一种基于多规则组合的动态柔性车间调度方法

本发明涉及动态柔性车间调度领域，尤其涉及一种基于多规则组合的动态柔性车间调度方法。

背景技术：

1、动态柔性车间调度问题，是指动态柔性车间调度问题，针对制造业中的生产调度问题产生解决方案。动态柔性车间调度的目标是在生产车间中对一系列生产任务进行动态调度，以实现最佳的生产效率和资源利用率。动态柔性车间调度中的“动态”意味着调度问题是基于实时情况进行决策的，即生产车间中的任务和资源在时间上是不断变化的(例如不断有新的工件到来)，需要根据实时信息进行调整。而“柔性”表示生产车间中的资源(如机器、工人等)可以灵活配置(例如同一道工序可以在不断地变化)，以适应生产任务的不同需求。

2、对于动态柔性车间调度问题，遗传规划算法可以用于自动生成动态生产调度规则，其基本思想是将调度规则表示为基因(即候选解)，并对这些基因进行遗传操作(如交叉、变异等)，以产生良好的实时调度规则。

3、但是遗传规划产生的调度规则的泛化性还有待提高，对于相同场景，相同设定不同的随机采样范例，最适配的调度的规则往往是不一的。此外，在现有的使用遗传规划解决动态柔性车间调度问题中，候选规则为由状态量和运算符直接组成的优先值计算公式，这就导致遗传规划所能搜索的解空间是有局限的。

技术实现思路

1、本发明的目的在于针对现有技术的不足，一种基于多规则组合的动态柔性车间调度方法。

2、本发明的目的是通过以下技术方案来实现的：一种基于多规则组合的动态柔性车间调度方法，包括以下步骤：

3、s1、获取车间中各个机器和工件的状态量；

4、s2、建立动态柔性车间调度模型：模型输入序列规则函数和路由规则函数以及案例信息，模型输出工件在车间内的平均停留时间；调度过程为：将各机器和工件的状态量输入，通过序列规则函数和路由规则函数计算出机器和工件的优先值进行机器选择和工件选择，由此更新机器和工件的状态量，直至完成调度，返回工件在车间内的平均停留时间；

5、s3、使用遗传规划算法构建多组初始规则；

6、s4、通过得到的多组初始规则应用到动态柔性车间调度模型中，建立多规则组合调度的动态柔性调度模型；模型输入多组规则函数、各组规则函数对应的权重以及案例信息，模型输出工件在车间内的平均停留时间；调度过程为：在进行机器选择和工件选择时，在多组规则函数中输入各机器和工件的状态量得到多组优先值，基于各组规则的权重对优先值进行加权求和，得到最终优先值并以此进行调度；

7、s5、根据混合差分进化算法计算得到多规则组合调度的动态柔性调度中各规则的最佳权重，并输入到多规则组合调度的动态柔性调度模型中；

8、s6、根据多规则组合调度的动态柔性调度模型得到的各机器和工件的优先值进行车间调度。

9、进一步地，所述各个机器和工件的状态量具体为描述工件被处理情况和机器工作情况的变量，包括：机器需要处理的总操作数、机器等待队列中的总工作量、机器达到空闲状态的时间、工序处理时间、下一个工序处理时间的中位数、工件剩余的工作量、工件剩余的工序数、工件到达车间后的时间和运输时间。

10、进一步地，所述动态柔性车间调度模型中，所述序列规则函数为：在一个工件进行机器选择时，输入该工件的所有状态变量和一个机器的所有状态变量，输出该机器的优先值；

11、所述路由规则函数为：在一个机器进行工件选择时，输入为该机器和一个备选工件的所有状态变量，输出该备选工件的优先值。

12、进一步地，根据机器和工件的优先值具体的调度方法为：

13、机器选择：当前发生的事件为新工件的到来时，通过在路由规则函数中输入当前新工件的状态量和各个机器的相关状态量，计算各个机器的优先值，选择优先值最高的机器作为处理该工件第一道工序的机器；如果所选机器为空闲，则机器直接处理该工件，否则将新工件插入到该机器的等待队列中；

14、工件选择：当前发生的事件为工件某个工序被处理完成时，如果该工序不是该工件的最后一道工序，则需确定处理该工件下一道工序的机器，重复机器选择过程；如果再一次选择了原来的机器，则直接将其放置于原机器的等待队列中；

15、在分配好已完成工序的工件后，对刚处理完该工件的机器进行安排，如果该机器的等待序列为空，则让其空闲；如果该机器的等待序列不为空，则在队列中进行序列选择：将机器的信息和备选的工件信息输入到序列规则函数中去，得到优先值，取优先值最大的一个工件作为机器要处理的下一道工件。

16、进一步地，所述使用遗传规划算法构建多组初始规则具体为：

17、s3.1、初始化种群：随机生成若干组初始程序作为规则组的种群，每个规则组个体由路由规则和序列规则两个规则对应的计算函数组成；

18、s3.2、将每个规则函数使用一颗语法树表示，非叶子节点为操作符，叶子节点为状态变量；将语法树转换为中缀表达式，得到规则函数对应的公式；

19、s3.3、将初始规则组转换的规则函数输入到动态柔性规划模型中去，获取适应度值；

20、s3.4、根据适应度情况在种群中选择父代；根据父代个体生成新个体，同时进行交叉和变异操作；

21、s3.5、对新生成的个体重新评估适应度并根据适应度选择精英个体；迭代至预设的最大迭代次数后，停止演化选取最后保留的精英个体。

22、进一步地，所述多规则组合调度的动态柔性调度模型具体包括：以工件在车间内的停留时间最短为目标，将各机器和工件的状态量、规则函数和每种规则的权重作为输入，首先根据动态柔性车间调度模型计算每个规则下不同机器或工件的优先值，对同一规则输出的不同机器或工件的优先值进行归一化，对多组归一化后输出的优先值进行加权组合输出最终调度的优先值。

23、进一步地，所述根据混合差分进化算法计算得到多规则组合调度的动态柔性调度中各规则的最佳权重具体为：

24、s4.1、初始化种群，种群每个个体为一个代表规则权重的向量，向量维度为保存的最优的调度规则个数；由0到1的均匀分布的随机变量采样生成初始权重，将各个初始权重转化为比例权重；

25、s4.2、计算种群个体的适度值，并选取适度值最好的个体，使用变异策略对权重进行更新；其中适度值为工件在车间内平均停留时间的反数；

26、s4.3、求取新种群的适度值，并使用贪心的原则保留对应坐标下表现最好的个体；持续迭代直至到达最大迭代次数。

27、进一步地，所述变异策略包括随机使用第一策略和第二策略生成变异个体，并设定交叉率阈值，每次生成新个体时生成一个随机数，若小于交叉率阈值则将新个体替换变异个体。

28、进一步地，所述第一策略和第二策略具体为：

29、第一策略：第i个变异生成的中间个体为xi,从种群中随机抽取三个个体则有：

30、

31、第二策略：第i个变异生成的中间个体为xi,从种群中随机抽取两个个体则有：

32、

33、其中f为缩放因子。

34、根据本说明书的另一方面，还提供了一种基于多规则组合的动态柔性车间调度装置，该装置包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，用于实现一种基于多规则组合的动态柔性车间调度方法。

35、本发明的有益效果：

36、在工业车间调度的场景实现了基于多调度规则的组合优化，打破了传统中的基于遗传规划生成的调度规则中只有状态量而无权重系数的局限性，相对于单一的调度规则，组合的调度规则具有更强的泛化性和更好的调度效果。