機(jī)器k上的完工時間,Ei(j-i)x表示工件i的第j-1道工序在 機(jī)器X上加工的完工時間,ti化表示工件i的工序j在機(jī)器k上的加工時間,Xi化=1表示工件i 的第j道工序在機(jī)器k上加工,Xi(j-i)x=l表示工件i的第j-1道工序在機(jī)器X上加工; 工序約束條件表明,對于同一件工件i,其第j道工序要在第j-1道工序加工完成之后才 能進(jìn)行加工; 所述機(jī)器約束是指同一臺機(jī)器上同一時刻只能加工一個工件, Eatik-Edjk> tabk , Xabk二Xijk二 1 , Yijatik二 1 ; 其中,Ea化表示工件a的第b道工序在機(jī)器k上加工的完工時間,ta化表示工件a的工序b在 機(jī)器k上的加工時間,Xa化=1表示工件a的第b道工序在機(jī)器k上加工,Yija化=1表示工件i的 第j道工序和工件a的第b道工序都需要在機(jī)器k上加工,且工件i要先于工件a加工; 機(jī)器約束條件表明,同一臺機(jī)器k在生產(chǎn)過程中的任意時刻都不能同時加工兩個不同 的工件或者不同的工序; 所述時間約束是指機(jī)器的加工時間必須符合現(xiàn)實(shí),不能出現(xiàn)負(fù)數(shù)或者無窮大, Edjk> tdjk〉0 , Ci>0 ,Xdjk二 1。4. 如權(quán)利要求1所述基于改進(jìn)的貓群算法的離散制造車間調(diào)度方法,其特征是,步驟四 線性混合比率的計算公式為:其中,MRi為初始的配比率,MR2為最大迭代次數(shù)T。時的配比; 貓群的行為模式分為兩種:捜尋模式、跟蹤模式; (4.1) 捜尋模式: (4.1.1) 將當(dāng)前位置復(fù)制j份副本放在記憶池 SMP中,j = SMP;如果SPC的值為真,SPC表 示自身位置判斷,令j = (SMP-1),將當(dāng)前位置保留為候選解; (4.1.2) 對記憶池中的每個個體副本,根據(jù)改變基因位數(shù)CDC的大小,隨機(jī)地對當(dāng)前值 加上或者減去變化域SRD,并用更新后的值來代替原來的值; (4.1.3) 分別計算記憶池中所有候選解的適應(yīng)度值; (4.1.4) 從記憶池中選擇適應(yīng)度值最高的候選點(diǎn)來代替當(dāng)前貓的位置,完成貓的位置 更新; (4.2)跟蹤模式:用來模擬貓跟蹤目標(biāo)時的情況,通過改變貓的每一維的速度來更新貓 的位置,速度的改變是通過增加一個隨機(jī)的擾動來實(shí)現(xiàn)的; (4.2.1)速度更新:整個貓群經(jīng)歷過的最好位置,即目前捜索到的最優(yōu)解,記做Xbest,每 只貓的速度Vi= {vil,Vi2,…Vid}, Vi,d(t+l)=Vi,d(t)+r · c · (Xbest,d(t)-Xi,d(t)),d=l,2,...M Vi,d(t+1)表示更新后第i只貓?jiān)诘赿維的速度值,M為維數(shù)大小,Xbest,d(t)表示貓群中當(dāng)前 具有最好適應(yīng)度值的貓的位置;Xl,d(t)指當(dāng)前第i只貓?jiān)诘赿維的位置,C是設(shè)定的加速度常 量,r是一個[0,1]之間的隨機(jī)值; (4.2.2) 判斷每一維的速度變化是否都在變化域內(nèi);變化域在算法執(zhí)行之前給定,如果 每一維改變后的值超出了變化域的限制范圍,則將其設(shè)定為給定的邊界值; (4.2.3) 位置更新:根據(jù)公式¥^<14+1)=¥^<14)+'*(3*村663*,<1(〇-乂^<1(〇),利用更新 后的速度來更新貓的位置 Xi,d(t+l)=Xi,d(t)+Vi,d(t+l),d=l,2,···! 其中,Xi,d(t+1)表示第i只貓更新后的位置。
【文檔編號】G06N3/00GK105974794SQ201610403120
【公開日】2016年9月28日
【申請日】2016年6月8日
【發(fā)明人】王艷, 毛志慧, 紀(jì)志成, 潘琛
【申請人】江南大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1
楚雄市| 德清县| 游戏| 常德市| 黔西| 崇义县| 望谟县| 华安县| 静海县| 阿坝县| 乐至县| 华阴市| 江川县| 察哈| 浦江县| 伊金霍洛旗| 任丘市| 普安县| 东城区| 平昌县| 东兰县| 兴安盟| 鹰潭市| 汝阳县| 新泰市| 龙门县| 九台市| 资源县| 涿州市| 延寿县| 宜丰县| 屏南县| 革吉县| 汉源县| 怀集县| 余庆县| 晋宁县| 晋宁县| 广东省| 汉川市| 随州市|