基于混合鬣狗算法的多目标作业车间调度方法

1.本发明涉及开放车间调度技术领域，具体涉及一种基于混合鬣狗算法的多目标作业车间调度方法。


背景技术：

2.中国是世界上数一数二的制造业大国，随着劳动力成本增加，产能过剩，市场需求多样化等是中国制造业正在面临的挑战。如何提高企业的经营水平和管理效率是帮助中国制造业战胜挑战的重中之重。
3.调度决策问题可描述为：根据市场的需求、企业的生产能力、原材料的供给来安排组织生产过程。合理的调度决策能够减少资源的浪费，提高生产的效率。在经济全球化时代，生产调度问题受到越来越多的重视。开放式车间调度是基本调度问题之一，开放式车间调度在不同领域应用范围很广。考虑汽车维修厂里的汽车维修，汽车需要不同种类的维修，如换油、更换轮胎、检查电器部件等。因为各个维修车间的位置不一样，这些维修工作不能同时进行。这些维修工作也没有先后顺序的约束。汽车维修可以看作是一种开放作业车间模型。再比如说，医院里的一个病人需要做血液检测、超声心电图、ct三项检查。病人做这些检查没有先后顺序的要求，但每一个检查都需要做，这也是一个开放作业车间模型。
4.柔性开放作业车间问题在开放作业车间问题的基础上考虑了同一类型机器的并行机。这样可以提高生产制造的效率，使得生产和制造更加灵活，更加贴合实际问题。现有的国内外研究表明开放作业车间问题是np难问题，柔性开放作业车间相对于开放作业车间更为复杂，因此也是np难问题，多目标作业车间的调度也是需要着重考虑的问题。


技术实现要素：

5.本发明的目的在于克服上述技术不足，提供一种基于混合鬣狗算法的多目标作业车间调度方法，在模型上和算法上做出了改进，将sho算法(混合鬣狗算法)与vdo算法相结合，改善局部最优解，增强算法的局部搜索和全局搜索能力，能够得到较好的全局最优解。
6.为达到上述技术目的，第一方面，本发明的技术方案提供一种基于混合鬣狗算法的多目标作业车间调度方法，包括：
7.基于加工阶段和加工工序对工件进行编码；
8.对所述工件进行解码得到每一个并行机对所述工件的加工顺序；
9.输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；
10.计算所述斑点鬣狗个体的适应度值；
11.定义最优解，选择部分所述斑点鬣狗向猎物靠近，选择部分所述斑点鬣狗进行探索；
12.当所述斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；
13.结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；
14.当所述斑点鬣狗算法达到最大迭代次数，得到寻优后的所述最优解，并根据寻优
后的所述最优解进行多目标调度。
15.与现有技术相比，本发明的有益效果包括：
16.在模型上做出了改进，在柔性开放作业模型的基础上同时考虑顺序依赖的设置时间、工件在机器之间的运输时间、预防性维修和不确定加工时间。在算法上做出了改进，将sho算法(混合鬣狗算法)与vdo算法相结合，改善局部最优解，增强算法的局部搜索和全局搜索能力，能够得到较好的全局最优解。
17.根据本发明的一些实施例，所述工件加工参数包括：
18.工件数、加工阶段数、每个加工阶段的并行机数量、工件的运输时间、工件的加工时间、预防性维修间隔、预防性维修持续时间。
19.根据本发明的一些实施例，所述对所述工件进行解码得到每一个并行机对所述工件的加工顺序，包括步骤：
20.当所述工件的加工时间大于预防性维修间隔，对所述工件进行预防性维修。
21.根据本发明的一些实施例，所述斑点鬣狗算法参数包括：
22.斑点鬣狗数量、最大迭代次数、顺序依赖的设置时间。
23.根据本发明的一些实施例，所述计算所述斑点鬣狗个体的适应度值，包括步骤：
24.计算所述斑点鬣狗个体的“最小化最大完工时间”和“各加工阶段机器负载平衡”的目标函数值，并根据所述目标函数值计算得到所述斑点鬣狗个体的适应度值。
25.根据本发明的一些实施例，所述最小化最大完工时间的计算公式为：
[0026][0027]
其中ctj为作业j的完工时间。
[0028]
第二方面，本发明提供了一种基于混合鬣狗算法的多目标作业车间调度系统，包括：
[0029]
编码模块，用于基于加工阶段和加工工序对工件进行编码；
[0030]
解码模块，与所述编码模块通信连接，用于对所述工件进行解码得到每一个并行机对所述工件的加工顺序；
[0031]
初始化模块，与所述解码模块通信连接，用于根据工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；
[0032]
适应度计算模块，与所述初始化模块通信连接，用于计算所述斑点鬣狗个体的适应度值；
[0033]
最优解模块，与所述适应度计算模块通信连接，用于定义最优解，选择部分所述斑点鬣狗向猎物靠近，选择部分所述斑点鬣狗进行探索，当所述斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；
[0034]
局部搜索模块，与所述最优解模块通信连接，用于结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；
[0035]
输出模块，与上述局部搜索模块通信连接，用于当所述斑点鬣狗算法达到最大迭代次数，输出寻优后的所述最优解。
[0036]
根据本发明的一些实施例，所述适应度计算模块包括：
[0037]
最小化最大完工时间计算单元，用于计算最小化最大完工时间的目标函数值；
[0038]
各加工阶段机器负载平衡计算单元，用于计算各加工阶段机器负载平衡的目标函
数值。
[0039]
第三方面，本发明提供了一种基于混合鬣狗算法的多目标作业车间调度系统，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于混合鬣狗算法的多目标作业车间调度方法。
[0040]
第四方面，本发明提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的基于混合鬣狗算法的多目标作业车间调度方法。
附图说明
[0041]
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中摘要附图要与说明书附图的其中一幅完全一致：
[0042]
图1为本发明一个实施例提供的基于混合鬣狗算法的多目标作业车间调度方法的流程图；
[0043]
图2为本发明另一个实施例提供的基于混合鬣狗算法的多目标作业车间调度方法的编码示意图；
[0044]
图3为本发明另一个实施例提供的基于混合鬣狗算法的多目标作业车间调度方法的解码示意图。
具体实施方式
[0045]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0046]
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0047]
本发明提供了一种基于混合鬣狗算法的多目标作业车间调度方法，在模型上和算法上做出了改进，将sho算法与vdo算法相结合，改善局部最优解，增强算法的局部搜索和全局搜索能力，能够得到较好的全局最优解。
[0048]
下面结合附图，对本发明实施例作进一步阐述。
[0049]
参照图1至图3，图1为本发明一个实施例提供的基于混合鬣狗算法的多目标作业车间调度方法的流程图；图2为本发明另一个实施例提供的基于混合鬣狗算法的多目标作业车间调度方法的编码示意图；图3为本发明另一个实施例提供的基于混合鬣狗算法的多目标作业车间调度方法的解码示意图。
[0050]
基于混合鬣狗算法的多目标作业车间调度方法包括但是不仅限于步骤s110至步骤s180。
[0051]
步骤s110，基于加工阶段和加工工序对工件进行编码；
[0052]
步骤s120，对工件进行解码得到每一个并行机对工件的加工顺序；
[0053]
步骤s130，输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；
[0054]
步骤s140，计算斑点鬣狗个体的适应度值；
[0055]
步骤s150，定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；
[0056]
步骤s160，当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；
[0057]
步骤s170，结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；
[0058]
步骤s180，当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。
[0059]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。
[0060]
本实施例提供的基于混合鬣狗算法的多目标作业车间调度方法在模型上做出了改进，在柔性开放作业模型的基础上同时考虑顺序依赖的设置时间、工件在机器之间的运输时间、预防性维修和不确定加工时间。在算法上做出了改进，将sho算法(混合鬣狗算法)与vdo算法相结合，改善局部最优解，增强算法的局部搜索和全局搜索能力，能够得到较好的全局最优解。
[0061]
首先进行编码操作，采用基于工序的编码，如有3个工件需要在3个加工阶段加工，染色体从1到9编码。例如染色体上的6，表示工件2在第3个加工阶段上加工。
[0062]
然后进行解码操作，同样的对于一个3个工件需要在3个加工阶段加工上加工的问题，假设每个加工阶段有两台并行机(并行机数量可以根据实际情况调整)。对于一个排序为3-6-9-7-4-5-1-2-8的染色体，从左到右进行解码操作。可以得到加工阶段1上的工件加工顺序为工件3-工件2-工件1，加工阶段2上的工件加工顺序为工件2-工件1-工件3，加工阶段3上的工件加工顺序为工件1-工件2-工件3。在同一个加工阶段，为了使各个并行机都能够被使用，工件交替选择机器。解码过程需要判断加工时间是否大于预防性维修间隔，如果大于，则需要进行预防性维修。
[0063]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。工件加工参数包括：工件数、加工阶段数、每个加工阶段的并行机数量、工件的运输时间、工件的加工时间、预防性维
修间隔、预防性维修持续时间。
[0064]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。工件加工参数包括：工件数、加工阶段数、每个加工阶段的并行机数量、工件的运输时间、工件的加工时间、预防性维修间隔、预防性维修持续时间。对工件进行解码得到每一个并行机对工件的加工顺序，包括步骤：当工件的加工时间大于预防性维修间隔，对工件进行预防性维修。
[0065]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。工件加工参数包括：工件数、加工阶段数、每个加工阶段的并行机数量、工件的运输时间、工件的加工时间、预防性维修间隔、预防性维修持续时间。斑点鬣狗算法参数包括：斑点鬣狗数量、最大迭代次数、顺序依赖的设置时间。
[0066]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。计算斑点鬣狗个体的适应度值，包括步骤：计算斑点鬣狗个体的“最小化最大完工时间”和“各加工阶段机器负载平衡”的目标函数值，并根据目标函数值计算得到斑点鬣狗个体的适应度值。
[0067]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。
[0068]
计算斑点鬣狗个体的适应度值，包括步骤：计算斑点鬣狗个体的“最小化最大完工时间”和“各加工阶段机器负载平衡”的目标函数值，并根据目标函数值计算得到斑点鬣狗
个体的适应度值。最小化最大完工时间的计算公式为：
[0069][0070]
其中ctj为作业j的完工时间。
[0071]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度方法包括步骤：基于加工阶段和加工工序对工件进行编码；对工件进行解码得到每一个并行机对工件的加工顺序；输入工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；计算斑点鬣狗个体的适应度值；定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索；当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；当斑点鬣狗算法达到最大迭代次数，得到寻优后的最优解，并根据寻优后的最优解进行多目标调度。
[0072]
本发明提出一个混合整数线性规划模型(milp)，模型有两个目标函数：一个目标函数是最小化最大完工时间(cmax)，另一个目标函数是使各个加工阶段的机器负载平衡。具体的数学模型如下：
[0073]
j,j'：表示作业(j,j'＝1,2,...,j)
[0074]
s,s'：表示加工阶段(s,s'＝1,2,...s)
[0075]
m：表示属于加工阶段s,s'的机器(m＝(1,2,...ms))
[0076]
输入参数：
[0077]
j：作业数量
[0078]
s：加工阶段数量
[0079]ms
：属于加工阶段s的机器数量
[0080]
suj'
js
：作业j在加工阶段s在作业j'后的设置时间
[0081]
pr
js
：作业j在加工阶段s的加工时间
[0082]
tptjss'：作业j从加工阶段s运送到加工阶段s'的运输时间
[0083]
pm：预防性维修间隔
[0084]
dpm：预防性维修持续时间
[0085]
n无穷大的正数
[0086]
决策变量：
[0087]
st
jsm
：作业j在加工阶段s的机器m上的开始时间
[0088]
mlbs：加工阶段s的机器负载平衡
[0089]
t
sm
：加工阶段s的机器m的加工时间
[0090]cjs
：作业j在加工阶段s的完成时间
[0091]
ctj：作业j的完工时间
[0092]cmax
：所有作业的最大完工时间
[0093]zjsm
：如果作业j在加工阶段s的机器m上加工为1；否则为0
[0094]yjss
'：如果作业j在加工阶段s加工完后运往加工阶段s'为1；否则为0
[0095]
x
jj
'
sm
：如果加工阶段s的机器m上作业j'在作业j之后加工为1；否则为0
[0096]ojs
如果作业j在加工阶段s加工为1；否则为0
[0097]
可根据上述符号，建立如下数学模型：
[0098][0099][0100][0101][0102][0103][0104][0105][0106][0107][0108][0109][0110][0111]
式(1)和式(2)表示优化的两个目标：及最小化最大完工时间和最小化机器负载平衡。
[0112]
式(3)表示每个作业在每个加工阶段只在其中一台机器上加工。
[0113]
式(4)表示作业在任一加工阶段的完成时间大于该作业在该加工阶段的开始时间、顺序依赖的设置时间以及该作业在该加工阶段的加工时间之和。
[0114]
式(5)表示作业在下一个阶段的开始时间大于作业在上一个阶段的完成时间与作业从上一个阶段运往下一个阶段的运输时间之和。即作业必须先从上一个阶段运输到下一个阶段后，才能开始在下一个阶段的加工。
[0115]
式(6)表示在任一加工阶段的机器上上一个作业加工完成后下一个作业才能开始加工。
[0116]
式(7)表示任一作业的完工时间大于等于该作业在任一加工阶段的完成时间。
[0117]
式(8)表示作业的开始时间可以从零刻开始。
[0118]
式(9)示作业任一阶段的完成时间大于零。
[0119]
式(10)、(11)、(12)表示决策变量的取值范围。
[0120]
式(13)是机器负载平衡的计算公式。
[0121]
在实际的加工过程中，加工时间受各种因素的影响具有不确定性，因此需要考虑加工时间的不确定性。
[0122][0123]
即表示实际不确定的加工时间，pkj表示确定的加工时间，表示实际加工时间与确定的加工时间之间的偏差。
[0124][0125]
εkj∈[-1,1],为了避免鲁棒优化模型过于保守，应对εkj进行约束，即：
[0126][0127]
本发明采用混合斑点鬣狗算法对所提出的模型进行求解。斑点鬣狗种群的捕食机制包括搜索、包围、狩猎和攻击猎物四个过程，斑点鬣狗根据当前猎物的位置更新自己的位置。具体计算公式见式(17)、式(18)。
[0128][0129][0130]
其中为猎物的位置，为斑点鬣狗的位置。和的计算公式见式(19)、式(20)。
[0131][0132][0133][0134]
其中与为0到1之间的随机向量。从5到0线性减小。
[0135]
本发明还提供了一种基于混合鬣狗算法的多目标作业车间调度系统，包括：编码模块，用于基于加工阶段和加工工序对工件进行编码；解码模块，与编码模块通信连接，用于对工件进行解码得到每一个并行机对工件的加工顺序；初始化模块，与解码模块通信连接，用于根据工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；适应度计算模块，与初始化模块通信连接，用于计算斑点鬣狗个体的适应度值；最优解模块，与适应度计算模块通信连接，用于定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索，当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；局部搜
索模块，与最优解模块通信连接，用于结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；输出模块，与上述局部搜索模块通信连接，用于当斑点鬣狗算法达到最大迭代次数，输出寻优后的最优解。
[0136]
在一实施例中，基于混合鬣狗算法的多目标作业车间调度系统包括：编码模块，用于基于加工阶段和加工工序对工件进行编码；解码模块，与编码模块通信连接，用于对工件进行解码得到每一个并行机对工件的加工顺序；初始化模块，与解码模块通信连接，用于根据工件加工参数和斑点鬣狗算法参数对斑点鬣狗种群进行初始化处理；适应度计算模块，与初始化模块通信连接，用于计算斑点鬣狗个体的适应度值；最优解模块，与适应度计算模块通信连接，用于定义最优解，选择部分斑点鬣狗向猎物靠近，选择部分斑点鬣狗进行探索，当斑点鬣狗的位置更新后，进行快速非支配排序,并重新定义最优解；局部搜索模块，与最优解模块通信连接，用于结合vdo算法进行充分的局部搜索，以避免斑点鬣狗算法陷入局部最优；输出模块，与上述局部搜索模块通信连接，用于当斑点鬣狗算法达到最大迭代次数，输出寻优后的最优解。
[0137]
适应度计算模块包括：最小化最大完工时间计算单元，用于计算最小化最大完工时间的目标函数值；各加工阶段机器负载平衡计算单元，用于计算各加工阶段机器负载平衡的目标函数值。
[0138]
本发明还提供了一种基于混合鬣狗算法的多目标作业车间调度系统，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的基于混合鬣狗算法的多目标作业车间调度方法。
[0139]
处理器和存储器可以通过总线或者其他方式连接。
[0140]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0141]
需要说明的是，本实施例中的基于混合鬣狗算法的多目标作业车间调度系统，可以包括有业务处理模块、边缘端数据库、服务端版本信息寄存器、数据同步模块，处理器执行计算机程序时实现如上述应用在基于混合鬣狗算法的多目标作业车间调度系统的基于混合鬣狗算法的多目标作业车间调度方法。
[0142]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0143]
此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述终端实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的基于混合鬣狗算法的多目标作业车间调度方法。
[0144]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为
由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0145]
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
[0146]
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。