本发明属于人工蜂群算法应用，涉及基于iabc-dns算法的车间调度优化方法及系统。
背景技术：
1、随着现代制造行业的快速发展，柔性作业车间调度问题(flexible job-shopscheduling problem，fjsp)已成为生产过程优化中的重要问题。传统的fjsp主要关注机器资源的优化配置，然而在实际生产环境中，工人资源，尤其是工人的工作状态和疲劳程度，对生产效率和工件质量同样具有重要影响。考虑工人疲劳的双资源约束柔性作业车间调度问题drcfjsp(dual resource constrained flexible job-shop schedkuling problemconsidering)是在fjsp的基础上，考虑了工人资源约束的调度问题，这使得问题的复杂度大大增加。
2、abc算法是一种模拟蜜蜂觅食行为的群智能优化算法，因其简单、易于实现且具有较强的全局搜索能力而被广泛应用于各种优化问题中。然而，标准abc算法在处理高维复杂优化问题时，有时会陷入局部最优，且收敛速度较慢，特别是在处理如drcfjsp这样的具有多个约束和变量的问题时，其性能和效率有待提高。
技术实现思路
1、本发明的目的在于提供基于iabc-dns算法的车间调度优化方法及系统，解决现有技术中算法求解精度低的问题。
2、为达到上述目的，本发明采用以下技术方案予以实现：
3、基于iabc-dns算法的车间调度优化方法，包括：
4、获取柔性作业车间的工作参数和约束条件；
5、根据工作参数和约束条件，确定目标函数，构建drcfjsp模型，所述drcfjsp模型包括m台机器、n个工件和l个工人，包括三个子问题：工件工序的加工机器分配、加工机器上的工序排序和加工机器的工人选择；
6、设计iabc-dns算法求解drcfjsp模型，iabc-dns算法结合人工蜂群算法和动态邻域搜索的优化算法，模拟蜜蜂的觅食行为在问题空间中进行高效搜索，并通过动态调整邻域结构增强对柔性作业车间调度问题的适应性，还采用三层编码方案和多种操作算子，以及外部档案集和邻域搜索机制，提升初始种群质量和搜索性能，得到目标函数的最优值，输出优化后的柔性作业车间调度方案。
7、进一步的，所述约束条件包括：
8、所有工件、机器和工人在加工开始时刻空闲；
9、所有工件之间相互独立且具有相同的优先级；
10、同一时间，一台机器能且仅能加工某一工件的某一工序；
11、同一时间，一台机器能且仅能由一个工人操纵；
12、同一工件中的某一道工序在其前一道工序没有加工完成之前不能进行本道工序的加工；
13、工序开始加工后不允许被打断；
14、工件的释放包含在加工时间里，忽略机器与工件的安装时间、工件的转运时间和工人的转移时间，并忽略产生的碳排放。
15、进一步的，所述目标函数包括最大完工时间最小、碳排放量最小、最大工人疲劳程度最小和总成本最小。
16、进一步的，所述最大完工时间最小表示所有工件中最后一道工序所完成的时间最小：
17、f1＝mincmax＝min{max{ctijk}}
18、其中，cmax表示最大完工时间，ctijk表示机器k加工工序oij的完成时刻；
19、所述碳排放量最小包括机器加工状态、空载状态的碳排放量和车间其他部分的碳排放量最小：
20、f2＝min(pe+se+ge)
21、其中，pe表示机器加工状态的碳排放量，se表示空载状态的碳排放量，ge表示车间其他部分的碳排放量；
22、所述最大工人疲劳程度最小表示随着加工作业的进行，工人的疲劳程度达到峰值最小：
23、
24、f3＝min(fmax,r)＝min(max(fr(ctijk),fr(cti'j'k')))
25、
26、其中，fmax,r表示所有工人操作机器加工完所有工序后最疲劳工人r的疲劳程度，ctijk表示机器k加工工序oij的完成时刻，cti'j'k'表示机器k'加工工序oi'j'的完成时刻，stijk表示机器k加工工序oij的开始时刻，mek表示机器k的特征系数，mek≥0，wer表示工人r的特征系数，β≥wer≥0，sti'j'k'表示机器k'加工工序oi'j'的开始时刻；
27、所述总成本最小包括机器加工过程的成本、机器空载过程的成本、车间其他过程的成本和工人成本最小：
28、f4＝min(pc+mc+gc+wc)
29、其中，pc表示机器加工过程的成本，mc表示机器空载过程的成本，gc表示车间其他过程的成本，wc表示工人成本。
30、进一步的，所述机器加工状态的碳排放量为：
31、
32、其中，pek表示机器k加工状态的平均功率，tijkr表示工人r操作机器k加工工序oij所需的加工时间，es表示碳排放转换因子，xijkr表示工序oij是否在机器k上由工人r操作加工；
33、所述空载状态的碳排放量为：
34、
35、其中，sek表示机器k空载状态的平均功率，sti'j'k'表示机器k加工工序oi'j'的开始时刻，ctijk表示机器k加工工序oij的完成时刻，yiji'j'k表示工序oij是否先于工序oi'j'在机器k上加工；
36、所述车间其他部分的碳排放量为：
37、ge＝gek·cmax·es
38、其中，gek表示车间照明、排风平均功率。
39、进一步的，所述机器加工过程的成本为：
40、
41、其中，tijkr表示工人r操作机器k加工工序oij所需的加工时间，pqk表示机器加工过程的单位成本；
42、所述机器空载过程的成本为：
43、
44、其中，mqk表示机器空载过程的单位成本，xijkr表示工序oij是否在机器k上由工人r操作加工，yiji'j'k表示工序oij是否先于工序oi'j'在机器k上加工；
45、所述车间其他过程的成本为：
46、gc＝gqk·cmax
47、其中，gqk表示车间其他过程的单位成本；
48、所述工人成本为：
49、
50、其中，wqr表示工人的单位加工成本。
51、进一步的，所述iabc-dns算法包括：
52、step 1：设置iabc-dns算法的基本参数，包括种群数量、最大迭代次数、食物源搜索次数和外部档案集容量；
53、step 2：根据基本参数，采用随机生成和策略选择相结合的混合初始化方式对种群进行初始化；
54、step 3：评价种群的所有个体，将种群的优秀个体加入外部档案集实现种群择优；
55、step 4：判断是否满足算法终止条件，输出档案集中的最优解集。
56、进一步的，所述算法终止条件的判断规则为：
57、当满足最大迭代次数时，算法终止，输出档案集中的最优解集；
58、当不满足最大迭代次数时，进行以下步骤：
59、step 1：对工序排序os层采用ipox交叉方式，机器ms层采用rpx交叉方式，工序排序os层采用两点插入式变异方式，机器ms层和工人ws层均采用多点随机变异的方式，同时设计一种算子选择策略并更新种群及外部档案集；
60、step 2：引入一种有效的动态邻域搜索算法，设计四种邻域结构以提高局部搜索能力，更新外部档案集；
61、step 3：根据动态邻域搜索算法，判断搜索次数是否超过限定值limit，若超过，则替换为优良食物源逆序变异得到的新食物源；
62、step 4：判断新食物源满足算法终止条件时，输出档案集中的最优解集。
63、基于iabc-dns算法的车间调度优化系统，包括：
64、获取模块，所述获取模块用于获取柔性作业车间的工作参数和约束条件；
65、建模模块，所述建模模块用于根据工作参数和约束条件，确定目标函数，构建drcfjsp模型，所述drcfjsp模型包括m台机器、n个工件和l个工人，包括三个子问题：工件工序的加工机器分配、加工机器上的工序排序和加工机器的工人选择；
66、求解模块，所述求解模块用于设计iabc-dns算法求解drcfjsp模型，iabc-dns算法结合人工蜂群算法和动态邻域搜索的优化算法，模拟蜜蜂的觅食行为在问题空间中进行高效搜索，并通过动态调整邻域结构增强对柔性作业车间调度问题的适应性，还采用三层编码方案和多种操作算子，以及外部档案集和邻域搜索机制，提升初始种群质量和搜索性能，得到目标函数的最优值，输出优化后的柔性作业车间调度方案。
67、与现有技术相比，本发明具有以下有益效果：
68、本发明提供基于iabc-dns算法的车间调度优化方法，以最大工人疲劳程度最小、最大完工时间最小、碳排放量最小和总成本最小为目标构建优化模型，设计了iabc-dns算法来求解该模型，该算法收敛速度和求解精度更高。特别是在考虑工人疲劳的drcfjsp问题中，iabc-dns算法能够更好地平衡机器与工人资源，优化生产调度，减轻工人疲劳，提高生产效率，同时降低生产过程中的成本和碳排放。本发明解决了目前柔性车间调度存在的易受工人影响、算法求解精度低的问题，同时优化了柔性车间工人疲劳程度、最大完工时间、碳排放量和总成本。与abc算法相比，iabc-dns算法的目标函数值更优，收敛速度更快，hv和igd指标表现也更好，表明iabc-dns算法的优越性。
1.基于iabc-dns算法的车间调度优化方法，其特征在于，包括：
2.根据权利要求1所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述约束条件包括：
3.根据权利要求1所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述目标函数包括最大完工时间最小、碳排放量最小、最大工人疲劳程度最小和总成本最小。
4.根据权利要求3所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述最大完工时间最小表示所有工件中最后一道工序所完成的时间最小：
5.根据权利要求4所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述机器加工状态的碳排放量为：
6.根据权利要求4所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述机器加工过程的成本为：
7.根据权利要求1所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述iabc-dns算法包括：
8.根据权利要求7所述的基于iabc-dns算法的车间调度优化方法，其特征在于，所述算法终止条件的判断规则为：
9.基于iabc-dns算法的车间调度优化系统，其特征在于，包括：
