用遗传神经网络混合算法求解可变加工时间Job-shop调度问题.pdfVIP

2007年 赣南师范学院学报 No．6 第六期 Journal of Gannan Normal University Dec．2O07 用遗传神经网络混合算法求解 可变加工时间Job—shop调度问题 昊晶晶 2，蒋文贤 ，徐克林 (1．同济大学机械工程学院，上海 200092；2．漳州职业技术学院计算机工程系，福建漳州 363000； 3．华侨大学信息学院，福建泉州 36201 1) 摘 要：有效地混合了遗传算法和基于约束满足的自适应神经网络算法，对于一类加．T-时间可变的调度问题 进行了研究．遗传算法被用来进行迭代寻优．当前代经交叉和变异后生成的染色体对应非可行解，由自适应神经网 络运算后得到可行解，对应的染色体作为新一代染色体．本算例的目标函数是基于任务的提前／拖期惩罚、附加惩 罚以及加工时间的偏离量惩罚，目标是确定最优加工时间和最优加工顺序极小化目标函数，并与一般的遗传算法 相比较，实验结果说明了遗传／自适应神经网络算法混合算法的有效性． 关键词：遗传算法；自适应神经网络；可变加工时间；调度 中图分类号：TP183 文献标识码：A 文章编号：1004—8332(2007)06．一0066—03 调度(scheduling)可以定义为若干个任务在一些机器上进行~n-r_，如何按时间对机器和物力等资源进行 安排，使某些目标函数达到最优．目前，有关调度问题的研究热点仍然把提前和拖期惩罚作为性能指标…， 这种指标规定，如果任务的完成时间早于交货期或晚于交货期都将受到惩罚．从现有文献看，一般的提前／拖 期调度问题在模型中都把任务的加工时间当作一个固定不变的量进行描述，进而考虑任务的提前生产或拖 期完工对目标函数的影响 J．但在某些实际生产环境中，由于资源的不确定性等因素使得任务的加工时间 一 般只能给出一定的范围，加工时间的大小具有可变性 J，因此在本文的问题中把~n-r_时间描述为其值为 可变的量． Foo S．Y．最早提出用神经网络求解Job—shop调度问题_4 J，其后又有一些人用神经网络对此问题进行 了研究 一 ，取得非常好的成效．近年来遗传算法在Job—shop调度问题上也得到了应用 J．因此本文首先 建立了可变加工时间的提前／拖期调度的数学模型，在目标函数中不仅考虑提前／拖期惩罚，对过长的交货 期、完工时间、加工时间的偏离取值等都给予一定的惩罚，并给出确定最优加工时间的方法．在寻找最优排序 过程中，运用了遗传算法(GA)和基于约束满足的自适应神经网络(CSANN)混合方法来求解Job—shop调 度问题．遗传算法用来迭代寻优，CSANN用来在遗传算法迭代过程中求得可行解．仿真表明了混合算法的 有效性． 1 问题描述 设有n个等待在同一机器上~n-r_的彼此独立的任务，任务 的交货期为d ，在机器上实际的加工时间为 P ，可变加工时间的区间范围为：【p nl ，p “】，p 曼Pi p ．不失一般性，我们以可变加工时间区间值上界的 非减顺序排列： … p 基本假设如下：任务同时等待加工；任务不允许中断；机器每次只能加 工一个任务；机器一旦开始运行就连续加工直至所有任务都加工完毕． 目标函数表示如下 Gr，d，p)： ∑[orEf+ +．yd + c +7-。(p。In 一P )] (1) 其中or为任务的任意一个加工顺序，d为公共交货期，P为任务的加工时间，P={P ，P：，…，P }， 为提前完工 惩罚系数， 为拖期完工惩罚系数，7为交货期惩罚系数，0为完成时间惩罚系数，r 为实际加工时间偏离值 的惩罚系数； 。、 、C 分别为任务 的提前量、拖期量、完成时间，C_1]为一具体完成时间，其中E ：max(0，d — c[ j)， =max(0，C c ]一d)． 目标是找到最优公共交货期d ，最优加工时间P 和最优排序or ，极小化 or，d，P)． 2 遗传／自适应神经网络混合算法 遗传算法的思想源于生物遗传学和适者生存的自然规律，是Holland首次提出 ，并逐渐发展成一种自