技术领域
[0001] 本
申请涉及单机生产调度技术领域，具体涉及一种带恶化维护时长的单机生产调度方法及系统。
背景技术
[0002] 带有线性恶化维护时间的单机调度的优化问题是普遍存在于制造企业的生产中，如
铝型材加工、塑料制品加工、集成
电路板生产等。具体是在一台设备上加工n个
工件的过程，设备在持续加工一段时间后，往往需要维护以保证对后续工件的正常加工。如图1所示，设备的维护有个
时间窗[x1，x2]，设备在连续工作了x1之前是通常不必要维护，在连续工作了x2之前必须进行维护。设备在维护时不能加工工件，任意一个工件在设备上的加工是连续的，且任意一个工件的加工时长可以事先确定，任意一个工件的加工时长不能超过设备连续工作的极限时间x2。所谓的线性恶化维护时长是指维护时长随着设备的连续加工时长线性增长。每次维护后，设备的连续工作时间回退为0。一台设备的总调度时长为加工时长之和与维护时长之和的总和，即制造跨度(含义是从第一个工件开始加工的时刻到最后一个工件的加工完成的时刻之间的时长)。其中，加工时长之和为这台设备上所有工件的加工时长之和，维护时长之和为这台设备上各次维护时长之和。也就是说，在一个调度周期内，可能需要进行多次设备维护。由于一台设备上所有工件的加工时长之和是确定的，要想使一台设备的总调度时长最小，则需要使维护时长之和最小，因此在单机调度过程中使维护时长之和最小是需要解决的问题。
发明内容
[0003] (一)解决的技术问题
[0004] 针对
现有技术的不足，本申请提供了一种带恶化维护时长的单机生产调度方法及系统。
[0005] (二)技术方案
[0006] 第一方面，本申请提供一种带恶化维护时长的单机生产调度方法，包括：
[0007] S110、设置
和声搜索
算法的参数，所述参数包括和声记忆库可保存的个体的数量m、和声记忆保留概率的最大
阈值、和声记忆保留概率的最小阈值、
音调调节概率的最大阈值、音调调节概率的最小阈值和最大
迭代次数；
[0008] S120、构建初始的和声记忆库，所述和声记忆库中包括m个个体，每一个个体包括第一向量和第二向量，所述第一向量表示各个工件在设备上的加工顺序，第二向量表示所述设备的维护点；每一个个体的生成过程包括：随机生成该个体的第一向量，并按照预设规则生成该个体的第二向量；
[0009] S130、计算当前的和声记忆库的个体相似度；根据所述个体相似度、和声记忆保留概率的最大阈值和和声记忆保留概率的最小阈值，计算当前的和声记忆库的自适应和声记忆保留概率；根据所述个体相似度、音调调节概率的最大阈值和音调调节概率的最小阈值，计算当前的和声记忆库的自适应音调调节概率；
[0010] S140、根据所述自适应和声记忆保留概率和所述自适应音调调节概率，生成一个新个体；
[0011] S150、根据所述新个体对当前的和声记忆库进行更新；
[0012] S160、判断当前的迭代次数是否达到所述最大迭代次数：
[0013] 若是，则将当前的和声记忆库中适应度值最大的个体作为最优解并输出；一个个体的适应度值为在一个调度周期内该个体的总维护时长的倒数；
[0014] 否则，令迭代次数加1，并返回S130。
[0015] 第二方面，本申请提供一种带恶化维护时长的单机生产调度系统，包括：
[0016] 参数设置模
块，用于执行S110、设置和声搜索算法的参数，所述参数包括和声记忆库可保存的个体的数量m、和声记忆保留概率的最大阈值、和声记忆保留概率的最小阈值、音调调节概率的最大阈值、音调调节概率的最小阈值和最大迭代次数；
[0017] 记忆库构建模块，用于执行S120、构建初始的和声记忆库，所述和声记忆库中包括m个个体，每一个个体包括第一向量和第二向量，所述第一向量表示各个工件在设备上的加工顺序，第二向量表示所述设备的维护点；每一个个体的生成过程包括：随机生成该个体的第一向量，并按照预设规则生成该个体的第二向量；
[0018] 概率计算模块，用于执行S130、计算当前的和声记忆库的个体相似度；根据所述个体相似度、和声记忆保留概率的最大阈值和和声记忆保留概率的最小阈值，计算当前的和声记忆库的自适应和声记忆保留概率；根据所述个体相似度、音调调节概率的最大阈值和音调调节概率的最小阈值，计算当前的和声记忆库的自适应音调调节概率；
[0019] 新个体生成模块，用于执行S140、根据所述自适应和声记忆保留概率和所述自适应音调调节概率，生成一个新个体；
[0020] 记忆库更新模块，用于执行S150、根据所述新个体对当前的和声记忆库进行更新；
[0021] 迭代判断模块，用于执行S160、判断当前的迭代次数是否达到所述最大迭代次数：若是，则将当前的和声记忆库中适应度值最小的个体作为最优解并输出；一个个体的适应度值为在一个调度周期内该个体的总维护时长的倒数；否则，令迭代次数加1，并返回所述概率计算模块中执行S130。
[0022] 第三方面，本申请提供一种计算机设备，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，所述处理器执行所述计算机程序时实现第一方面提供的方法的步骤。
[0023] 第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面提供的方法的步骤。
[0024] (三)有益效果
[0025] 本发明
实施例提供了一种带恶化维护时长的单机生产调度方法及系统，生成初始的和声记忆库，计算其个体相似度，进而依据个体相似度计算自适应和声记忆保留概率和自适应音调调节概率，进而基于这两个概率生成一个新个体，并利用该新个体对和声记忆库进行更新，当对和声记忆库更新多次之后，选取其中的适应度值最大的个体作为最有解，适应度值最大即维护时长之和最小，从而解决在单机调度过程中使维护时长之和最小的问题。
附图说明
[0026] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027] 图1是设备的线性恶化维护时长与设备连续加工时长之间的一种关系示意图；
[0028] 图2是本申请实施例中带恶化维护时长的单机生产调度方法的流程示意图；
[0029] 图3是本申请实施例中一个调度周期的时间安排示意图；
[0030] 图4a～图4c是本申请实施例中a＝0时的时间关系示意图；
[0031] 图5a和图5b是本申请实施例中a<0时的时间关系示意图；
[0032] 图6是本申请实施例中a>0时的时间关系示意图；
[0033] 图7是本申请实施例中带恶化维护时长的单机生产调度系统的结构
框图；
[0034] 图8是本申请实施例中计算机设备的结构框图。
具体实施方式
[0035] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0036] 第一方面，本申请提供一种带恶化维护时长的单机生产调度方法，如图2所示，该方法包括：
[0037] S110、设置和声搜索算法的参数，所述参数包括和声记忆库可保存的个体的数量m、和声记忆保留概率的最大阈值HMCRmax、和声记忆保留概率的最小阈值HMCRmin、音调调节概率的最大阈值PARmax、音调调节概率的最小阈值PARmin和最大迭代次数C；
[0038] 可理解的是，数量m为和声记忆库中个体的最大数量。
[0039] S120、构建初始的和声记忆库，所述和声记忆库中包括m个个体，每一个个体包括第一向量和第二向量，所述第一向量表示各个工件在设备上的加工顺序，第二向量表示所述设备的维护点；每一个个体的生成过程包括：随机生成该个体的第一向量，并按照预设规则生成该个体的第二向量；
[0040] 可理解的是，m个个体代表m个解。
[0041] 可理解的是，每一个个体包括两部分，一部分是第一向量Γ，另一部分是第二向量Φ，第一向量Γ表示各个工件在设备上的加工顺序，即Γ用工件编号的全排列表示工件的加工顺序。第i个个体的第一向量Γi可以表示为Γi＝(γ1，γ2，…γi…，γn)，其中，工件编号γi∈{1，2，3，……，n}，n为工件的数量。第二向量表示所述设备的维护点，具体可以采用二进制编码表示维护点，第i个个体的第二向量Φi＝(μ1，μ2，…μi…，μn)，μi∈{0，1}，若μi＝1，表示在工件γi加工完成后立即进行设备维护，若μi＝0，表示在工件γi加工完成后继续加工下一个工件。
[0042] 举例来说，一个个体表示为：
[0043]
[0044] 该个体的第一向量Γ＝(1,4,3,5,2)，表示按照工件1、工件4、工件3、工件5和工件2的顺序进行加工；第二向量Φ＝(0,0,1,0,1)就表示设备维护点分别设置在工件3和工件2的加工完成后。
[0045] 在一些实施例中，所述预设规则可以包括：若a＝0，则在[x1，x2]上任意一点进行设备维护，对应的维护时长相同；还可以包括：所述预设规则还包括：若a<0，则维护点越靠近x1，对应的维护时长越短；还可以包括：若a>0，则维护点越靠近x2，对应的维护时长越短。其中，线性恶化维护时长的计算公式为y＝a+bx，a和b为预设的常数，x位于[x1，x2]范围内，x为所述设备的连续加工时长，y为在连续加工时长x之后的维护时长。
[0046] 下面对上述预设规则的设置原理进行说明：
[0047] 如图3，设nw为一个调度周期内的总维护次数，S为一个调度周期，加工时长之和为S1，维护时长之和为S2。设每次连续加工时长达到x′后立即开始维护，x′∈[x1，x2]。
[0048] 维护一次需要的时间为：y′＝a+bx′ (1)
[0049] 调度周期的时长为：S＝nw×(x′+y′) (2)
[0050] 总维护次数为：nw＝S1/x′ (3)
[0051] 将(1)和(3)式代入(2)式得：(S1/x′)×(x′+a+bx′)＝S1+S2 (4)
[0052] 对上述(4)式进行化简得到：S2＝S1b+S1a/x′ (5)
[0053] 由于a是提前设置的常数，针对不同的a，上述(5)式的计算结果会不同，下面针对不同的a分别进行说明：
[0054] 1、当a＝0时，上述(5)式变为：S2＝S1b
[0055] 显然，维护时长之和S2与x′无关，且为常数S1b，所以在[x1，x2]上任意一个时刻进行设备维护，维护时长之和S2都最短。
[0056] 2、当a<0时，上述(5)式变为：S2＝S1b-|S1a/x′|
[0057] 显然，x′越小，维护时长之和S2就越小。由于x′∈[x1，x2]，且a、b和S1均为常数，所以x′取x1时，S2最小。故此时每次维护都设在x1点可使设备在一个调度周期内的维护时长之和最小。
[0058] 3、当a>0时，上述(5)式可变为：S2＝S1b+|S1a/x′|
[0059] 显然，x′越大，维护时长之和S2就越小。由于x′∈[x1，x2]，且a、b和S1均为常数，所以x′取x2时，S2最小。故此时每次维护都设在x2点可使设备在一个调度周期内的维护时长之和最小。
[0060] 基于上述预设规则，生成该个体的第二向量的过程也可以分为三种情况：
[0061] 1、当a＝0时，生成一个个体的第二向量的过程可以包括如下步骤：
[0062] S121、确定[x1，x2]与工件的加工累计时长的关系：
[0063] 可理解的是，这里的关系是指以下提到的预设条件。
[0064] (1)若满足第一预设条件，则在[x1，x2]范围内的任一工件加工完成后设置一个维护点；所述第一预设条件为：
[0065] and and and
[0066] 上述第一预设条件即图4a示出的时间关系，由于a＝0，因此在[x1，x2]范围进行设备维护，在一个调度周期内维护时长之和都一样。而在[x1，x2]范围完成了多个工件的加工，因此可以在其中任一一个工件加工完成之后进行设备维护。实际中，可根据操作人员的偏好来决定，对于偏好减少维护次数的，可设置在靠近x2的工件γk+m完成后；对于偏好减少每次维护时长的，可设置在靠近x1的工件γk完成后。例如，将维护点设置在工件γk完成后，即取μ1＝μ2＝……＝μk-1＝0，μk＝1。
[0067] (2)若满足第二预设条件，则在第k个工件加工完成后设置一个维护点，所述第二预设条件为：
[0068] and and
[0069] 上述第二预设条件即图4b所示出的时间关系，由于a＝0，因此在[x1，x2]范围进行设备维护，在一个调度周期内维护时长之和都一样，然而在[x1，x2]范围，只有工件γk完成加工，因此在第k个工件加工完成后设置一个维护点，即μ1＝μ2＝……＝μk-1＝0，μk＝1。
[0070] (3)若满足第三预设条件，则在第k个工件加工完成后设置一个维护点，所述第三预设条件为：
[0071] and
[0072] 上述第三预设关系即图4c所示的时间关系，由于a＝0，因此在[x1，x2]范围进行设备维护，在一个调度周期内维护时长之和都一样，然而在[x1，x2]范围，没有工件完成加工，维护点又不能晚于x2，因此只能将维护点设置在最接近x1的工件γk完成加工之后，即μ1＝μ2＝……＝μk-1＝0，μk＝1。
[0073] 其中， 为第i个工件的加工时长，k+g+1小于等于所述设备上需加工的工件总数n，k和g均为大于或等于1的整数； 为从第1个工件到第k-1个工件的加工累计时长。
[0074] S122、判断所述设备的所有工件是否加工完成：
[0075] 若是，则根据各个维护点的设置
位置确定该个体的第二向量；
[0076] 否则，将所述设备的连续加工时长归零，并将所述维护点之后的工件的加工顺序编号重置，并返回步骤S121。
[0077] 可理解的是，将所述维护点之后的工件的加工顺序编号重置，即将维护之后的第一个工件的加工顺序编号置为1，将维护之后的第二个工件的加工顺序编号置为2……，也就是说，将维护之后的第一个工件作为寻找下一个维护点的第一个工件，维护之后的第二个工件作为寻找下一个维护点的第二个工件……。
[0078] 若还有工件没有加工，则返回步骤S121，寻找剩余未加工工件的维护点，直至所有的工件加工完成，这样可以确定所有的维护点，进而确定第二向量。
[0079] 2、当a<0时，生成一个个体的第二向量的过程可以包括如下步骤：
[0080] S123、确定[x1，x2]与工件的加工累计时长的关系：
[0081] (1)若满足第四预设条件，则在第k个工件加工完成后设置一个维护点，所述第四预设条件为：
[0082] and
[0083] 上述第四预设条件即图5a示出的时间关系，由于a<0，设备在x1点进行维护最佳，但是一个工件的加工过程不能中断，因此可以将x1点右侧且最靠近x1点的工件完工点作为一个维护点，即将在第k个工件加工完成后设置一个维护点。即：μ1＝μ2＝……＝μk-1＝0，μk＝1。
[0084] (2)若满足第五预设条件，则在第k个工件加工完成后设置一个维护点，所述第五预设条件为：
[0085] and
[0086] 上述第五预设条件即图5b示出的时间关系，由于a<0，设备在x1点进行维护最佳，但是在如图5b所示，在[x1，x2]没有可以设置的维护点，维护又不能迟于x2，因此将维护点设置在x1左侧且最接近x1的点，即设置在第k个工件加工完成后，即：
[0087] μ1＝μ2＝……＝μk-1＝0，μk＝1。
[0088] S124、判断所述设备的所有工件是否加工完成：
[0089] 若是，则根据各个维护点的设置位置确定该个体的第二向量；
[0090] 否则，将所述设备的连续加工时长归零，并将所述维护点之后的工件的加工顺序编号重置，并返回步骤S123。
[0091] 3、当a>0时，生成一个个体的第二向量的过程可以包括如下步骤：
[0092] S125、确定[x1，x2]与工件的加工累计时长的关系：
[0093] 若满足第六预设条件，则在第k个工件加工完成后设置一个维护点，所述第六预设条件为：
[0094] and
[0095] 上述第六预设条件即为图6所示出的时间关系，由于a>0，因此在x2点进行维护是最佳的，且维护点不能迟于x2，因此将维护点设置在x2点之前的工件完工点，即：
[0096] μ1＝μ2＝……＝μk-1＝0，μk＝1。
[0097] S126、判断所述设备的所有工件是否加工完成：
[0098] 若是，则根据各个维护点的设置位置确定该个体的第二向量；
[0099] 否则，将所述设备的连续加工时长归零，并将所述维护点之后的工件的加工顺序编号重置，并返回步骤S125。
[0100] 可理解的是，若还有工件没有加工，则返回步骤S125，寻找剩余未加工工件的维护点，直至所有的工件加工完成，这样可以确定所有的维护点，进而确定第二向量。
[0101] 可理解的是，上述预设规则为依据单机生产调度问题而设置的启发式规则，该规则可以在缩短调度周期的
基础上使生成的第二向量比较合理，从而使得到的个体具有良好的性能。
[0102] S130、计算当前的和声记忆库的个体相似度；根据所述个体相似度、和声记忆保留概率的最大阈值和和声记忆保留概率的最小阈值，计算当前的和声记忆库的自适应和声记忆保留概率；根据所述个体相似度、音调调节概率的最大阈值和音调调节概率的最小阈值，计算当前的和声记忆库的自适应音调调节概率；
[0103] 在当前的和声记忆库中解的多样性可用个体相近度D来衡量，本申请通过衡量个体的第一向量Γ的相近度D来评价和声记忆库中的个体多样性。当和声记忆库中个体的多样性变差时，相近度D就较大；而当和声记忆库中个体的多样性变好时，相近度D就较小。
[0104] 举例来说，在当前的和声记忆库中有m个个体，将这m个个体的第j位基因值的集合记为Πj，即Πj为当前的和声记忆库中m个个体的第一个向量的第j位基因值的集合；Cij表示第i个个体的第一向量中的第j位基因值在Πj中出现的次数；n为所述设备上需要加工的工件的总数。那么这m个个体的第j位基因的相近度为：
[0105]
[0106] 进而，这m个个体的相近度为：
[0107]
[0108] 其中，n为工件的数量，也是一个个体上基因的位数，可以将该公式称为第一公式，因此可以采用第一公式计算当前的和声记忆库的个体相似度。
[0109] 在实际应用时，有人提出采用个体适应度值的差异来衡量和声记忆库中个体的多样性，但这个方法产生的误差很大，因为个体适应度值相等的个体，其基因未必一致，个体的差异有时也会较大。而这里采用第一向量的相似度来确定个体相似度，从工件加工顺序的相似度来衡量个体相似度，由于工件加工顺序固定，采用预设规则确定的第二向量是固定的，因此个体是固定的，因此采用第一向量的相似度可以提高衡量个体多样性的准确度，减少误差。
[0110] 在实际应用中，可以采用第二公式计算所述自适应和声记忆保留概率，所述第二公式包括：
[0111]
[0112] 式中，HMCR为所述自适应和声记忆保留概率，HMCRmax为和声记忆保留概率的最大阈值，HMCRmin为和声记忆保留概率的最小阈值。
[0113] 在实际应用中，可以采用第三公式计算所述自适应音调调节概率，所述第三公式包括：
[0114]
[0115] 式中，PAR为所述自适应音调调节概率，PARmax为音调调节概率的最大阈值，PARmin为音调调节概率的最小阈值。
[0116] 这里采用自适应的和声记忆保留概率和音调调节概率，而不是采用固定的和声记忆保留概率和音调调节概率，避免了固定的和声记忆保留概率和音调调节概率所带来的缺点，例如，若采用固定的和声记忆保留概率和音调调节概率所带来的缺点，当和声记忆库中的个体多样性较好时搜索速度较慢，而当个体趋于一致时又易陷入局部最优。而本申请基于个体相近度来衡量和声记忆库中个体多样性，据此动态地计算和声记忆保留概率和音调调节概率。当和声记忆库中个体的相近度较小时，说明个体的多样性好，自动地加大和声记忆保留概率、减小音调调节概率，以保护和声记忆库中的优良个体，加快算法的搜索速度。当和声记忆库中个体的相近度较大时，说明个体的多样性差，自动地减小和声记忆保留概率、增大音调调节概率，以增加和声记忆库中个体的多样性，避免算法陷入局部最优。
[0117] S140、根据所述自适应和声记忆保留概率和所述自适应音调调节概率，生成一个新个体；
[0118] 在实际应用中，步骤S140可以具体包括：
[0119] S141、设置i的初始值为1，并构建对应的集合Xi，所述集合Xi中包括当前的和声记忆库中所有个体的第一向量中第i位基因值；
[0120] 例如，一个第一向量为(5，3，1，4，2)，若i为1，则第i位基因值为5；若i＝5，则第i位基因值为2。
[0121] S142、在所述集合Xi中随机选择一个值作为所述新个体的第一向量的第i位基因值；
[0122] 例如，将新个体的第一向量记为Γnew，Γnew的第i位基因值记为 这里采用随机选择的方式确定 下面通过步骤S143确定Γnew的第i+1位基因值。
[0123] S143、生成第一随机数ξ，判断所述第一随机数ξ是否小于所述自适应和声记忆保留概率HMCR：
[0124] 若是，生成取值在[1，m]范围内的随机整数j，在当前的和声记忆库的第j个个体的第一向量中所述第i位基因值所在的位置h，若当前和声记忆库中第j个个体的第一向量中第h+1位基因值未在所述新个体的第一向量中前i位基因值中出现过，则将所述第h+1位基因值作为所述新个体的第一向量的第i+1位基因值；若当前和声记忆库中第j个个体的第一向量中的第h+1位基因值在所述新个体的第一向量的前i位基因值中出现过，将当前和声记忆库中第j个个体的第一向量中最靠近位置h且未在所述新个体的第一向量中前i位基因值中出现过的值作为所述新个体的第一向量的第i+1位基因值；
[0125] 否则，在[1，n]中随机选择一个在所述新个体的第一向量的前i位基因值中未出现过的整数作为所述新个体的第一向量的第i+1位基因值；n为所述设备上需要加工的工件的个数；
[0126] 可理解的是，在第一随机数ξ小于HMCR时，不论当前和声记忆库中第j个个体的第一向量中第h+1位基因值在所述新个体的第一向量中前i位基因值中是否出现过，新个体的第一向量的第i+1位基因值都是未在所述新个体的第一向量中前i位基因值中出现过。在第一随机数ξ大于或等于HMCR时，新个体的第一向量的第i+1位基因值也未在所述新个体的第一向量中前i位基因值中出现过。也就是说，无论以何种方式确定新个体的第一向量的第i+1位基因值，该值都未在新个体的第一向量中前i位基因值中出现过，这样可以保证新个体落在可行域内。
[0127] 传统的和声搜索算法生成的新个体可能不在解的可行域中。例如，有4个工件需要在设备A上进行加工，利用传统的和声搜索算法得到的新个体为：
[0128]
[0129] 可见，3号工件将会被加工2次，而2号工件的加工却被遗漏了，不满足生产调度的约束条件，该新个体是不可行的，因此没有落在可行域内，而本申请对新个体的产生过程进行了改进，新个体的第一向量的第i+1位基因值必须是在所述新个体的第一向量中前i位基因值中未出现过的值，这样避免工件3被加工两次的情况，保证了产生的新个体均落在解的可行域中。
[0130] S144、令i加1，并判断i是否小n：若是，并返回S143；否则，执行S145；
[0131] 可理解的是，当i＝n时，新个体的第一向量中的所有值都已确定，即得到新个体的第一向量。在得到新个体的第一向量后，下面通过步骤S146可以对第一向量进行微调。
[0132] S145、生成第二随机数，判断所述第二随机数是否小于所述自适应音调调节概率：
[0133] 若是，则生成两个取值在[1，n]范围内的随机整数p和q，将所述新个体的第一向量中的第p位基因值和第q位基因值进行位置互换；
[0134] 否则，执行S146；
[0135] 也就是说，在第二随机数小于自适应音调调节概率时，对新个体的第一向量进行微调，否则保持新个体的第一向量不变。
[0136] S146、按照所述预设规则生成所述新个体的第二向量，将所述新个体的第一向量和第二向量合并为所述新个体。
[0137] 这里的预设规则在上文中已说明，这里不再赘述。
[0138] 例如，新个体的第一向量为Γnew，第二向量为Φnew，形成的新个体为：
[0139]
[0140] S150、根据所述新个体对当前的和声记忆库进行更新；
[0141] 具体的，步骤S150可以包括：
[0142] S151、计算所述新个体的适应度值以及当前的和声记忆库中每一个个体的适应度值，并选取出当前的和声记忆库中的最小适应度值；
[0143] 可理解的是，可以将在一个调度周期内的维护时长之和的倒数作为适应度值，也就是说，计算在新个体下的一个调度周期内的维护时长之和，以及在当前的和声记忆库中每一个个体下的一个调度周期内的维护时长之和。一个调度周期内的维护时长之和越低，即适应度值越大，说明该个体越优异。
[0144] S152、判断所述新个体的适应度值是否大于所述最小适应度值：
[0145] 若是，则将所述新个体替换所述最小适应度值对应的个体；
[0146] 否则，保持和声记忆库不变。
[0147] 可理解的是，判断新个体的适应度值是否大于所述最小适应度值，即判断新个体是否优于当前的和声记忆库中的最差个体。若新个体的适应度值大于所述最小适应度值，说明新个体优于当前的和声记忆库中的最差个体，此时用新个体来替换当前的和声记忆库中的最差个体，以实现对和声记忆库的更新。
[0148] S160、判断当前的迭代次数是否达到所述最大迭代次数：
[0149] 若是，则将当前的和声记忆库中适应度值最大的个体作为最优解并输出；一个个体的适应度值为在一个调度周期内该个体的总维护时长的倒数；
[0150] 否则，令迭代次数加1，并返回S130。
[0151] 在实际中，最大迭代次数可以根据需要设置，当对初始的和声记忆库更新多次之后，从最后更新完成的和声记忆库中选择一个最优个体作为最优解。
[0152] 本申请提供的单机生产调度方法，生成初始的和声记忆库，计算其个体相似度，进而依据个体相似度计算自适应和声记忆保留概率和自适应音调调节概率，进而基于这两个概率生成一个新个体，并利用该新个体对和声记忆库进行更新，当对和声记忆库更新多次之后，选取其中的适应度值最大的个体作为最有解，适应度值最大即维护时长之和最小，从而解决在单机调度过程中使维护时长之和最小的问题。
[0153] 进一步的，在步骤S121～S126中采用了一种预设规则生成新个体，这种规则基于单机生产调度问题的实际特点提出了在三种情况下的处理方式，使得根据预设规则所确定的第二向量具有良好的性能。在步骤S141～S146提供了一种新个体的生成方法，在该方法中所确定的新个体的第一向量的第i+1位基因值在新个体的第一向量中前i位基因值中都未出现过，这样可以保证新个体落在可行域内。在计算个体相似度时，采用第一公式进行计算，即采用第一向量的相似度来计算个体相似度，这样可以提高衡量个体多样性的准确度，减少误差。基于个体相似度，自适应调整和声记忆保留概率和音调调节概率，加快算法的搜索速度，避免算法陷入局部最优。
[0154] 第二方面，本申请提供一种带恶化维护时长的单机生产调度系统，如图7所示，该装置200包括：
[0155] 参数设置模块210，用于执行S110、设置和声搜索算法的参数，所述参数包括和声记忆库可保存的个体的数量m、和声记忆保留概率的最大阈值、和声记忆保留概率的最小阈值、音调调节概率的最大阈值、音调调节概率的最小阈值和最大迭代次数；
[0156] 记忆库构建模块220，用于执行S120、构建初始的和声记忆库，所述和声记忆库中包括m个个体，每一个个体包括第一向量和第二向量，所述第一向量表示各个工件在设备上的加工顺序，第二向量表示所述设备的维护点；每一个个体的生成过程包括：随机生成该个体的第一向量，并按照预设规则生成该个体的第二向量；
[0157] 概率计算模块230，用于执行S130、计算当前的和声记忆库的个体相似度；根据所述个体相似度、和声记忆保留概率的最大阈值和和声记忆保留概率的最小阈值，计算当前的和声记忆库的自适应和声记忆保留概率；根据所述个体相似度、音调调节概率的最大阈值和音调调节概率的最小阈值，计算当前的和声记忆库的自适应音调调节概率；
[0158] 新个体生成模块240，用于执行S140、根据所述自适应和声记忆保留概率和所述自适应音调调节概率，生成一个新个体；
[0159] 记忆库更新模块250，用于执行S150、根据所述新个体对当前的和声记忆库进行更新；
[0160] 迭代判断模块260，用于执行S160、判断当前的迭代次数是否达到所述最大迭代次数：若是，则将当前的和声记忆库中适应度值最大的个体作为最优解并输出；一个个体的适应度值为在一个调度周期内该个体的总维护时长的倒数；否则，令迭代次数加1，并返回所述概率计算模块中执行S130。
[0161] 在一些实施例中，所述预设规则包括：若a＝0，则在[x1,x2]上任意一点进行设备维护，对应的维护时长相同；其中，线性恶化维护时长的计算公式为y＝a+bx，a和b为预设的常数，x位于[x1,x2]范围内，x为所述设备的连续加工时长，y为在连续加工时长x之后的维护时长；对应的，所述记忆库构建模块按照预设规则生成该个体的第二向量的过程包括：
[0162] S121、当a＝0时，确定[x1,x2]与工件的加工累计时长的关系：
[0163] 若满足第一预设条件，则在[x1,x2]范围内的任一工件加工完成后设置一个维护点；所述第一预设条件为：
[0164] and and and
[0165] 若满足第二预设条件，则在第k个工件加工完成后设置一个维护点，所述第二预设条件为：
[0166] and and
[0167] 若满足第三预设条件，则在第k个工件加工完成后设置一个维护点，所述第三预设条件为：
[0168] and
[0169] 其中， 为第i个工件的加工时长，k+g+1小于等于所述设备上需加工的工件总数n，k和g均为大于或等于1的整数； 为从第1个工件到第k-1个工件的加工累计时长；
[0170] S122、判断所述设备的所有工件是否加工完成：
[0171] 若是，则根据各个维护点的设置位置确定该个体的第二向量；
[0172] 否则，将所述设备的连续加工时长归零，并将所述维护点之后的工件的加工顺序编号重置，并返回步骤S121。
[0173] 在一些实施例中，所述预设规则还包括：若a<0，则维护点越靠近x1，对应的维护时长越短；对应的，所述记忆库构建模块按照预设规则生成该个体的第二向量的过程还包括：
[0174] S123、当a<0时，确定[x1，x2]与工件的加工累计时长的关系：
[0175] 若满足第四预设条件，则在第k个工件加工完成后设置一个维护点，所述第四预设条件为：
[0176] and
[0177] 若满足第五预设条件，则在第k个工件加工完成后设置一个维护点，所述第五预设条件为：
[0178] and
[0179] S124、判断所述设备的所有工件是否加工完成：
[0180] 若是，则根据各个维护点的设置位置确定该个体的第二向量；
[0181] 否则，将所述设备的连续加工时长归零，并将所述维护点之后的工件的加工顺序编号重置，并返回步骤S123。
[0182] 在一些实施例中，所述预设规则还包括：若a>0，则维护点越靠近x2，对应的维护时长越短；对应的，所述记忆库构建模块按照预设规则生成该个体的第二向量的过程包括：
[0183] S125、当a>0时，确定[x1，x2]与工件的加工累计时长的关系：
[0184] 若满足第六预设条件，则在第k个工件加工完成后设置一个维护点，所述第六预设条件为：
[0185] and
[0186] S126、判断所述设备的所有工件是否加工完成：
[0187] 若是，则根据各个维护点的设置位置确定该个体的第二向量；
[0188] 否则，将所述设备的连续加工时长归零，并将所述维护点之后的工件的加工顺序编号重置，并返回步骤S125。
[0189] 在一些实施例中，概率计算模块具体用于采用第一公式计算所述个体相似度，所述第一公式包括：
[0190]
[0191] 其中，D为所述个体相似度，n为所述设备上需要加工的工件的总数，Cij表示第i个个体的第一向量中的第j位基因值在Πj中出现的次数；Πj为当前的和声记忆库中m个个体的第一个向量的第j位基因值的集合；和/或
[0192] 概率计算模块具体用于采用第二公式计算所述自适应和声记忆保留概率，所述第二公式包括：
[0193]
[0194] 式中，HMCR为所述自适应和声记忆保留概率，HMCRmax为和声记忆保留概率的最大阈值，HMCRmin为和声记忆保留概率的最小阈值；
[0195] 和/或
[0196] 概率计算模块具体用于采用第三公式计算所述自适应音调调节概率，所述第三公式包括：
[0197]
[0198] 式中，PAR为所述自适应音调调节概率，PARmax为音调调节概率的最大阈值，PARmin为音调调节概率的最小阈值。
[0199] 在一些实施例中，新个体生成模块具体用于：
[0200] S141、设置i的初始值为1，并构建对应的集合Xi，所述集合Xi中包括当前的和声记忆库中所有个体的第一向量中第i位基因值；
[0201] S142、在所述集合Xi中随机选择一个值作为所述新个体的第一向量的第i位基因值；
[0202] S143、生成第一随机数，判断所述第一随机数是否小于所述自适应和声记忆保留概率：
[0203] 若是，生成取值在[1，m]范围内的随机整数j，在当前的和声记忆库的第j个个体的第一向量中所述第i位基因值所在的位置h，若当前和声记忆库中第j个个体的第一向量中第h+1位基因值未在所述新个体的第一向量中前i位基因值中出现过，则将所述第h+1位基因值作为所述新个体的第一向量的第i+1位基因值；若当前和声记忆库中第j个个体的第一向量中的第h+1位基因值在所述新个体的第一向量的前i位基因值中出现过，将当前和声记忆库中第j个个体的第一向量中最靠近位置h且未在所述新个体的第一向量中前i位基因值中出现过的值作为所述新个体的第一向量的第i+1位基因值；
[0204] 否则，在[1，n]中随机选择一个在所述新个体的第一向量的前i位基因值中未出现过的整数作为所述新个体的第一向量的第i+1位基因值；n为所述设备上需要加工的工件的个数；
[0205] S144、令i加1，并判断i是否小n：若是，并返回S143；否则，执行S145；
[0206] S145、生成第二随机数，判断所述第二随机数是否小于所述自适应音调调节概率：
[0207] 若是，则生成两个取值在[1，n]范围内的随机整数p和q，将所述新个体的第一向量中的第p位基因值和第q位基因值进行位置互换；
[0208] 否则，执行S146；
[0209] S146、按照所述预设规则生成所述新个体的第二向量，将所述新个体的第一向量和第二向量合并为所述新个体。
[0210] 在一些实施例中，记忆库更新模块具体用于：
[0211] 计算所述新个体的适应度值以及当前的和声记忆库中每一个个体的适应度值，并选取出当前的和声记忆库中的最小适应度值；
[0212] 判断所述新个体的适应度值是否大于所述最小适应度值：
[0213] 若是，则将所述新个体替换所述最小适应度值对应的个体；
[0214] 否则，保持和声记忆库不变。
[0215] 第三方面，本申请提供一种计算机设备，该设备包括存储器、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，所述处理器执行所述计算机程序时实现第一方面中提供的方法的步骤。
[0216] 图8示出了一个实施例中计算机设备的内部结构图。如图8所示，该计算机设备包括该计算机设备包括通过
系统总线连接的处理器、存储器、网络
接口、输入装置和显示屏等。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有
操作系统，还可以存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现单机生产调度方法。该内存储器中也可以储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行单机生产调度方法。计算机设备的显示屏可以是
液晶显示屏或者
电子墨
水显示屏，计算机设备的输入装置可以是显示屏上
覆盖的触摸层，也可以是计算机设备
外壳上设置的按键、
轨迹球或触控板，还可以是外接的
键盘、触控板或
鼠标等。
[0217] 本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0218] 在一个实施例中，本申请提供的单机生产调度装置可以实现为一种计算机程序的形式，计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该
定位装置的各个程序模块，各个程序模块构成的计算机程序使得处理器执行本
说明书中描述的本申请各个实施例的单机生产调度中的步骤。
[0219] 第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面提供的方法的步骤。
[0220] 可理解的是，第二方面提供的装置、第三方面提供的计算机设备以及第四方面提供的存储介质均与第一方面提供的方法相对应，其有关内容的解释、举例、有益效果等内容可以参考第一方面中的相应部分，此处不再赘述。
[0221] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0222] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行
修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
