本发明涉及一种基于iga液压泵试验任务调度管理优化方法，属于计算机处理。
背景技术：
1、目前，大多数企业的试验调度完全是通过调度员进行人工调度，经常出现考虑不全面，二次返工的情况，导致耽误工期、延迟交货，且极易由于工人因疲劳、情绪不佳等原因造成试验任务调度的误判，影响企业生产进度和效益。
2、由于是完全的通过人为的思考决策，一旦试验工期紧张、任务量繁多的时候，频频出现错判、漏判、考虑不全面的情况。通过对以上问题的分析，在任务调度时加入科学的调度算法，以达到提高试验效率和试验设备高效利用的目的显得极其重要。
技术实现思路
1、发明目的：针对现有技术所存在的问题，本发明提供一种基于iga液压泵试验任务调度管理优化方法，以解决上述背景技术中提出的问题，提高相应的自动化智能化进程。
2、为实现上述目的，本发明提供如下技术方案：一种基于iga液压泵试验任务调度管理优化方法，应用于试验任务中的待试验样件数的集合j＝{j1,j2,…,…,jn}、任意样件i的工序集合oi＝{oi1,oi2,…,…,oij}和参与试验设备数的集合m＝{m1,m2,…,…,mm}，通过遗传算法iga求得试验任务最小化最大完工时间，包括如下步骤：
3、步骤1、设置遗传算法的基本参数：种群规模popsize、交叉概率pc的范围、最大迭代次数maxgen、变异概率pm的范围，设置终止条件的最小最大完成时间值，令当前迭代次数gen为0；
4、步骤2、根据步骤1给定的popsize限定初始种群中的个体数量，基于双层编码规则，采用随机初始化法生成初始种群，利用限制算子将初始种群引导向优化方向进化；其中，所述初始种群的个体的染色体包括2个基因串，分别为工序排序层os和设备分配层ma；
5、步骤3、将初始种群输入到试验任务调度模型中，获取所有个体的最小化最大完工时间，并计算所有个体的适应度,并根据适应度大小，通过转盘赌法进行选择操作，筛选出下一代的染色体；
6、步骤4、对筛选出的染色体进行交叉和变异操作，并由限制算子约束校对，以获得下一代种群；
7、步骤5、提取下一代种群中的最优染色体，并令gen加1，判断最优染色体的最小化最大完工时间是否满足终止条件，或gen是否为maxgen，若是，输出最优染色体的最小化最大完工时间以及对应的预调度甘特图，算法结束；若不是，采取精英保留策略对最优染色体进行保留，接着根据适应度大小，从下一代种群的剩余个体里提取出新的初始种群，跳转到步骤3。
8、更进一步的，所述步骤2中，所述两个基因串长度相等，基因串长度为所有样件所有工序数目的总和，以[os,ma]的形式首位相连，所述os层采用了基于工序顺序的编码规则，ma层则采用了相对设备编号的编码规则。
9、更进一步的，所述步骤3中，所述试验调度模型中，对于以试验任务最小化最大完工时间为优化目标构建的目标函数以及约束条件如下：
10、f(x)＝mincmax＝min{ci,i＝1,2,…,|i|} (1)
11、
12、公式(1)为问题的目标函数，定义了问题求取时的最小化最大试验任务完工时间；公式(2)定义了样件某道工序在设备上的开工时间、测试时间之和不大于该工序的完工时间；公式(3)定义了样件的某个工序的完工时间必须小于等于下一个工序的开工时间；公式(4)定义了任意样件的加工时间必须小于等于最大完工时间；公式(5)定义了样件试验的开工时间和完工时间非负，且从0时刻开始任意样件都可以开工；公式(6)定义了某时刻样件的某道工序只能由一台设备执行测试；公式(7)定义了确保样件工序的执行顺序；
13、其中，i表示工件序号，i表示样件集合，ij表示样件i的工序序号，ij表示样件i的工序集合，k表示试验设备序号，k表示试验设备集合，m表示设备总数，m表示可用设备集合，ci表示样件i的完工时间，c'i表示出现扰动事件时，样件i的完工时间，cmax表示同批次样件的最大完工时间，cmax'表示出现扰动事件时，同批次样件的最大完工时间，oij表示样件i的第j道工序，sijk表示oij在设备k上的开工时间，cijk表示oij在设备k上的完工时间，tijk表示oij在设备k上的测试时间，xijk表示如果oij分配至设备k，则xijk＝1，否则xijk＝0。
14、更进一步的，所述步骤3中，所述计算所有个体的适应度fit的公式如下：
15、
16、其中，g表示算法当前迭代次数；p表示染色体在种群中的排序编号；cmax表示最大完工时间。
17、更进一步的，所述步骤5中精英保留策略如下，将gen次迭代中产生的最优染色体保留，直接传至gen+1代的步骤4的下一代种群里，避免在gen+1代的选择、交叉和变异过程中遭到破坏。
18、更进一步的，所述步骤4中，交叉概率和变异概率计算公式相同，此处，列举变异概率的计算公式：
19、
20、其中，pm表示变异概率，pm0表示最小变异概率，gen表示当前迭代次数，imax为最大迭代次数。
21、更进一步的，所述终止条件的最小化最大完工时间值为人工设定。
22、与现有技术相比，本发明的有益效果是：
23、1、通过算法实现试验任务智能化调度，减少了人工干预，有效降低了试验工期紧张、任务量繁多的时候，人工调度频频出现错判、漏判、考虑不全面的情况，提高试验效率和试验设备高效利用。
24、2、采用精英保留策略，将迭代过程中的最优染色体保留，令其不参与种群的选择、交叉、变异操作，直接传递至下一代，使得最优染色体不会在选择、交叉、变异过程中遭到破坏。
25、3、为进一步得到全局最优解，针对原生ga难以跳出局部最优以及迭代慢的缺点，通过种群随机生成法增加初始种群多样性，避免迭代过程陷入局部最优解；变异操作通过引入染色体变异，并通过调整变异概率，使种群在迭代过程中保证一定的质量，增快迭代速度的同时，进一步避免算法陷入早熟。
1.一种基于iga液压泵试验任务调度管理优化方法，应用于试验任务中的待试验样件数的集合j＝{j1，j2，...，...，jn}、任意样件i的工序集合oi＝{oi1，oi2，...，...，oij}和参与试验设备数的集合m＝{m1，m2，...，...，mm}，通过遗传算法iga求得试验任务的最小化最大完工时间，其特征在于：包括如下步骤：
2.根据权利要求1所述基于iga液压泵试验任务调度管理优化方法，其特征在于：所述步骤2中，所述两个基因串长度相等，基因串长度为所有样件所有工序数目的总和，以[os，ma]的形式首位相连，所述os层采用了基于工序顺序的编码规则，ma层则采用了相对设备编号的编码规则。
3.根据权利要求1所述基于iga液压泵试验任务调度管理优化方法，其特征在于：所述步骤3中，所述试验调度模型中，对于以试验任务最小化最大完工时间为优化目标构建的目标函数以及约束条件如下：
4.根据权利要求1所述基于iga液压泵试验任务调度管理优化方法，其特征在于：所述步骤3中，所述计算所有个体的适应度fit的公式如下：
5.根据权利要求1所述基于iga液压泵试验任务调度管理优化方法，其特征在于：所述步骤5中精英保留策略如下，将gen次迭代中产生的最优染色体保留，直接传至gen+1代的步骤4的下一代种群里，避免在gen+1代的选择、交叉和变异过程中遭到破坏。
6.根据权利要求1所述基于iga液压泵试验任务调度管理优化方法，其特征在于：所述步骤4中，交叉概率和变异概率计算公式相同，此处，列举变异概率的计算公式：
7.根据权利要求1所述基于iga液压泵试验任务调度管理优化方法，其特征在于：所述终止条件的最小化最大完工时间值为人工设定。
