本發(fā)明屬于作業(yè)調(diào)度
技術(shù)領(lǐng)域：
，涉及一種基于多色集合遺傳算法的多目標(biāo)車(chē)間調(diào)度方法。
背景技術(shù)：
：目前對(duì)單目標(biāo)調(diào)度問(wèn)題的優(yōu)化求解，很少考慮工藝過(guò)程與調(diào)度之間的聯(lián)系以及如何設(shè)計(jì)二者之間的關(guān)系。在實(shí)際生產(chǎn)中，經(jīng)常會(huì)遇到作業(yè)調(diào)度目標(biāo)不同的狀況：如有一批加工任務(wù)，有些工件必須滿(mǎn)足客戶(hù)的交貨期要求，有些工件要求盡快完工，而有些工件要求盡可能低的生產(chǎn)加工成本，因此車(chē)間調(diào)度必須兼顧所有工件的調(diào)度目標(biāo)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供一種基于多色集合遺傳算法的多目標(biāo)車(chē)間調(diào)度方法，在改進(jìn)遺傳算法中運(yùn)用帶有偏好信息的隨機(jī)權(quán)重系數(shù)法，將多目標(biāo)調(diào)度問(wèn)題轉(zhuǎn)化成單目標(biāo)問(wèn)題來(lái)求解。為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：一種基于多色集合遺傳算法的多目標(biāo)車(chē)間調(diào)度方法，包括以下步驟：1)根據(jù)約束條件和目標(biāo)函數(shù)，運(yùn)用隨機(jī)權(quán)重系數(shù)法將多目標(biāo)優(yōu)化轉(zhuǎn)單目標(biāo)優(yōu)化；2)建立工序-設(shè)備圍道矩陣的約束方式，進(jìn)行染色體編碼，縮小GA的搜索范圍。本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟1)中，約束條件如下：FJSP被描述為：設(shè)M為加工設(shè)備的數(shù)量，N為待加工工件數(shù)量，P為工序數(shù)，I為所有設(shè)備的集合；Ieg代表工件e的第g道工序的可用設(shè)備集合，Je為工件e的工序數(shù)；X為所有工件的加工次序，Segk表示工件e的第g道工序在設(shè)備k上加工的開(kāi)始時(shí)間；Eegk為工件e的第g道工序在設(shè)備k上的加工結(jié)束時(shí)間；Tegk為工件e的第g道工序在設(shè)備k上的持續(xù)加工時(shí)間，且k∈Ieg則有Eegk＝Segk+Tegk；Ep表示最后工序的完工時(shí)間；MS表示所有工件的最后完工時(shí)間；當(dāng)工件i的第j道工序和工件e的第g道工序在同一臺(tái)設(shè)備上執(zhí)行，若工序j先于工序g加工時(shí)，Qijeg＝1，否則Qijeg＝0；若工件e的第g道工序在機(jī)床k上加工，則Xegk＝1，否則Xegk＝0；所述步驟1)中，目標(biāo)函數(shù)為：(a)完工時(shí)間最?。?b)生產(chǎn)成本最低：(c)工序能力指數(shù)最大：所述步驟1)中，運(yùn)用隨機(jī)權(quán)重系數(shù)法將多目標(biāo)優(yōu)化轉(zhuǎn)單目標(biāo)優(yōu)化1-1)偏好定義：偏好用二元關(guān)系表示，給定一組二元關(guān)系P和Q，決策者存在以下偏好關(guān)系：(a)若決策者對(duì)P的偏好大于Q，記作P＞Q；(b)若決策者對(duì)P的偏好小于Q，記作P＜Q；(c)若決策者對(duì)P，Q的偏好都差不多，記作P～Q；(d)若未知決策者對(duì)P，Q的偏好，記作P？Q；1-2)設(shè)偏好矩陣確定各個(gè)目標(biāo)的重要程度，得到各個(gè)目標(biāo)函數(shù)的重要度排序；1-3)用偏好信息設(shè)置各目標(biāo)函數(shù)的隨機(jī)權(quán)重系數(shù)：從偏好矩陣中得到的各個(gè)目標(biāo)之間的重要程度排序，根據(jù)重要程度排序來(lái)設(shè)置隨機(jī)權(quán)重系數(shù)；若有n個(gè)目標(biāo)，根據(jù)偏好矩陣得到n個(gè)目標(biāo)的偏好排序，比如f1＞f2＞...＞fi＞...＞fn，利用Matlab軟件中的隨機(jī)函數(shù)rand(1,n)得到n個(gè)隨機(jī)數(shù)，記為rand1,randi,...,randn，將這n個(gè)隨機(jī)數(shù)比較大小后排列，越重要的目標(biāo)對(duì)應(yīng)的隨機(jī)數(shù)越大，進(jìn)而得到各個(gè)目標(biāo)函數(shù)相應(yīng)的隨機(jī)權(quán)重系數(shù)為：生成權(quán)重向量：W＝(w1,w2,...,wi,...,wn)，進(jìn)而將多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)：所述步驟2)具體方法如下：2-1)染色體編碼首先建立工序-設(shè)備的圍道矩陣，然后進(jìn)行染色體編碼，具體編碼是按照某種工件的某道工序在某個(gè)設(shè)備上加工的信息進(jìn)行設(shè)備的編碼，每個(gè)碼位代表了某種工件的某道工序，每個(gè)碼位上的信息是設(shè)備信息；2-2)初始化種群在遺傳算法中是對(duì)種群執(zhí)行遺傳操作，這里的種群是指染色體，即包含工件工序信息的設(shè)備編碼；在算法的處理過(guò)程中，初始種群數(shù)量大小的設(shè)置，是算法開(kāi)始執(zhí)行的起始點(diǎn)；2-3)適應(yīng)度函數(shù)利用偏好矩陣給目標(biāo)函數(shù)配上相應(yīng)權(quán)重，組成一個(gè)整體標(biāo)量適應(yīng)度函數(shù)，進(jìn)行求解，公式如下：以三目標(biāo)為例，F(xiàn)(x)為綜合最優(yōu)函數(shù)，綜合最優(yōu)是求最小，由于f3的目標(biāo)是求工序能力指數(shù)最大，而綜合最優(yōu)是求最小，將求最大的通過(guò)倒數(shù)形式換成求最小的，所以這里寫(xiě)成如下式所示：2-4)選擇策略在計(jì)算完適應(yīng)度值F(x)后，采用精英保留策略，在眾多染色體中選取種群數(shù)量Npop的80％的染色體，進(jìn)入初步的帕累托最優(yōu)解集；2-5)交叉操作采用多點(diǎn)交叉方法，對(duì)于數(shù)量Npop＝50的種群，取交叉概率為Pc＝0.8隨機(jī)選擇兩個(gè)交叉點(diǎn)，對(duì)兩個(gè)染色體上交叉點(diǎn)之間的片段進(jìn)行交叉操作；2-6)變異操作取變異概率Pm＝0.06，計(jì)算出需要變異的染色體數(shù)量，對(duì)于每條染色體隨機(jī)確定變異的碼位，然后搜索工序-設(shè)備圍道矩陣，尋找該碼位上的能夠替換的設(shè)備編碼，產(chǎn)生變異之后的新染色體；通過(guò)計(jì)算已經(jīng)變異個(gè)體的適應(yīng)度值Fk'(x)＝fit(k')和Fk(x)＝fit(k)，并進(jìn)行比較，若fit(k')≥fit(k)則變異可行，反之變異失敗，該條染色體無(wú)需進(jìn)行變異。所述步驟2-2)中，種群數(shù)量設(shè)置在20～100。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：本發(fā)明采用偏好矩陣能夠根據(jù)管理需要對(duì)每個(gè)目標(biāo)賦予合理的權(quán)重，進(jìn)而將多目標(biāo)調(diào)度問(wèn)題轉(zhuǎn)化為單目標(biāo)調(diào)度問(wèn)題，進(jìn)而降低了調(diào)度問(wèn)題的復(fù)雜度，另外通過(guò)建立工序-設(shè)備圍道矩陣的約束方式，進(jìn)行染色體編碼，使得GA的搜索范圍得到了精確而有效的縮小，提高了求解效率和精度。【附圖說(shuō)明】圖1為本發(fā)明運(yùn)用隨機(jī)權(quán)重系數(shù)法將多目標(biāo)優(yōu)化轉(zhuǎn)單目標(biāo)優(yōu)化的流程圖；圖2為本發(fā)明遺傳算法的流程圖；圖3為本發(fā)明最優(yōu)綜合值的遺傳進(jìn)化曲線(xiàn)；圖4為本發(fā)明多目標(biāo)調(diào)度甘特圖?！揪唧w實(shí)施方式】下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述：本發(fā)明在改進(jìn)遺傳算法中運(yùn)用帶有偏好信息的隨機(jī)權(quán)重系數(shù)法，將多目標(biāo)調(diào)度問(wèn)題轉(zhuǎn)化成單目標(biāo)問(wèn)題來(lái)求解。一、約束條件：FJSP被描述為：設(shè)M為加工設(shè)備的數(shù)量，N為待加工工件數(shù)量，P為工序數(shù)，I為所有設(shè)備的集合；Ieg代表工件e的第g道工序的可用設(shè)備集合，Je為工件e的工序數(shù)；X為所有工件的加工次序，Segk表示工件e的第g道工序在設(shè)備k上加工的開(kāi)始時(shí)間；Eegk為工件e的第g道工序在設(shè)備k上的加工結(jié)束時(shí)間；Tegk為工件e的第g道工序在設(shè)備k上的持續(xù)加工時(shí)間，且k∈Ieg則有Eegk＝Segk+Tegk；Ep表示最后工序的完工時(shí)間；MS表示所有工件的最后完工時(shí)間；當(dāng)工件i的第j道工序和工件e的第g道工序在同一臺(tái)設(shè)備上執(zhí)行，若工序j先于工序g加工時(shí)，Qijeg＝1，否則Qijeg＝0；若工件e的第g道工序在機(jī)床k上加工，則Xegk＝1，否則Xegk＝0；二、目標(biāo)函數(shù)(以三目標(biāo)為例)：(1)完工時(shí)間最?。?2)生產(chǎn)成本最低：(3)工序能力指數(shù)最大：三、運(yùn)用隨機(jī)權(quán)重系數(shù)法將多目標(biāo)優(yōu)化轉(zhuǎn)單目標(biāo)優(yōu)化1偏好定義：偏好是決策者傾向程度的表示，讓決策者有個(gè)重要程度先后順序上的認(rèn)識(shí)。通?？梢杂枚P(guān)系表示。給定一組二元關(guān)系，P和Q，決策者對(duì)它們可能存在以下偏好關(guān)系：(a)若決策者對(duì)P的偏好大于Q，記作P＞Q；(b)若決策者對(duì)P的偏好小于Q，記作P＜Q；(c)若決策者對(duì)P，Q的偏好都差不多，記作P～Q；(d)若未知決策者對(duì)P，Q的偏好，記作P？Q；此處主要用來(lái)描述決策者對(duì)車(chē)間作業(yè)調(diào)度優(yōu)化目標(biāo)的重視程度。2設(shè)偏好矩陣確定各個(gè)目標(biāo)的重要程度，得到個(gè)目標(biāo)函數(shù)的重要度排序。3用偏好信息設(shè)置各目標(biāo)函數(shù)的隨機(jī)權(quán)重系數(shù)從偏好矩陣中得到的各個(gè)目標(biāo)之間的重要程度排序(偏好排序)，根據(jù)這個(gè)排序來(lái)設(shè)置隨機(jī)權(quán)重系數(shù)。若有n個(gè)目標(biāo)，根據(jù)偏好矩陣得到n個(gè)目標(biāo)的偏好排序，比如f1＞f2＞...＞fi＞...＞fn，利用Matlab軟件中的隨機(jī)函數(shù)rand(1,n)得到n個(gè)隨機(jī)數(shù)，記為rand1,randi,...,randn，將這n個(gè)隨機(jī)數(shù)比較大小后排列，越重要的目標(biāo)對(duì)應(yīng)的隨機(jī)數(shù)越大，進(jìn)而得到各個(gè)目標(biāo)函數(shù)相應(yīng)的隨機(jī)權(quán)重系數(shù)為：生成權(quán)重向量：W＝(w1,w2,...,wi,...,wn)，進(jìn)而將多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)：四、改進(jìn)算法的設(shè)計(jì)1染色體編碼考慮到多目標(biāo)調(diào)度問(wèn)題需要衡量各個(gè)目標(biāo)，然后從整體進(jìn)行比較。首先建立工序-設(shè)備的圍道矩陣，GA操作都是在工序-設(shè)備圍道矩陣內(nèi)進(jìn)行，然后進(jìn)行染色體編碼，具體編碼是按照某種工件的某道工序在某個(gè)設(shè)備上加工的信息進(jìn)行設(shè)備的編碼，每個(gè)碼位代表了某種工件的某道工序，每個(gè)碼位上的信息是設(shè)備信息。2初始化種群在遺傳算法中是對(duì)種群執(zhí)行遺傳操作，這里的種群是指染色體，即包含工件工序信息的設(shè)備編碼。在算法的處理過(guò)程中，初始種群數(shù)量大小的設(shè)置，是算法開(kāi)始執(zhí)行的起始點(diǎn)，因此種群數(shù)量大小對(duì)算法有著一定的影響。當(dāng)種群規(guī)模較大時(shí)，群體的多樣性能夠得到保證，更容易搜索到全局最優(yōu)解，但種群更新速度較慢；當(dāng)種群規(guī)模較小時(shí)，種群多樣性比較小，雖然種群更新速度加快，但有可能使算法在局部搜索，得到的只是局部最優(yōu)，無(wú)法搜索到全局，得到全局最優(yōu)解。根據(jù)經(jīng)驗(yàn)，種群數(shù)量設(shè)置在20～100。3適應(yīng)度函數(shù)遺傳算法在搜索中幾乎不使用外部信息，只是以適應(yīng)度函數(shù)為依據(jù)，利用種群中每條染色體的適應(yīng)度值來(lái)進(jìn)行搜索，所以如何選取適應(yīng)度函數(shù)至關(guān)重要，這會(huì)直接影響算法的收斂速度及能否找到最優(yōu)解。在單目標(biāo)遺傳算法中，求解的目標(biāo)只有一個(gè)，只要建立函數(shù)關(guān)系式根據(jù)目標(biāo)是求最大還是最小，直接可求得目標(biāo)解。而多目標(biāo)遺傳算法中，目標(biāo)有多個(gè)，相應(yīng)的函數(shù)也是多個(gè)，利用偏好矩陣給目標(biāo)函數(shù)配上相應(yīng)權(quán)重，組成一個(gè)整體標(biāo)量適應(yīng)度函數(shù)，進(jìn)行求解，公式如下：由于多目標(biāo)求解中，并不是每個(gè)目標(biāo)都要求最大或者最下，往往是既有求最大，又有求最小，所以需要將某些目標(biāo)通過(guò)數(shù)學(xué)關(guān)系轉(zhuǎn)化一下，使整體是求最大或者最小。如有三個(gè)目標(biāo)：最小完工時(shí)間，最低生產(chǎn)成本，最大工序能力指數(shù)要綜合起來(lái)求解是困難的，因?yàn)槿齻€(gè)目標(biāo)的方向不一致，兩個(gè)目標(biāo)要求最小，一個(gè)目標(biāo)要求最大，所以考慮把求最大的，通過(guò)倒數(shù)形式，換成求最小的，如下所示：其中，F(xiàn)(x)為綜合最優(yōu)函數(shù)，由于f3的目標(biāo)是求工序能力指數(shù)最大，而綜合最優(yōu)是求最小，所以這里寫(xiě)成4選擇策略選擇操作是一種通用的操作，與求解問(wèn)題無(wú)關(guān)，但卻是遺傳算法中最重要的一環(huán)，不同的選擇方式，會(huì)影響父代遺傳到下一代的種群特點(diǎn)，而且選擇多少父代遺傳到下一代，會(huì)影響種群的多樣性以及算法的收斂速度，選擇的父代個(gè)體數(shù)多，種群多樣性好，收斂慢，反之則多樣性差，收斂快，產(chǎn)生過(guò)早收斂，最后影響最優(yōu)解的產(chǎn)生。針對(duì)多目標(biāo)的問(wèn)題的選擇操作問(wèn)題中，不能像單目標(biāo)選擇操作那樣直接采用精英保留策略，把個(gè)體適應(yīng)度值最大的染色體直接復(fù)制到下一代，因?yàn)槎嗄繕?biāo)的適應(yīng)度值是在給各個(gè)目標(biāo)賦上不同權(quán)重后得出的一個(gè)綜合值，每進(jìn)行一次遺傳操作，隨機(jī)權(quán)重會(huì)發(fā)生變化，可能出現(xiàn)綜合值是最大的，但其中單個(gè)目標(biāo)的值可能不理想，如果將這樣的染色體復(fù)制進(jìn)入下一代，將是不利的。所以在計(jì)算完適應(yīng)度值F(x)后，采用稍作修改的精英保留策略，在眾多染色體中選取一定數(shù)量的，適應(yīng)度值較大的染色體(種群數(shù)量Npop的80％)，進(jìn)入初步的帕累托最優(yōu)解集。5交叉操作本文主要采用多點(diǎn)交叉方法，對(duì)于數(shù)量Npop＝50的種群，取交叉概率為Pc＝0.8隨機(jī)選擇兩個(gè)交叉點(diǎn)進(jìn)行交叉操作；6變異操作本發(fā)明的變異操作是基于圍道矩陣的，目的是確保變異后的染色體仍舊滿(mǎn)足工序-設(shè)備約束。取變異概率Pm＝0.06，計(jì)算出需要變異的染色體數(shù)量，對(duì)于每條染色體隨機(jī)確定變異的碼位，然后搜索工序-設(shè)備圍道矩陣，尋找該碼位上的可替換的設(shè)備編碼，產(chǎn)生變異之后的新染色體。通過(guò)計(jì)算已經(jīng)變異個(gè)體的適應(yīng)度值Fk'(x)＝fit(k')和Fk(x)＝fit(k)比較，若fit(k')≥fit(k)則變異可行，反之變異失敗，該條染色體無(wú)需進(jìn)行變異。實(shí)施例：下面采用一個(gè)3×6×8的柔性作業(yè)車(chē)間調(diào)度問(wèn)題案例(3類(lèi)工件，對(duì)應(yīng)最大工序數(shù)為6，在8臺(tái)設(shè)備上進(jìn)行加工)來(lái)討論改進(jìn)遺傳算法對(duì)多目標(biāo)調(diào)度問(wèn)題的求解。其加工任務(wù)信息表如表1所示，相關(guān)參數(shù)為：?jiǎn)挝粫r(shí)間成本，設(shè)備1，20元/小時(shí)；設(shè)備2，33元/小時(shí)；設(shè)備3，60元/小時(shí)；設(shè)備4；72元/小時(shí)；設(shè)備5，45元/小時(shí)；設(shè)備6，100元/小時(shí)；設(shè)備7，126元/小時(shí)；設(shè)備8，179元/小時(shí)。表1加工任務(wù)信息表調(diào)度的目的為同時(shí)實(shí)現(xiàn)最小化最大完工時(shí)間，最小化生產(chǎn)成本，最大化工序能力指數(shù)三個(gè)優(yōu)化目標(biāo)。1染色體編碼多目標(biāo)調(diào)度問(wèn)題的染色體編碼和單目標(biāo)調(diào)度的染色體編碼方式原理相同，考慮到多目標(biāo)調(diào)度問(wèn)題需要衡量各個(gè)目標(biāo)，然后從整體進(jìn)行比較。利用工序-設(shè)備的圍道矩陣進(jìn)行染色體編碼，矩陣如表2所示：表2工序-設(shè)備圍道矩陣描述：F1--F9表示機(jī)加工中的不同加工工藝：粗車(chē)、精車(chē)、外圓磨、磨端面、鏜、鉆孔等；F10--F12表示3種工件類(lèi)型A、B、C；a1--a18表示每個(gè)工件各道工藝類(lèi)型；M1--M8表示完成各道工序所使用的機(jī)床。編碼是按照某種工件的某道工序在某個(gè)設(shè)備上加工的信息進(jìn)行設(shè)備的編碼，每個(gè)碼位代表了某種工件的某道工序，每個(gè)碼位上的信息是設(shè)備信息。根據(jù)圍道矩陣生成的染色體編碼，如下所示：146740235283132173前6個(gè)數(shù)：1，4，6，7，4，0表示工件A的5道工序分別在1號(hào)設(shè)備，4號(hào)設(shè)備，6號(hào)設(shè)備，7號(hào)設(shè)備，4號(hào)設(shè)備加工，依次類(lèi)推。注：解碼的目標(biāo)是為了得到每個(gè)設(shè)備上與各種工件對(duì)應(yīng)的工序的先后，并根據(jù)這些工序得出該設(shè)備上某種工件某道工序的起始時(shí)間，完工時(shí)間，加工成本和工序能力指數(shù)。在單目標(biāo)問(wèn)題中已經(jīng)詳細(xì)敘述，這里不再贅述。2初始化種群隨機(jī)生成初始種群Ψ，種群數(shù)量Npop＝50條染色體，每條染色體是含有工件工序信息的設(shè)備編碼。3適應(yīng)度函數(shù)此處的目標(biāo)函數(shù)為最小完工時(shí)間，最低生產(chǎn)成本，最大工序能力指數(shù)三項(xiàng)(1)定義偏好為最小化最大完工時(shí)間f1，最小化生產(chǎn)成本f2，最大化工序能力指數(shù)f3,其中重要程度依次為f1，f2，f3。(2)建立偏好矩陣如式所示。矩陣第一行表示完工時(shí)間目標(biāo)函數(shù)f1與生產(chǎn)成本目標(biāo)函數(shù)f2的偏好關(guān)系為1＞0，說(shuō)明決策者認(rèn)為完工時(shí)間比生產(chǎn)成本重要一些f1＞f2，同理可得f1＜f3，f2＞f3，所以可得到三個(gè)目標(biāo)的重要程度的先后順序即偏好排序：f1＞f2＞f3。(3)利用偏好信息設(shè)置隨機(jī)權(quán)重系數(shù)從偏好矩陣中得到的各個(gè)目標(biāo)之間的重要程度排序f1＞f2＞f3，利用Matlab軟件中的隨機(jī)函數(shù)rand(1,n)得到3個(gè)隨機(jī)數(shù)rand1,rand2,rand3，比較大小后排列對(duì)應(yīng)f1，f2，f3，進(jìn)而得相應(yīng)權(quán)重為：w1,w2,w3(4)確定適應(yīng)度函數(shù)由于最小完工時(shí)間，最低生產(chǎn)成本，最大工序能力指數(shù)三個(gè)目標(biāo)的方向不一致綜合起來(lái)求解較為困難的，兩個(gè)目標(biāo)要求最小，一個(gè)目標(biāo)要求最大，所以考慮把求最大的，通過(guò)倒數(shù)形式，換成求最小的，如下所示：其中，F(xiàn)(x)為綜合最優(yōu)函數(shù)，由于f3的目標(biāo)是求工序能力指數(shù)最大，而綜合最優(yōu)是求最小，所以這里寫(xiě)成4選擇策略本文中在計(jì)算完適應(yīng)度值F(x)后，采用稍作修改的精英保留策略，在眾多染色體中選取一定數(shù)量的，適應(yīng)度值較大的染色體(種群數(shù)量Npop的80％)，進(jìn)入初步的帕累托最優(yōu)解集。之后計(jì)算每條染色體被選擇的概率P(x)，只有概率P(x)≥K(K＝0.8，這個(gè)數(shù)值的選取，是利用帕累托的二八定律選出，即在自然界的繁衍中，好的個(gè)體只占了一小部分，大多數(shù)是次要的)，才會(huì)被選擇進(jìn)入交叉變異等后續(xù)操作。下一代個(gè)體由于在選擇后進(jìn)入交叉變異的數(shù)量減少，所以為了彌補(bǔ)這種減少，從第一代的初步的帕累托最優(yōu)解集中隨機(jī)選取一定數(shù)量的個(gè)體進(jìn)入第二代。概率P(x)定義如下(初始種群Ψ，種群數(shù)量Npop)：這里的Fmin(Ψ)是種群中適應(yīng)度值最小的染色體的代表。5交叉操作采用多點(diǎn)交叉方法，對(duì)于數(shù)量Npop＝50的種群，取交叉概率為Pc＝0.8隨機(jī)選擇兩個(gè)交叉點(diǎn)進(jìn)行交叉操作。如下所示：父代個(gè)體：Chrom1：146740235283132173Chrom2：234140135213236274子代個(gè)體：ChromA：134740235283136273ChromB：246140135213232174注：因?yàn)槿旧w的碼位代表各工件的工序，所以在交叉時(shí)，碼位必須一一對(duì)應(yīng)。6變異操作變異操作是基于圍道矩陣的，目的是確保變異后的染色體仍舊滿(mǎn)足工序-設(shè)備約束。取變異概率Pm＝0.06，計(jì)算出需要變異的染色體數(shù)量，對(duì)于每條染色體隨機(jī)確定變異的碼位，然后搜索工序-設(shè)備圍道矩陣，尋找該碼位上的可替換的設(shè)備編碼，產(chǎn)生變異之后的新染色體。如：原染色體：146740235283132173變異后：136740135283132273通過(guò)計(jì)算已經(jīng)變異個(gè)體的適應(yīng)度值Fk'(x)＝fit(k')和Fk(x)＝fit(k)比較，若fit(k')≥fit(k)則變異可行，反之變異失敗，該條染色體無(wú)需進(jìn)行變異。根據(jù)不同的設(shè)備編碼得出不同的最優(yōu)綜合值F(x)，如表3所示：表3不同編碼與綜合值從表中可得，最優(yōu)綜合值最小的是MT12矩陣對(duì)應(yīng)的加工信息，矩陣信息及按該矩陣加工多目標(biāo)調(diào)度的遺傳進(jìn)化曲線(xiàn)如表4，圖3所示：表4MT12矩陣?yán)m(xù)表5.4-2以上內(nèi)容僅為說(shuō)明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動(dòng)，均落入本發(fā)明權(quán)利要求書(shū)的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3