1.一种基于蚁群算法的多目标的工件调度方法,其特征在于,所述方法包括:
在当前次迭代时,建立第一预设数量只蚂蚁,针对第一预设数量个蚂蚁中的当前只蚂蚁建立空批;
获取所述多目标中的每个目标的信息素矩阵,以及预设的针对所述当前只蚂蚁的目标偏好向量,并针对第二预设数量个加工设备中的每一加工设备,获取每一目标与对应的目标偏好向量之积的和最小的加工设备,并将所述加工设备作为当前加工设备;其中,所述目标包括:能耗、加工时间;
将所述空批作为所述当前加工设备的第一当前批;并将待加工工件中的第一待加工工件调度至所述第一当前批中;将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的当前候选列表中;
判断是否存在未被调度的待加工工件;
若是,返回执行所述针对第一预设数量个蚂蚁中的当前只蚂蚁建立空批的步骤;直至所述待加工工件都被调度至所述当前只蚂蚁对应的批中;
若否,将第一预设数量只蚂蚁中,除所述当前只蚂蚁之外的一只蚂蚁作为当前只蚂蚁,并返回执行所述针对第一预设数量个蚂蚁中的当前只蚂蚁建立空批的步骤,直至所述第一预设数量只蚂蚁对应的待加工工件都被调度;
将当前次迭代过程中得到的完工时长最小值与所述当前次迭代之前的所有迭代过程中得到的完工时长最小值中的较小值,作为所述当前次迭代对应的全局最优完工时长;将当前次迭代过程中得到的能耗最小值与所述当前次迭代之前的所有迭代过程中得到的能耗最小值中的较小值,作为所述当前次迭代对应的全局最优能耗;
将所述当前次迭代过程中所有蚂蚁对应的调度方案作为所述当前次迭代过程的解集;
根据当前次迭代对应的信息素矩阵、全局信息素挥发速率以及当前次迭代对应的解的集合,更新当前次迭代的下一次迭代的信息素矩阵;
判断所述当前次迭代对应的迭代次数是否等于第二预设阈值;
若否,将当前次迭代对应的迭代次数与第一预设阈值的和作为当前次迭代对应的迭代次数,并返回执行所述在当前次迭代时,建立第一预设数量只蚂蚁,针对第一预设数量个蚂蚁中的当前只蚂蚁建立空批的步骤;
若是,将当前次迭代过程中全局最优完工时长以及全局最优能耗对应的调度方案作为目标调度方法。
2.根据权利要求1所述的一种基于蚁群算法的多目标工件调度方法,其特征在于,所述将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的当前候选列表中,包括:将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的当前候选列表中,且每一所述第二待加工工件的尺寸小于所述当前加工设备的剩余容量;其中,所述当前加工设备的剩余容量为所述当前加工设备的总容量与所述第一待加工工件的总尺寸的差;
根据所述当前候选列表中的每一第二待加工工件对应的各目标的信息素矩阵、所述第二待加工工件对应的每一目标的信息素权重、所述第二待加工工件的关于完工时长的启发式信息,计算所述第二待加工工件被调度至所述第一当前批中的概率,并根据将最大的所述概率对应的第二待加工工件调度至所述第一当前批中;
将所述转移概率最大的第二待加工工件与所述第一待加工工件的集合作为第一待加工工件,并将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的候选列表中,并将所述第一当前批对应的候选列表作为当前候选列表;
并返回执行所述根据所述当前候选列表中的每一第二待加工工件对应的各目标的信息素矩阵、所述第二待加工工件对应的每一目标的信息素权重、所述第二待加工工件的关于完工时长的启发式信息,计算所述第二待加工工件被调度至所述第一当前批中的概率的步骤,直至所述第一当前批的剩余容量小于任意一个所述待加工工件的尺寸。
3.根据权利要求2所述的一种基于蚁群算法的多目标工件调度方法,其特征在于,所述根据所述当前候选列表中的每一第二待加工工件对应的各目标的信息素矩阵、所述第二待加工工件对应的每一目标的信息素权重、所述第二待加工工件的关于完工时长的启发式信息,计算所述第二待加工工件被调度至所述第一当前批中的概率,包括:利用公式, 计算所述候选工件集合中的第二待加工
件调度至所述第一当前批的选定概率,其中,
为目标x的信息素矩阵,wx为目标x对应的信息素权重;ηki,u为工件u加入第c次迭代的第a只蚂蚁在第i台机器上的第k个批的关于机器完工时长的启发式信息;α和β为所设定的经验值;u为第二待加工件的标识信息;k为第一当前批的编号;i为当前加工设备的编号;
c为当前次迭代对应的迭代次数;∑为求和函数;j为第二待加工工件的编号;x为目标的编号;CLki为所述当前候选列表中包含的第二待加工工件的集合。
4.根据权利要求3所述的一种基于蚁群算法的多目标工件调度方法,其特征在于,所述根据当前次迭代对应的信息素矩阵、全局信息素挥发速率以及当前次迭代对应的解的集合,更新当前次迭代的下一次迭代的信息素矩阵,包括:利用公式, 更新当前次迭代的下
一次迭代的信息素矩阵,其中,
为当前次迭代的下一次迭代对应的信息素矩阵;ρg为全局信息素挥发率;
为当前次迭代对应的信息素矩阵; 为在当前次迭代中,工件v与工件j分在同一个批得到的目标值的倒数;NDS为第c次迭代对应的解的集合;sol为解的集合中的解;c为当前次迭代对应的迭代次数。
5.根据权利要求1所述的一种基于蚁群算法的多目标工件调度方法,其特征在于,在所述判断是否存在未被调度的待加工工件的判断结果为否的情况下,所述方法还包括:这按照批的到达时间从小到大的顺序对所述当前只蚂蚁对应的批进行排序。
6.根据权利要求1所述的一种基于蚁群算法的多目标工件调度方法,其特征在于,所述将所述当前次迭代过程中所有蚂蚁对应的调度方案作为所述当前次迭代过程的解集,包括:将所述当前次迭代过程中所有蚂蚁对应的调度方案作为所述当前次迭代过程的解集;
从所述解集中删除帕累托被支配解对应的调度方案,将删除所述帕累托被支配解对应的调度方案后的解集作为所述当前次迭代过程的解集。
7.一种基于蚁群算法的多目标的工件调度装置,其特征在于,所述装置包括:建立模块、获取模块、调度模块、第一判断模块、第一设置模块、第二设置模块、第三设置模块、更新模块、第二判断模块、第四设置模块和第五设置模块,其中,所述建立模块,用于在当前次迭代时,建立第一预设数量只蚂蚁,针对第一预设数量个蚂蚁中的当前只蚂蚁建立空批;
所述获取模块,用于获取所述多目标中的每个目标的信息素矩阵,以及预设的针对所述当前只蚂蚁的目标偏好向量,并针对第二预设数量个加工设备中的每一加工设备,获取每一目标与对应的目标偏好向量之积的和最小的加工设备,并将所述加工设备作为当前加工设备;其中,所述目标包括:能耗、加工时间;
所述调度模块,用于将所述空批作为所述当前加工设备的第一当前批;并将待加工工件中的第一待加工工件调度至所述第一当前批中;将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的当前候选列表中;
所述第一判断模块,用于判断是否存在未被调度的待加工工件;若是,触发所述建立模块;若否,触发所述第一设置模块;
所述第一设置模块,用于将第一预设数量只蚂蚁中,除所述当前只蚂蚁之外的一只蚂蚁作为当前只蚂蚁,并触发所述建立模块,直至所述第一预设数量只蚂蚁对应的待加工工件都被调度;
所述第二设置模块,用于将当前次迭代过程中得到的完工时长最小值与所述当前次迭代之前的所有迭代过程中得到的完工时长最小值中的较小值,作为所述当前次迭代对应的全局最优完工时长;将当前次迭代过程中得到的能耗最小值与所述当前次迭代之前的所有迭代过程中得到的能耗最小值中的较小值,作为所述当前次迭代对应的全局最优能耗;
所述第三设置模块,用于将所述当前次迭代过程中所有蚂蚁对应的调度方案作为所述当前次迭代过程的解集;
所述更新模块,用于根据当前次迭代对应的信息素矩阵、全局信息素挥发速率以及当前次迭代对应的解的集合,更新当前次迭代的下一次迭代的信息素矩阵;
所述第二判断模块,用于判断所述当前次迭代对应的迭代次数是否等于第二预设阈值;若否,触发所述第四设置模块;若是,触发所述第五设置模块,其中,所述第四设置模块,用于将当前次迭代对应的迭代次数与第一预设阈值的和作为当前次迭代对应的迭代次数,并触发所述建立模块;
所述第五设置模块,用于将当前次迭代过程中全局最优完工时长以及全局最优能耗对应的调度方案作为目标调度方法。
8.根据权利要求7所述的一种基于蚁群算法的多目标工件调度装置,其特征在于,所述调度模块,还用于:将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的当前候选列表中,且且每一所述第二待加工工件的尺寸小于所述当前加工设备的剩余容量;其中,所述当前加工设备的剩余容量为所述当前加工设备的总容量与所述第一待加工工件的总尺寸的差;
根据所述当前候选列表中的每一第二待加工工件对应的各目标的信息素矩阵、所述第二待加工工件对应的每一目标的信息素权重、所述第二待加工工件的关于完工时长的启发式信息,计算所述第二待加工工件被调度至所述第一当前批中的概率,并根据将最大的所述概率对应的第二待加工工件调度至所述第一当前批中;
将所述转移概率最大的第二待加工工件与所述第一待加工工件的集合作为第一待加工工件,并将所述待加工工件中,除所述第一待加工工件之外的第二待加工工件加入所述第一当前批对应的候选列表中,并将所述第一当前批对应的候选列表作为当前候选列表;
并返回执行所述根据所述当前候选列表中的每一第二待加工工件对应的各目标的信息素矩阵、所述第二待加工工件对应的每一目标的信息素权重、所述第二待加工工件的关于完工时长的启发式信息,计算所述第二待加工工件被调度至所述第一当前批中的概率的步骤,直至所述第一当前批的剩余容量小于任意一个所述待加工工件的尺寸。
9.根据权利要求8所述的一种基于蚁群算法的多目标工件调度装置,其特征在于,所述调度模块,还用于:利用公式, 计算所述候选工件集合中的第二待加工
件调度至所述第一当前批的选定概率,其中,
为目标x的信息素矩阵,wx为目标x对应的信息素权重;ηki,u为工件u加入第c次迭代的第a只蚂蚁在第i台机器上的第k个批的关于机器完工时长的启发式信息;α和β为所设定的经验值;u为第二待加工件的标识信息;k为第一当前批的编号;i为当前加工设备的编号;
c为当前次迭代对应的迭代次数;∑为求和函数;j为第二待加工工件的编号;x为目标的编号;CLki为所述当前候选列表中包含的第二待加工工件的集合。
10.根据权利要求9所述的一种基于蚁群算法的多目标工件调度装置,其特征在于,所述更新模块,还用于:利用公式, 更新当前次迭代的下
一次迭代的信息素矩阵,其中,
为当前次迭代的下一次迭代对应的信息素矩阵;ρg为全局信息素挥发率;
为当前次迭代对应的信息素矩阵; 为在当前次迭代中,工件v与工件j分在同一个批得到的目标值的倒数;NDS为第c次迭代对应的解的集合;sol为解的集合中的解;c为当前次迭代对应的迭代次数。