FJSP：基于非支配吸血水蛭优化算法 (NSBSLO)求解多目标柔性作业车间调度问题(FJSP），MATLAB代码

IT猿手

于 2025-09-01 18:33:28 发布

阅读量943

点赞数 13

CC 4.0 BY-SA版权

分类专栏：多目标优化算法 FJSP 多目标应用文章标签：算法 matlab 开发语言多目标优化算法多目标算法 fjsp

本文链接：https://blog.csdn.net/weixin_46204734/article/details/151079052

多目标优化算法同时被 3 个专栏收录

231 篇文章

订阅专栏

多目标应用

139 篇文章

订阅专栏

FJSP

31 篇文章

订阅专栏

一、柔性作业车间调度问题

柔性作业车间调度问题(Flexible Job Scheduling Problem, FJSP) 的描述如下：n个工件 ${J,J_2,..,J_n\}$ 要在 $m$ 台机器 ${M_1,M_2,..,M_m\}$ 上加工。每个工件包含一道或多道工序，工序顺序是预先确定的，每道工序可以在多台不同加工机器上进行加工，工序的加工时间随加工机器的不同而不同。调度目标是为每道工序选择最合适的机器、确定每台机器上各个工序的最佳加工顺序以及开工时间，使整个系统的某些性能指标达到最优。因此，柔性作业车间调度问题包含两个子问题：确定各工件的加工机器 (机器选择子问题) 和确定各个机器上的加工先后顺序 (工序排序子问题)。

此外，在加工过程中还需要满足下面的约束条件：
(1) 同一台机器同一时刻只能加工一个工件；
(2) 同一工件的同一道工序在同一时刻只能被一台机器加工；
(3) 每个工件的每道工序一旦开始加工不能中断；
(4) 不同工件之间具有相同的优先级；
(5)不同工件的工序之间没有先后约束，同一工件的工序之间有先后约束；
(6)所有工件在零时刻都可以被加工。

1.1符号描述

$n :$ 工件总数；
$m :$ 机器总数；
$i, e :$ 机器序号， $i, e = 1, 2, 3, ..., m$ ;
$j, k :$ 工件序号， $j, k = 1, 2, 3, ..., n;$ $h_j:$ 工件 $j$ 的工序总数；
$h, l :$ 工序序号， $h=1,2,3,...,h_j$ ;
$Ωjh:\Omega_{jh}:$ 工件 $j$ 的第 $h$ 道工序的可选加工机器集；
$m_{jh}:$ 工件 $j$ 的第 $h$ 道工序的可选加工机器数；
$O_{jh}:$ 工件 $j$ 的第 $h$ 道工序；
$M_{ijh}:$ 工件 $j$ 的第 $h$ 道工序在机器 $i$ 上加工；
$p_{ijh}:$ 工件 $j$ 的第 $h$ 道工序在机器 $i$ 上的加工时间；
$s_{jh}:$ 工件 $j$ 的第 $h$ 道工序加工开始时间；
$c_{jh}:$ 工件 $j$ 的第 $h$ 道工序加工完成时间；
$d_j:$ 工件 $j$ 的交货期；
$L$ : 一个足够大的正数；
$C_j$ : 每个工件的完成时间；
$C_{\max}:$ 最大完工时间；
$To:To=∑j=1nhjT_o:\quad T_o=\sum_{j=1}^nh_j$ , 所有工件工序总数；
$xijh={1,如果工序Ojh选择机器i;0,否则；x_{ijh}=\begin{cases}1,\text{如果工序}O_{jh}\text{选择机器}i;\\0,\text{否则；}\end{cases}$
$yijhkl={1,如果Oijh先于Oikl加工;0,否则;y_{ijhkl}=\begin{cases}1,\text{如果}O_{ijh}\text{先于}O_{ikl}\text{加工};\\0,\text{否则};\end{cases}$

1.2约束条件

$C1:sjh+xijh×pijh≤cjhC_{1}:s_{jh}+x_{ijh}\times p_{ijh}\leq c_{jh}$

其中： $i=1,…,m;j=1,…,n;i=1,\ldots,m;j=1,\ldots,n;$ $h=1,…,hjh=1,\ldots,h_j$
$C2:cjh≤sj(h+1)C_{2}:c_{jh}\leq s_{j(h+1)}$
其中 $:j=1,…,n;h=1,...,hj−1:j=1,\ldots,n;h=1,...,h_j-1$
$C3:cjhj≤Cmax⁡C_{3}:c_{jh_j}\leq C_{\max}$
其中： $j = 1, ..., n$
$C4:sjh+pijh≤skl+L(1−yijhkl)C_{4}:s_{jh}+p_{ijh}\leq s_{kl}+L(1-y_{ijhkl})$

其中 $:j=0,…,n;k=1,…,n;h=1,…,hj;l=1,…,hk;i=1,…,m:j=0,\ldots,n;k=1,\ldots,n;h=1,\ldots,h_j;l=1,\ldots,h_k;i=1,\ldots,m$
$C5:cjh≤sj(h+1)+L(1−yiklj(h+1))C_{5}:c_{jh}\leq s_{j(h+1)}+L(1-y_{iklj(h+1)})$

其中 $:j=1,…,n;k=0,…,n;h=1,…,hj−1;l=1,…,hk;i=1,…,m:j=1,\ldots,n;k=0,\ldots,n;h=1,\ldots,h_j-1;\quad l=1,\ldots,h_k;\quad i=1,\ldots,m$
$h1:∑i=1mjhxijh=1h_{1}:\sum_{i=1}^{m_{jh}}x_{ijh}=1$
其中： $h=1,...,h_j;j=1,...,n;$

$h2:∑j=1n∑h=1hjyijhkl=xiklh_{2}:\sum_{j=1}^n\sum_{h=1}^{h_j}y_{ijhkl}=x_{ikl}$

其中： $i=1,…,m;k=1,…,n;l=1,…,hki=1,\ldots,m;k=1,\ldots,n;l=1,\ldots,h_k$
$h3:∑i=1n∑i=1nkyijhkl=xijhh_{3}:\sum_{i=1}^n\sum_{i=1}^{n_k}y_{ijhkl}=x_{ijh}$

其中： $i=1,…,m;j=1,…,n;h=1,…,hki=1,\ldots,m;j=1,\ldots,n;\quad h=1,\ldots,h_k$
$C6:sjh≥0,cjh≥0C_{6}:s_{jh}\geq0,c_{jh}\geq0$

其中 $j=0,1,...,n;h=1,...,h_j$

$C_{1}$ 和 $C_{2}$ 表示每一个工件的工序先后顺序约束 ;
$C_{3}$ 表示工件的完工时间的约束,即每一个工件的完工时间不可能超过总的完工时间 ;
$C_{4}$ 和 $C_{5}$ 表示同一时刻同一台机器只能加工一道工序 ;
$h_{1}$ 表示机器约束,即同一时刻同一道工序只能且仅能被一台机器加工;
$h_{2}$ 和 $h_{3}$ 表示存在每一台机器上可以存在循环操作 ;
$C_{6}$ 表示各个参数变量必须是正数。

1.3目标函数

(1) 最大完工时间最小。

完工时间是每个工件最后一道工序完成的时间，其中最大的那个时间就是最大完工时间(makespan)。它是衡量调度方案的最根本指标，主要体现车间的生产效率，也是 FJSP 研究中应用最广泛的评价指标之一。如下式所示：

$f1=min⁡(max⁡l≤j≤n(Cj))f_1=\min(\max_{\mathrm{l\leq}j\leq n}(C_j))$

(2)机器最大负荷最小。

在 FJSP 求解中，存在选择机器的过程，各个机器的负荷随着不同的调度方案而不同。负荷最大的机器就是瓶颈设备，为提高每台机器的利用率，必须使得各台机器的负荷尽量小且平衡。如下式所示：

$f2=min⁡(max⁡l≤i≤m∑j=1n∑h=1hjpijhxijh)f_2=\min(\max_{\mathrm{l\leq}i\leq m}\sum_{j=1}^n\sum_{h=1}^{h_j}p_{ijh}x_{ijh})$

(3)总机器负荷最小。

工序在不同机器上的加工时间是不同的，那么总的机器负荷随着不同的调度方案而不同。尽量使最大完工时间一样的情况下，减少所有机器的总消耗。如下式所示：

$f3=min⁡(∑i=1m∑j=1n∑h=1hjpijhxijh)f_3=\min(\sum_{i=1}^m\sum_{j=1}^n\sum_{h=1}^{h_j}p_{ijh}x_{ijh})$
参考文献：
[1]张国辉.柔性作业车间调度方法研究[D].华中科技大学,2009.

二、吸血水蛭优化算法

吸血水蛭优化（Blood-Sucking Leech Optimizer，BSLO）算法由Jianfu Bai等人于2024年9月提出一种新型的元启发式算法，灵感来源于吸血水蛭在稻田中的觅食行为，并发表在《Advances in Engineering Software》期刊上。该算法模拟了吸血水蛭的觅食行为，包括探索、定向利用、切换机制、无方向搜索策略和重新跟踪策略。BSLO算法具有较强的自适应优化能力，通过模拟水蛭的行为来寻找最优解。

算法描述

BSLO算法中，水蛭被分为两种类型：定向水蛭和无定向水蛭。定向水蛭在感受到刺激时，如水波，会以小角度向猎物游动。无定向水蛭则在搜索空间中随机游动。算法通过模拟水蛭的这些行为来优化问题。

算法的关键步骤包括：

初始化：在解空间中随机初始化一组候选解。
定向水蛭的探索策略：模拟水蛭对刺激的响应，以小角度向猎物游动。
定向水蛭的开发策略：经过多次迭代后，水蛭逐渐接近猎物，进入开发阶段。
无方向水蛭的搜索策略：一些水蛭对信息判断错误，向错误方向游动，随着迭代增加，这些水蛭逐渐减少。
Re-tracking策略：模拟水蛭被人类移走后，随机扔回稻田并再次寻找猎物的行为。

算法流程

BSLO算法的流程可以概括为以下几个步骤：

初始化种群，设置算法参数，如种群大小、迭代次数等。
对于每一代种群，执行以下操作：
- 计算每个水蛭的适应度值。
- 根据适应度值，选择最佳的水蛭作为当前最优解。
- 更新定向水蛭和无定向水蛭的数量。
- 对定向水蛭执行探索策略，对无定向水蛭执行搜索策略。
- 执行Re-tracking策略，模拟水蛭被移走后重新寻找猎物的行为。
重复上述过程，直到达到迭代次数或满足其他停止条件。
输出最优解和相应的适应度值。

参考文献：

[1]Bai, Jianfu, et al. “Blood-Sucking Leech Optimizer.” Advances in Engineering Software, vol. 195, Elsevier BV, Sept. 2024, p. 103696, doi:10.1016/j.advengsoft.2024.103696

三、非支配吸血水蛭优化算法求解FJSP

非支配吸血水蛭优化算法求解FJSP，以最大完工时间最小、机器最大负荷最小、总机器负荷最小为目标函数。

3.1部分代码

%% 算法求解
figure(1)
for i=1:4
    scatter3(R(i).Result.obj_matrix(:,1), R(i).Result.obj_matrix(:,2), R(i).Result.obj_matrix(:,3),50,Strcol{i})
    hold on
end
xlabel('最大完工时间'); ylabel('总能耗'); zlabel('总成本', 'Rotation', 90)
legend(NameAlgorith)