(LBFSP)中间存储有限流水车间的最大完工时间Cmax的2种计算方法(含c++源代码)

JC.223

已于 2022-11-24 23:38:35 修改

阅读量831

点赞数 1

分类专栏：车间调度文章标签： c++

于 2022-11-24 20:23:13 首次发布

本文链接：https://blog.csdn.net/weixin_44938712/article/details/128007959

版权

车间调度专栏收录该内容

5 篇文章

订阅专栏

查阅文献时，发现中间存储有限的流水车间在计算最大完工时间 $C_{max}$ 时，常出现两种计算方式，一种用开始时间 $S_{i, j}$ 计算，另一种用完工时间 $C_{i, j}$ 计算：

(1) 用开始时间 $S_{i, j}$ 计算

( $p_{i, j}$ 代表工件 $i$ 在机器 $j$ 上的加工时间， $B_{j}$ 代表机器 $j$ 与 $j-1$ 之间的缓冲区容量)

( $C_{max} = S_{\pi (n), m} + p_{\pi (n), m}$ )

(2) 用完工时间 $C_{i, j}$ 计算

( $P_{i, j}$ 代表工件 $i$ 在机器 $j$ 上的加工时间， $B_{j}$ 代表机器 $j$ 与 $j+1$ 之间的缓冲区容量)

两种方式计算出来的 $C_{max}$ 结果是一样的，但要注意的是，第1种方式求出来的矩阵 $S_{i, j}$ 指的是各工序的最早可以开始加工的时间点，而第2种方式求出来的矩阵 $C_{i, j}$ 指的是各工序的最晚可以结束加工的时间点，因此两者画出来的甘特图略有差别，如下图所示：

从图中可以看出，按第1种方式求解画出的甘特图，相当于对所有的存在空闲的加工时间块进行了左移操作，而第2种方式则是进行了右移操作；对于不存在空闲的加工时间块，两种求解方式的甘特图是一致的，这也是它们求解出来的 $C_{max}$ 一致的原因。

同样的原理可以应用到一般的置换流水车间调度问题(PFSP) $C_{max}$ 的求解当中。

附：

(1) 用开始时间 $S_{i, j}$ 计算LBFSP的源代码

/* 中间存储有限Cmax计算(使用开始时间计算) */
// solution -- 可行解(排列)，如 π = {1,2,...,n}
// T -- 加工时间矩阵，T[π(i) - 1][j - 1]即P[π(i)][j]
// buffer -- buffer[i] (0 ≤ i ≤ n-1) 为机器i+1与机器i+2间的缓冲区容量
vector<vector<double>> calculate_makespan_start_time(const vector<int>& solution, const vector<vector<double>>& T, const vector<int>& buffer) {
    int n = solution.size(), m = T[0].size();
    vector<vector<double>> S(n, vector<double>(m, 0));  //调度（完工时间）矩阵，size = (n, m)，存放各机器上的调度结果
    // 1. S(π1,1) = 0
    //S[0][0] = 0;

    // 2. S(π1,j) = S(π1,j - 1) + P(π1,j - 1)  j = 2, 3, ... , m
    for (int j = 1; j < m; j++)
    {
        S[0][j] = S[0][j - 1] + T[solution[0] - 1][j - 1];
    }

    for (int i = 1; i < n; i++) {
        // j = 0 时
        // 3. S(πi,1) = S(π(i - 1),1) + P(π(i - 1),1)  i ≤ B1 + 1
        if (i < buffer[0] + 1) S[i][0] = S[i - 1][0] + T[solution[i - 1] - 1][0];
        // 4. S(πi,1) = max( S(π(i - 1),1) + P(π(i - 1),1), S[i - B1 - 1][2] )  i ＞ B1 + 1
        else S[i][0] = max(S[i - 1][0] + T[solution[i - 1] - 1][0], S[i - buffer[0] - 1][1]);

        for (int j = 1; j < m - 1; j++) {
            // 5. S(πi,j) = max( S(π(i - 1),j) + P(π(i - 1),j), S(π(i),j - 1) + P(π(i),j - 1) )  i ≤ Bj + 1, 2 ≤ j ≤ m - 1
            if (i < buffer[j] + 1) S[i][j] = max(S[i - 1][j] + T[solution[i - 1] - 1][j], S[i][j - 1] + T[solution[i] - 1][j - 1]);
            /* 6. S(πi,j) = max( S(π(i - 1),j) + P(π(i - 1),j), S(π(i),j - 1) + P(π(i),j - 1), S(π(i - Bj - 1), j + 1) )
                    i ＞ Bj + 1, 2 ≤ j ≤ m - 1  */
            else S[i][j] = max(max(S[i - 1][j] + T[solution[i - 1] - 1][j], S[i][j - 1] + T[solution[i] - 1][j - 1]), S[i - buffer[j] - 1][j + 1]);
        }
        
        // j = m - 1 时
        // 7. S(πi,m) = max( S(π(i - 1),m) + P(π(i - 1),m), S(π(i),m - 1) + P(π(i),m - 1) )
        S[i][m - 1] = max(S[i - 1][m - 1] + T[solution[i - 1] - 1][m - 1], S[i][m - 2] + T[solution[i] - 1][m - 2]);
    }

    // 如果只求Cmax，返回 S[n - 1][m - 1] + T[solution[i] - 1][j] 即可
    // 这里求的是开始时间矩阵S(πi,j)，用于画调度结果的甘特图
    return S;
}

(2) 用完工时间 $C_{i, j}$ 计算LBFSP的源代码

/* 中间存储有限Cmax计算(使用完工时间计算) */
// solution -- 可行解(排列)，如 π = {1,2,...,n}
// T -- 加工时间矩阵，T[π(i) - 1][j - 1]即P[π(i)][j]
// buffer -- buffer[i] (0 ≤ i ≤ n-1) 为机器i+1与机器i+2间的缓冲区容量
vector<vector<double>> calculate_makespan(const vector<int>& solution, const vector<vector<double>>& T, const vector<int>& buffer) {
    int n = solution.size(), m = T[0].size();
    vector<vector<double>> C(n, vector<double>(m, 0));  //调度（完工时间）矩阵，size = (n, m)，存放各机器上的调度结果
    // 1. C(π1,1) = P(π1,1)
    C[0][0] = T[solution[0] - 1][0];
    // 2. C(π1,j) = C(π1,j - 1) + P(π1,j)  2 ≤ j ≤ m
    for (int j = 1; j < m; j++)
    {
        C[0][j] = C[0][j - 1] + T[solution[0] - 1][j];
    }

    for (int i = 1; i < n; i++) {
        // j = 0 时
        // 3. C(πi,1) = C(π(i - 1), 1) + P(πi, 1)  i ≤ B1 + 1
        if (i < buffer[0] + 1) C[i][0] = C[i - 1][0] + T[solution[i] - 1][0];
        // 4. C(πi,1) = max( C(π(i - 1), 1) + P(πi, 1), C(π(i - B1 - 1), 2) )  i ＞ B1 + 1
        else C[i][0] = max(C[i - 1][0] + T[solution[i] - 1][0], C[i - buffer[0] - 1][1]);

        for (int j = 1; j < m - 1; j++) {
            // 5. C(πi,j) = max{C(π(i - 1), j), C(πi, j - 1)} + P(πi, j)  i ≤ Bj + 1, 2 ≤ j ≤ m - 1
            if (i < buffer[j] + 1) C[i][j] = max(C[i - 1][j], C[i][j - 1]) + T[solution[i] - 1][j];
            /* 6. C(πi,j) = max(max( C(π(i - 1), j), C(πi, j - 1) ) + P(πi, j), C(π(i - Bj - 1), j + 1) )
                    i ＞ Bj + 1, 2 ≤ j ≤ m - 1  */
            else C[i][j] = max(max(C[i - 1][j], C[i][j - 1]) + T[solution[i] - 1][j], C[i - buffer[j] - 1][j + 1]);
        }

        // j = m - 1 时
        // 7. C(πi,m) = max( C(π(i - 1), m), C(πi, m - 1) ) + P(πi, m)
        C[i][m - 1] = max(C[i - 1][m - 1], C[i][m - 2]) + T[solution[i] - 1][m - 1];
    }

    // 如果只求Cmax，返回 C[n - 1][m - 1] 即可
    // 这里求的是完工时间矩阵C(πi,j)，用于画调度结果的甘特图
    return C;
}

参考文献：

[1] WANG L, ZHANG L, ZHENG D. An effective hybrid genetic algorithm for flow shop scheduling with limited buffers[J]. Computers & Operations Research, 2006,33(10): 2960-2971.

[2] 王鹏飞. 群智能优化算法及在流水车间调度问题中的应用研究[D]. 吉林大学, 2019.