使用CPLEX求解小规模能量高效的FJSP

已于 2022-09-25 15:58:28 修改
阅读量5.2k 收藏 73
点赞数 6
分类专栏： IEEE Trans车间调度论文学习 文章标签： 算法
于 2021-11-29 17:01:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36820823/article/details/121610479
版权

CPLEX在车间调度问题中，是验证你的模型是否正确的重要指标。通过定义变量，约束，目标等。让CPLEX优化器求解。如果能找到可行解，说明该模型的正确性。CPLEX可以被matlab、java、c++等语言作为外部求解器调用。本篇博客主要介绍如何用matlab调用CPLEX求解小规模的模糊柔性作业车间调度问题。

本文将介绍如何，使用OPL语言，在OPLIDE上用CPELX求解器对于小规模的FJSP柔性作业车间调度问题进行求解。

下载CPLEX

这篇博客中的链接是学术版
也可以去CPLEX官网下载使用版，需要注册IBM账号，通过邮箱验证等等。学生有免费使用版一个月，网上有很多破解版，或者共享的学术版，推荐用12.x版本的。因为经过泣血的几天8-23点的学习，发现20.x开头的会有各种问题。

CPLEX安装

这里不用matlab等语言调用直接用的是IBM ILOG CPLEX 12.6.3版本

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Microsoft Visual C++2010 SP1 Redistributable Package x64下载连接
在这里插入图片描述

新解一个OPL项目

在这里插入图片描述
新建完之后会在红框看到你的配置环境。只有把你的mod和dat右键添加到运行配置，且全路径必须是英文，配置器的名字也得是英文才能正常运行。
在这里插入图片描述

OPL语言基本语法

  1. 自定义变量类型

自定义变量，通常是读取FJSP中已经确定的变量，如工件数J，机器数M，工序数OpNum，加工时间pTime。 float运行速度快于int。…表示 引用dat数据文件中同名的变量。一般将模型写在mod的文件中，dat写入模型需要输入的数据。

 int JobNum=...;
 int MacNum=...;
 int MaxOpNum=...;
 int MaxMState=...;
 //读取数据并确定变量的范围
 int M=10000;
 range JobIndex=0..JobNum-1;
 range MIndex=0..MacNum-1;
 range OpIndex=0..MaxOpNum-1;
 range MState=0..MaxMState;
 int OpNum[JobIndex]=...;
 //int x[JobIndex][OpIndex][MIndex]=...;
 int x[MIndex][JobIndex][OpIndex]=...;
 //float pTime[JobIndex][OpIndex][MIndex]=...;
 float pTime[MIndex][JobIndex][OpIndex]=...;
  1. 决策变量
    决策变量用于表达，在求解过程中，一直处于变化的，动态的变量。dvar关键字表示决策变量，后面接数据类型。决策变量不能被初始化。
//设置决策变量 未知的
dvar boolean X[JobIndex][OpIndex][MIndex][MState];
dvar boolean Y[MIndex][MState];//机器是否在该状态
//设置待计算的目标函数，以及开始加工时间
dvar float OpSTime[JobIndex][OpIndex];// 每个工序开始加工的时间
dvar float MSTime[MIndex][MState];// 每个机器开始加工的时间
dvar float EnergyIdle[MIndex][MState];
dvar float Cmax; //Cmax 就是每一个工序最后一个完成时间 最大的那个
  1. 决策表达式
    决策表达式用于，综合自定义变量和关键变量，写出一个公式，多半是最后需要优化的目标或者其一部分。由关键字 dexpr表示 后面接返回值类型，变量名，表达式。常用的公式中的关键字有sum，max，min。语法中内循环用逗号隔开。
dexpr float TotalPEnergy=sum(i in JobIndex,j in OpIndex, m in MIndex, t in MState)X[i][j][m][t]*pTime[m][i][j]*Ep;
dexpr float TotalIdleEnergy=sum(m in MIndex, t in MState) EnergyIdle[m][t];
dexpr float TEC=TotalPEnergy+TotalIdleEnergy+Et;

优化目标

CPLEX不支持多目标优化问题，只能一次优化一个目标。且决策变量的维度超过1000维就无法进行求解。所以要控制所有决策变量在1000以内

minimize Cmax;
//minimize TEC;

设置约束条件

约束条件是混合整数线性规划问题中精髓，只要最后决策变量包含整数变量的组合优化问题，就是混合整数线性规划MILP。用关键字 subject to表示，论文中用s.t.缩写表示。基本是用forall，然后加上不等式作为约束，不能表达赋值，只能表达==。满足某某条件时两个必须相等。

//设置约束条件
subject to{
Cmax<=405; 

forall(i in JobIndex, j in OpIndex){
	sum(m in MIndex, t in MState:x[m][i][j]>0)X[i][j][m][t]==1;//同一时刻只有一个机器加工
}

//最大完工时间约束
forall(i in JobIndex){
OpSTime[i][OpNum[i]-1]+sum(m in MIndex, t in MState:x[m][i][OpNum[i]-1]>0)pTime[m][i][OpNum[i]-1]*X[i][OpNum[i]-1][m][t]<=Cmax;
}

//同一个工件的先后工序约束
forall(i in JobIndex, j in 0..OpNum[i]-2){
OpSTime[i][j]+sum(m in MIndex,t in MState:x[m][i][j]>0)pTime[m][i][j]*X[i][j][m][t]<=OpSTime[i][j+1];
}

forall(m in MIndex,t in MState) {//所有工厂所有机器所有位置的 决策变量总和小于等于1
sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)X[i][j][m][t]<=1;}

forall(m in MIndex,t in 0..MaxMState-2){ //所有工厂 所有机器的所有位置 总结当前工件所有工序的决策变量大于等于下一个的
sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)X[i][j][m][t]>=
sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)X[i][j][m][t+1];}

//所有工厂 所有机器 所有位置的 下一个机器位置的开始时间要大于等于上一个机器的开始时间+开关的最大忍耐时间
forall(m in MIndex,t in 0..MaxMState-2){  
  MSTime[m][t+1]-MSTime[m][t]>=
  sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)pTime[m][i][j]*X[i][j][m][t];}
  
//所有的工厂所有的机器所有的位置 每个机器的能量消耗必须大于等于 该机器的总能量消耗乘以 是否该机器在该工厂的该位置
forall(m in MIndex,t in 0..MaxMState-2){ 
//总的能量消耗远大于 等待时间的能量消耗 减去一个很大的数还要大
EnergyIdle[m][t]+Y[m][t]*M>=
(MSTime[m][t+1]-MSTime[m][t]-sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)
pTime[m][i][j]*X[i][j][m][t])*Es;  
} 
//所有工厂中所有机器的位置都要小于3
forall(m in MIndex){
  sum(t in 0..MaxMState-2)Y[m][t]<=3;}
 //所有工件所有工序所有工厂所有机器所有位置每一个机器每一个位置的开始时间都要远等于该工序的开始时间，如果在这上面加工
forall(i in JobIndex,j in 0..OpNum[i]-1,m in MIndex,t in MState:x[m][i][j]>0){  
  MSTime[m][t]>=OpSTime[i][j]-M*(1-X[i][j][m][t]);
  MSTime[m][t]<=OpSTime[i][j]+M*(1-X[i][j][m][t]);
} 

//所有的工件所有的工序在所有工厂开始时间都要大于等于0且小于等于一个很大的数   
forall(i in JobIndex,j in OpIndex){
OpSTime[i][j]>=0;
OpSTime[i][j]<=M;
}
//所有的机器的所有位置在所有工厂开始时间都要大于等于0且小于等于一个很大的数   
forall(m in MIndex,t in MState){
  MSTime[m][t]>=0;   
 EnergyIdle[m][t]>=0;}
}

代码块

和java类似OPL中的代码块是需要关键字execute表示执行的。而且代码块是

execute
{
writeln("最大完工时间:",Cmax);
writeln("TEC: ",TEC);

}

一个小型的柔性作业车测试问题

MFJS01 5个工件,6个机器，每个工件3个工序

/*********************************************
 * OPL 12.6.3.0 Data
 * Author: d
 * Creation Date: 2021-12-9 at 上午9:48:10
 *********************************************/
MaxOpNum=3;
JobNum =5;
MacNum =6;
MaxMState=6;
OpNum=[3,3,3,3,3];

x=
[
[
[1,0,0,],
[1,0,0,],
[1,0,0,],
[1,0,0,],
[1,0,0,],
],
[
[1,1,0,],
[0,1,0,],
[1,0,0,],
[1,0,0,],
[1,0,0,],
],
[
[1,0,0,],
[1,1,0,],
[0,1,0,],
[0,0,0,],
[1,1,0,],
],
[
[0,1,1,],
[0,0,0,],
[0,1,1,],
[0,0,1,],
[0,1,0,],
],
[
[0,0,1,],
[0,0,1,],
[0,0,1,],
[0,1,0,],
[0,1,1,],
],
[
[0,0,0,],
[0,0,1,],
[0,0,1,],
[0,0,1,],
[0,0,1,],
],
];

pTime =
[
[
[147,0,0],
[214,0,0],
[87,0,0],
[87,0,0],
[128,0,0]
],
[
[123,130,0],
[0,66,0],
[62,0,0],
[65,0,0],
[123,0,0]
],
[
[145,0,0],
[150,87,0],
[0,180,0],
[0,0,0],
[145,86,0]
],
[
[0,140,150],
[0,0,0],
[0,105,190],
[0,0,145],
[0,65,0]
],
[
[0,0,160],
[0,0,178],
[0,0,100],
[0,173,0],
[0,47,110]
],
[
[0,0,0],
[0,0,95],
[0,0,153],
[0,0,136],
[0,0,85]
]
];

EE-FJSP的MILP模型

/*********************************************
 * OPL 12.6.3.0 Model
 * Author: d
 * Creation Date: 2021-12-8 at 下午3:26:58
 *********************************************/
 int JobNum=...;
 int MacNum=...;
 int MaxOpNum=...;
 int MaxMState=...;
 //读取数据并确定变量的范围
 int M=10000;
 range JobIndex=0..JobNum-1;
 range MIndex=0..MacNum-1;
 range OpIndex=0..MaxOpNum-1;
 range MState=0..MaxMState;
 int OpNum[JobIndex]=...;
 //int x[JobIndex][OpIndex][MIndex]=...;
 int x[MIndex][JobIndex][OpIndex]=...;
 //float pTime[JobIndex][OpIndex][MIndex]=...;
 float pTime[MIndex][JobIndex][OpIndex]=...;
  //设置求解器的时间阈值，线程数，误差率
 execute {
 cplex.tilim = 600;
 cplex.threads=3;//线程
 cplex.epagap=0;//绝对容差
 cplex.epgap=0;//相对容差
 }
 
 //设置 加工功率，等待功率，开关功率
float Ep=0.5;//加工功率 500kw每s 0.5Mw
float Es=0.04;//等待功率 40kw每s
float Et=0.06;//开机关机功率 60kw每s 

//设置决策变量 未知的
dvar boolean X[JobIndex][OpIndex][MIndex][MState];
dvar boolean Y[MIndex][MState];//机器是否在该状态
//设置待计算的目标函数，以及开始加工时间
dvar float OpSTime[JobIndex][OpIndex];// 每个工序开始加工的时间
//dvar float OpCTime[JobIndex][OpIndex];// 每个工序完成加工的时间
//dvar float OpDTime[JobIndex][OpIndex];// 每个工序开始加工前的等待时间
dvar float MSTime[MIndex][MState];// 每个机器开始加工的时间
//dvar float MCTime[MIndex][MState];// 每个机器完成加工的时间
dvar float EnergyIdle[MIndex][MState];
//dvar float MCTime[MIndex];// 每个机器当前的完工时间


//CPLEX只能优化单目标问题，所以两个目标的优化的分开进行求下界
//目标函数 Cmax TEC的表达式
dvar float Cmax; //Cmax 就是每一个工序最后一个完成时间 最大的那个

dexpr float TotalPEnergy=sum(i in JobIndex,j in OpIndex, m in MIndex, t in MState)X[i][j][m][t]*pTime[m][i][j]*Ep;
dexpr float TotalIdleEnergy=sum(m in MIndex, t in MState) EnergyIdle[m][t];
dexpr float TEC=TotalPEnergy+TotalIdleEnergy+Et;
//设置优化目标
minimize Cmax;
//minimize TEC;

//设置约束条件
subject to{
Cmax<=405; 

forall(i in JobIndex, j in OpIndex){
	sum(m in MIndex, t in MState:x[m][i][j]>0)X[i][j][m][t]==1;//同一时刻只有一个机器加工
}

//最大完工时间约束
forall(i in JobIndex){
OpSTime[i][OpNum[i]-1]+sum(m in MIndex, t in MState:x[m][i][OpNum[i]-1]>0)pTime[m][i][OpNum[i]-1]*X[i][OpNum[i]-1][m][t]<=Cmax;
}

//同一个工件的先后工序约束
forall(i in JobIndex, j in 0..OpNum[i]-2){
OpSTime[i][j]+sum(m in MIndex,t in MState:x[m][i][j]>0)pTime[m][i][j]*X[i][j][m][t]<=OpSTime[i][j+1];
}

forall(m in MIndex,t in MState) {//所有工厂所有机器所有位置的 决策变量总和小于等于1
sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)X[i][j][m][t]<=1;}

forall(m in MIndex,t in 0..MaxMState-2){ //所有工厂 所有机器的所有位置 总结当前工件所有工序的决策变量大于等于下一个的
sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)X[i][j][m][t]>=
sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)X[i][j][m][t+1];}

//所有工厂 所有机器 所有位置的 下一个机器位置的开始时间要大于等于上一个机器的开始时间+开关的最大忍耐时间
forall(m in MIndex,t in 0..MaxMState-2){  
  MSTime[m][t+1]-MSTime[m][t]>=
  sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)pTime[m][i][j]*X[i][j][m][t];}
  
//所有的工厂所有的机器所有的位置 每个机器的能量消耗必须大于等于 该机器的总能量消耗乘以 是否该机器在该工厂的该位置
forall(m in MIndex,t in 0..MaxMState-2){ 
//总的能量消耗远大于 等待时间的能量消耗 减去一个很大的数还要大
EnergyIdle[m][t]+Y[m][t]*M>=
(MSTime[m][t+1]-MSTime[m][t]-sum(i in JobIndex,j in OpIndex:x[m][i][j]>0)
pTime[m][i][j]*X[i][j][m][t])*Es;  
} 
//所有工厂中所有机器的位置都要小于3
forall(m in MIndex){
  sum(t in 0..MaxMState-2)Y[m][t]<=3;}
 //所有工件所有工序所有工厂所有机器所有位置每一个机器每一个位置的开始时间都要远等于该工序的开始时间，如果在这上面加工
forall(i in JobIndex,j in 0..OpNum[i]-1,m in MIndex,t in MState:x[m][i][j]>0){  
  MSTime[m][t]>=OpSTime[i][j]-M*(1-X[i][j][m][t]);
  MSTime[m][t]<=OpSTime[i][j]+M*(1-X[i][j][m][t]);
} 

//所有的工件所有的工序在所有工厂开始时间都要大于等于0且小于等于一个很大的数   
forall(i in JobIndex,j in OpIndex){
OpSTime[i][j]>=0;
OpSTime[i][j]<=M;
}
//所有的机器的所有位置在所有工厂开始时间都要大于等于0且小于等于一个很大的数   
forall(m in MIndex,t in MState){
  MSTime[m][t]>=0;   
 EnergyIdle[m][t]>=0;}
}

execute
{
writeln("最大完工时间:",Cmax);
writeln("TEC: ",TEC);

}

代码下载

EE-FJSP

吾心即宇宙-THU
关注
  • 6
    点赞
  • 踩
  • 73
    收藏
    觉得还不错? 一键收藏
  • 24
    评论
专栏目录
调用ILOG-CPLEX 求解优化问题的中文使用说明
08-15
（个人总结的ILOG-CPLEX最简约的建模和使用方法，非常实用） 数学规划模型可描述极为复杂的实际问题。利用优化算法，应用程序能迅速找到这些问题模型的解决方案。 ILOG CPLEX 的速度非常快，可以解决现实世界中许多大规模的问题，并利用现在的应用系统快速提交可靠的解决方案。这一特点可以从它在全球各地的使用情况和能在极端苛刻条件下应用的现状得到完全证明。它能够处理有数百万个约束 (constraint) 和变量，而且一直刷新数学规划的最高性能记录。
使用求解器求解车间调度问题、带阻塞的车间调度问题
03-23
使用求解器包含：Cplex、or-tools、CP 编程语言：Python
设置Yalmip+cplex求解时间长度的方法
最新发布
l907186128的博客
03-19 379
下面这个方法是我躺平一段时间后，重新一次尝试。决定自己看看结构体里面的参数，结果看完试了一下。设置完后就可以看到大概200s的时间时，出现如下提示和结果。这个问题网上找了好久都没有找到正确的，或者说能用成功的。打开cplex结构体后就可以看到。——这个链接里面是参数的说明。问题不难，但是碰到就很头疼。希望能够帮助到大家！
双碳下的综合能源系统低碳运行优化调度（Matlab程序Yalmip＋Cplex求解）
m0_57943157的博客
06-01 644
对多能源互补机制运行条件下综合能源系统优化调度困难的问题，从降低系统运维成本、减少CO2排放和可再生能源弃用等方面进行了多目标优化调度研究。建立了电-气-热-冷能源系统各设备的数学模型，并针对储能设备在长期运行模拟中的建模难点，建立了可模拟综合能源系统长期运行调度的约束条件，采用低碳经济运行指标对综合能源系统进行了优化，并对最低运行成本调度和最小碳排放调度的结果进行了比较。
多目标优化模型matlab
09-04
多目标优化详细代码，文件里面有代码说明。以及代码注释
CPLEX 调度例子
08-18
对于初学者而言，CPLEX相对比较陌生，本人将课程资源上传共享，希望对你有所帮助。
CPLEX 解决大规模计算 变量 约束 添加方法
mucai1的专栏
10-05 1万+
//添加变量思路 add_var_XX(IloModel f_model, IloNumVarArray f_var, IloRangeArray f_cons, data_input *f_data); //添加变量 { //获取环境 IloEnv f_env = f_model.getEnv(); //向环境中添加变量 //IloNumVar(const IloEnv env
介绍cplex 约束规划建模基础知识
yaologos的博客
01-03 6828
约束规划 opl语言 本文主要基于ILOG的约束规划（Constraint Programming）模块求解调度问题，因此主要介绍调度相关的函数 依据运筹学建模，主要介绍变量和约束 参考文献：https://doi.org/10.1007/s10601-018-9281-x 这篇文献是IBM在Constraint期刊发表的CPO模块介绍，更加详细，本文只是对其进行了摘要和翻译，想要更全面的了解CP...
约束多目标优化问题中约束处理方法综述
02-27
约束多目标优化问题中约束处理方法综述,遗传算法（Genetic Algorithm，GA）是模仿自然界生物进化机制发展起来的全局搜索优化方法，它在迭代过程中使用适者生存的原则，采用交叉、变异等操作使得种群朝着最优的方向进化，最终获得最优解。
cplex 12.6
10-23
cplex 比lingo更加专业化，是一款在国内逐渐火热的数学模型处理软件，能够与python语言及matlab相互配合使用，更加方便
【安装包】Cplex求解器
01-16
运筹学常用求解器Cplex
CPLEX求解VRPTW
09-20
CPLEX求解VRPTW，数据来源于Solomon标准数据，原创代码，可以直接运行，注释写的很详细，花费了一些心思。想了解更多详情，可关注微信公众号：数据魔术师
【转】基于C#的多目标优化问题，其中包含各种求解的进化算法
04-17
程序中有NSGA、NSGA2、NSGA3以及其他.相关算法实现
cplex求解器下载与安装说明
06-07
cplex求解器下载与安装说明
调用CPLEX求解优化问题的简化方法
11-13
调用CPLEX求解优化问题的简化方法调用CPLEX求解优化问题的简化方法
CPLEX+VRP.rar_CPLEX+VRP_cplex_cplex 规模限制_vrp_车辆路径问题
07-13
利用cplex小规模的车辆路径问题，不适用于大规模问题的求解。切记！！
YALMIP学习（一）：入门
热门推荐
名侦探柯基的博客
04-19 2万+
YALMIP学习教程第1课：入门
cplex解决旅行商问题
05-22
CPLEX是一个商业化的数学优化软件，可以用于求解旅行商问题（TSP）。TSP是一个经典的组合优化问题，它的目标是找到一条最短的路径，使得一个旅行商可以拜访所有的城市并回到起点。 CPLEX提供了多种求解TSP的方法，包括整数规划、分支定界和约束程序等。其中，整数规划是最常用的方法之一。通过将TSP转化为一个整数规划问题，CPLEX可以找到一条最短路径，同时满足所有的限制条件。 当然，对于大规模的TSP问题，CPLEX的求解时间可能会非常长。因此，还需要使用一些优化技巧来加速求解过程，比如分支限界、剪枝等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 24
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值