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