[發明專利]一種基于優化小生境遺傳算法的資源調度優化方法

在審

• 申請號: 202010715802.6
• 申請日: 2020-07-23
• 公開（公告）號: CN112001526A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 劉晶;袁夕霞;閆文杰;齊巧玲;智琦琦
• 申請（專利權）人: 河北工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/04;G06N3/12;G06K9/62;G06F30/27;G06F111/04;G06F111/06;G06F111/10
• 代理公司: 石家莊知住優創知識產權代理事務所(普通合伙) 13131
• 代理人: 林艷艷

本發明公開了一種基于優化小生境遺傳算法的資源調度方法，包括下述步驟：S1.以建立多目標函數和多約束條件為基礎，建立資源調度優化數學模型；S2.基于權值粒子群算法對多目標函數進行加權處理，將多目標模型轉化為單目標函數的問題；S3.根據K均值聚類算法把種群分為K個聚類并確定聚類中心；S4.選擇、自適應交叉、自適應變異和小生境淘汰操作；S5.判斷是否滿足終止條件得到最終資源調度方式。本發明針對資源調度中現存的多目標求解難和易陷入局部最優解等問題，對基于優化小生境遺傳算法的資源調度方法中的多目標函數確定權值、小生境半徑和交叉和變異算子這三個過程進行改進，并且有效顯著降低資源調度方式的成本并且降低加工時間。

技術領域

本發明涉及資源調度領域，具體涉及一種基于小生境遺傳算法的多目標優化方法解決資源調度問題。

背景技術

隨著傳統制造向智能制造的轉變，如何降低成本和減少資源浪費等成為研究熱點。應用智能優化算法研究更有效、更科學和更便捷的資源調度方法是改變當前資源調度優化過程單憑資源調度的經驗的重要途徑和必然方法。

近年來，資源調度問題一直是工業生產中提高生產效率的重中之重，越來越多的研究人員將智能優化方法應用于資源調度領域。傳統的生產車間調度優化算法大多為蟻群算法、神經網絡、模擬退火等，文章[王萬良等.基于Hopfield神經網絡的作業車間資源調度方法[J].自動化學報，2002，028(005):838-844.]采用基于Hopfield神經網絡解決資源調度問題，可穩定輸出為可行的車間調度方案；文章[黃學文等.基于蟻群算法的多加工路線柔性車間調度問題[J].計算機集成制造系統，2018.]針對具有工藝路徑柔性和機器柔性的多加工路線柔性車間調度問題，通過引入額外的節點信息素，改進信息素更新策略和狀態轉移規則，實現了蟻群算法求解。這些方法能夠解決模型資源調度較為簡單的問題，但是在資源調度模型中約束條件越來越復雜情況下，難以得到最佳資源調度方式，且收斂速度較慢、易陷入局部最優，具有局限性，不適合處理復雜的資源調度模型。目前已有學者將智能優化算法應用于資源調度優化計算，有效的解決了傳統計算資源調度模型存在的問題。文章[袁帥鵬等.多目標煉鋼—連鑄資源調度的改進帶精英策略的快速非支配排序遺傳算法[J].計算機集成制造系統，2019，25(01):119-128.] 針對煉鋼連鑄調度的特殊工藝要求，提出一種基于自適應網格法的擇優策略來改進帶精英策略的快速非支配排序遺傳算法，有效克服了使用傳統Pareto支配法擇優策略在解決離散問題時容易丟失有用信息的缺陷。隨著工廠的需求逐漸增加，傳統智能優化算法出現了新的問題：不僅需要考慮完成生產任務的問題，也要同時考慮成本和資源的問題，因此，如何求得多目標函數的最佳資源調度方式并滿足復雜的約束條件成為新的問題焦點。

發明內容

為了解決現有技術問題，本發明提供一種基于小生境遺傳算法的多目標優化方法，首先建立以生產成本、運輸成本和生產時間為優化目標，以資源總量、設備工時和生產總量等為約束條件的多目標優化模型。其次，采用基于權值粒子群算法將多目標優化問題轉化為單目標優化問題。最后，根據工廠生產的實際執行因素，將基于K均值聚類算法優化小生境遺傳算法與實際工廠生產過程相結合，合理地生成資源調度方式，達到減小生產成本、降低運輸產本、縮短生產時間的效果。

為解決上述技術問題，本發明所采取的技術方案是：

一種基于小生境遺傳算法的多目標優化方法，包括下述步驟：

S1：建立生產成本、運輸成本和生產時間的多目標函數，提出資源總量、設備工時和生產總量為多約束條件，建立資源調度優化數學模型；

S2：針對多目標的特點提出一種基于權值粒子群優化方法對多目標函數進行加權處理，將多目標模型轉化為單目標函數的問題；

S3：初始化種群，隨機生成M個個體，并計算各個個體的適應度值，對每個個體的適應度進行計算按降序排列，并記憶前N個個體；

S4：根據基于優化K均值聚類算法把種群分為K個聚類并確定聚類中心；