一種針對大規模柔性作業車間調度的集成搜索方法
【技術領域】
[0001] 本發明涉及計算機應用及生產調度技術領域，特別是關于一種針對大規模柔性作 業車間調度的集成搜索方法。
【背景技術】
[0002] 音樂演奏中，樂師們憑借自己的記憶，通過反復調整樂隊中各樂器的音調，最終達 到一個美妙的和聲狀態，韓國學者Geem ZW等人受這一現象的啟發，提出了和聲搜索算法。 將樂器i(i = l，2，-_，n)類比于優化問題中的第i個變量，各樂器的音調類比于各變量的值， 各樂器音調的和聲&(」=1，2，一，!11)類比于優化問題的第」組解向量，音樂的評價效果類比 于目標函數。基本的和聲搜索算法產生m組初始解（和聲）放入和聲記憶庫（Harmony Memory，HM)，以概率HMCR在HM內搜索新的變量，以概率1-HMCR在HM外變量允許的范圍中搜 索;然后算法以概率PAR對新的變量產生局部擾動;判斷新解的目標函數是否屬于HM內的最 差解，若是，則替換之;然后不斷迭代直至滿足停止準則。基于和聲搜索算法的主要參數有 和聲記憶庫大小m，記憶庫保留概率(Harmony Memory Considering Rate，HMCR)和聲調解 率(Pitch Adjusting Rate，PAR)，其中算法參數的設置影響算法收斂效率和收斂速度，基 本的和聲搜索過程為：
[0003] 步驟1)初始化參數記憶庫大小m、記憶庫保留概率HMCR、和聲調解率PAR、擾動系數 bw，算法迭代次數NI;
[0004] 步驟2)隨機產生m組初始解放入HM，其中HM矩陣的行向量4… 表示優化問 題的一個解；
[0005]
[0006] 步驟3)由當前處于HM的m組解產生一個新解[x/x/…^/ ]，對于每個決策變量x/ 具體產生的規則有如下3條:記憶庫選擇、音調調整和隨機選擇。首先產生一個在[0，1]之間 均勻分布的隨機數rand()，如果rand()小于HMCRa/由記憶庫選擇規則產生，否則由隨 機選擇規則產生。其次，一個決策變量x/如果由記憶庫規則產生，則還需要以PAR的概率經 過音調調整。記憶庫選擇、音調調整的規則分別如公式(2)、公式(3)和公式(4)所示：
[0007] %' =碎，其中 ειΕ(1，2，···，πι) (2)
[0008] x/=x/土rand( ) Xbw (3)
[0009] Xi7 =LBi+rand( ) X (UBi-LBi) (4)
[0010] 式中，UBi和LBi分別為第i個決策變量的上下界范圍，a是指解Xi的第i個決策變量， bw是算法參數指帶寬。
[0011 ]步驟4)更新HM。如果新產生的解向量[x/ X；/…Xr/ ]優于HM中最壞的解，則用當前 新解替換HM中這個最壞的解。
[0012] 步驟5)重復步驟3)和步驟4)直至達到指定的迭代次數。
[0013] 近幾年來，和聲搜索算法作為一種全局優化方法被廣泛應用于求解組合優化問 題，在旅行商問題、管道鋪設問題、公交車路徑優化問題等重要組合優化問題中都得到了成 功的應用。在和聲搜索的發展過程中，出現了許多變種。受粒子群算法中的群體智能思想的 啟發，Omran和Mahdavi提出了 一個全局最優和聲搜索算法(gHS)，該算法對基本和聲搜索算 法的音調調整規則做了改變。假設HM中的最優解為：
[0014]
[0015]則音調調整規則為：
[0016] x/ = 其中，k為1至η之間的隨機整數（5)
[0017] Ling Wang等人考慮到更好地保留最優解的結構，將音調調整規則進一步修改為： [0018]
[0019] LNS(大鄰域搜索）是一種結合約束規劃和局部搜索以求解優化問題的強大技術。 典型的局部搜索只在當前解的基礎上做小的改變，如在調度解中移動一兩個操作。但是LNS 與之不同，LNS選擇問題變量的子集來對問題進行松弛，因此它有可能在當前解基礎上做較 大的改動。在LNS中，首先選擇松弛的變量，然后重新分配這些變量的值，同時保持其它變量 的值不變，這個步驟稱之為破壞。該步驟之后，通過重新優化未分配值的變量以尋找更優的 解，該步驟稱之為構建。破壞和構建這兩個步驟在LNS中迭代執行，直到終止條件滿足。如圖 1所示，LNS的主要思想是通過破壞操作，原始的問題被約簡了，然后在約簡的問題上運行約 束規劃，能夠有效克服約束規劃在探索大的搜索空間上存在的能力不足問題。
[0020] HHS(Hybrid Harmony Search，HHS混合和聲搜索）是基于進化計算的方法，它的優 勢在于可以很快產生優質的解，然而在解決大規模問題時探索開發能力不足，算法執行到 一定程度時，即使再進一步增加迭代次數，所得結果也不會進一步改進;LNS是基于約束規 劃的方法，它的優勢在于具有很強的搜索開發(爬山）能力，但是缺點在于搜索性能依賴于 初始解，且搜索開發能力隨問題規模的增大急劇遞減。
【發明內容】
[0021] 針對上述問題，本發明的目的是提供一種能夠有效解決大規模柔性作業車間調度 問題的集成搜索方法。
[0022] 為實現上述目的，本發明采取以下技術方案:一種針對大規模柔性作業車間調度 的集成搜索方法，其特征在于包括以下步驟:1)定義某個要解決FJSP的解向量;2)將混合和 聲搜索中的解向量轉換為FJSP可行解的編碼;3)采用混合和聲搜索算法進行和聲搜索，即 首先隨機初始化若干解向量，設定最大迭代次數，每代通過混合和聲搜索算子產生一個新 的解向量;4)將混合和聲搜索的解向量轉化為FJSP問題的調度解，根據設置的領域進行局 部搜索，并將局部搜索得到的改善后的調度解再轉化為解向量，利用這個解向量替換局部 搜索前的解向量，繼續和聲搜索的搜索過程得到最優解;5)將基于混合和聲搜索算法所找 到的最優解作為大領域搜索算法的初始解，采用大領域搜索算法繼續進行搜索，直到滿足 終止條件，得到最新調度解即完工時間。
[0023] 進一步，所述步驟1)定義某個要解決FJSS的解向量，具體為：解向量表示為 毛=|^丨,1丨,"\；^}，11表示維數量，每一維的變量范圍都是[-1，1]，解向量的維數11是所求 解FJSS調度問題操作數目總和的兩倍，其中，解向量的前半部分丨：表示所有 操作的機器選擇信息，后半部分{</2+1, </2+2,…4 ；(表示所有操作的排序信息。
[0024] 進一步，所述步驟2)將和聲搜索中的解向量轉換為FJSS可行解的編碼，轉換算法 對于機器選擇部分和操作排序部分分別采用不同的轉換策略，具體為：2.1)在機器選擇部 分，具體做法:首先將[_1，1]內的實數線性變換映射到[l，m]內的實數，然后再取最接近的 整數，對任意X e [ -1，1 ]，所對應的[1，m]內的整數z為：
[0025]
[0026]其中，round()為取一個實數最接近的整數，特殊情況是當m= 1時，對任意1￡[-1，1 ]，z = 1; 2.2)在操作排序部分，使用基于LPV規則的轉換方法。
[0027] 進一步，所述步驟5)將基于和聲搜索算法所找到的最優解作為大領域搜索算法的 初始解，采用大領域搜索算法繼續進行搜索，直到終止條件滿足，得到的解為完工時間的調 度，具體過程為:5.1)建立基于約束的模型;5.2)破壞步驟，即對當前解進行擾動，在后續構 建步驟中生成新的更優解;5.3)構建步驟，即利用約束規劃搜索在當前解的基礎上形成新 的調度解。
[0028] 本發明由于采取以上技術方案，其具有以下優點：1、本發明針對以完工時間為優 化目標的FJSP集成了兩個算法，即混合和聲搜索和大鄰域搜索，HHS是一種具有模因演算法 風范的演化算法，而LNS則是一種典型的基于約束的方法，為了形成一個更加有效的搜索機 制，本發明首先運行HHS，然后運行LNS進一步改進HHS所得到的最終解，在運行LNS之前，該 集成搜索方法還利用HHS所得到的精英解