1.一种基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，包括以下步骤：步骤1：对低碳车间调度的机器选择和工序排序进行编码，建立低碳车间调度的数学模型；

步骤2：设置改进鲸鱼优化算法的算法参数：位置向量维度、种群规模、螺旋线系数、选择概率以及最大迭代次数，并采用混合式种群初始化策略生成初始种群；

步骤3：计算初始种群中调度解的适应度值，保留当前最优调度解；

步骤4：将当前最优调度解转换为鲸鱼个体位置向量；

所述步骤4的具体方法为：

S1：机器选择：采用式(2)将工序可选机器集中已选机器的序号转换为鲸鱼个体位置向量元素值：x(i)＝[2m/(s(i)‑1)](n(i)‑1)‑m,s(i)≠1 (2)其中：x(i)表示个体位置向量的第i个元素；s(i)表示元素i对应工序可以选择的机器个数；m表示机器总数；n(i)∈[1,s(i)]表示选定机器在可选机器集里面的序号；

如果s(i)＝1，则x(i)在[‑m,m]内任意取值；

S2：工序排序：首先生成[‑m,m]内的一组与工序排序相对应的随机数，并按升序排列规则为每个随机数赋予一个唯一的ROV值，使得每个ROV值对应一个工序，然后根据工序的编码顺序对ROV值进行重排，重排后的ROV值对应的随机数顺序即为鲸鱼个体位置向量中各元素的值；

步骤5：生成参数p，p是[0,1]中的一个随机数；p＜0.5进行步骤6，p≥0.5进行步骤7；令当前迭代次数t＝t+1，初始迭代次数为0；

步骤6：将鲸鱼个体位置向量采用改进鲸鱼优化算法的收缩包围和随机搜索进行鲸鱼个体位置向量迭代更新；更新完成后进行步骤8；

步骤7：将鲸鱼个体位置向量采用改进鲸鱼优化算法的螺旋上升进行鲸鱼个体位置向量迭代更新；

步骤8：将更新后的鲸鱼个体位置向量采用自适应调整搜索策略进行鲸鱼个体位置向量迭代更新；

步骤9：判断当前迭代次数t是否小于最大迭代次数tmax；是，进行步骤10，否，进行步骤

11；

步骤10：将鲸鱼个体位置向量转换为调度解，更新初始种群，返回步骤3；

步骤11：将鲸鱼个体位置向量转换为调度解，输出调度解，结束。

2.根据权利要求1所述的基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，所述步骤1的具体方法为：针对最小化最大完工成本和最小碳排放量消耗成本的低碳车间调度问题建立如式(1)的数学模型：其中：F表示最小成本，ω1和ω2表示完工时间和碳排放量的权重系数；xijk取值0或1，xijk取值0表示工件i的第j道工序在机器k上加工，xijk取值1表示工件i的第j道工序不在机器k上加工；tijk表示工件i的第j道工序在机器k上的加工时间；sijk表示工件i的第j道工序在机器k上的单位时间加工成本；cijk表示工件i的第j道工序在机器k上加工的单位时间碳排放量；l表示单位碳排放量的消耗成本。

3.根据权利要求1所述的基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，所述步骤2中生成初始种群的具体方法为：对机器选择部分和工序排序部分分别进行初始化；机器选择部分的初始种群的种群总数60％采用全局搜索，30％采用局部搜索，10％采用随机搜索；工序排序部分的初始种群依据已经分配好的机器，随机生成多个调度解。

4.根据权利要求1所述的基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，所述步骤6中的改进鲸鱼优化算法的收缩包围和随机搜索通过式(3)进行：其中： t表示当前迭代次数；和 是系数向量；

且在迭代过程中从2线性递减到0，与 均为随机向量且取

值范围均为[0,1]，tmax为最大迭代次数；ω为惯性权重，ω＝ωmax‑(ωmax‑ωmin)*ln(1+t*(e‑1)/tmax)，ωmax表示惯性权重最大值，ωmin表示惯性权重最小值，e表示自然对数； 是当前最优鲸群个体的位置向量； 是当前鲸群个体的位置向量，·是逐元素相乘符号。

5.根据权利要求1所述的基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，所述步骤7中的改进鲸鱼优化算法的螺旋上升通过式(4)进行：其中： 为最优鲸鱼个体与其余鲸鱼个体之间的距离；t表示当前迭代次数；ω为惯性权重，ω＝ωmax‑(ωmax‑ωmin)*ln(1+t*(e‑1)/tmax)，ωmax表示惯性权重最大值，ωmin表示惯性权重最小值，e表示自然对数，tmax为最大迭代次数； 是当前最优鲸群个体的位置向量； 是当前鲸群个体的位置向量，·是逐元素相乘符号，b为定义的对数螺线形状的常数，l为之间的随机数。

6.根据权利要求1所述的基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，所述步骤8中自适应调整搜索策略为：T1：设置判断阈值q：

其中：t为当前迭代次数，tmax为最大迭代次数；

T2：设置比较阈值z，z在[0,1]内随机产生；

T3：判断z＜q是否成立；否，进行下一步；是，采用式(6)对鲸鱼个体位置向量迭代更新：x(t)＝xmin+rand*(xmax‑xmin) (6)其中：xmax和xmin是鲸鱼个体位置元素取值范围的上下限，rand为[0,1]上的随机数，x(t)为随机选中的鲸鱼个体位置元素更新之后的值。

7.根据权利要求1所述的基于改进鲸鱼优化算法求解低碳车间调度的方法，其特征在于，所述将鲸鱼个体位置向量转换为调度解的具体方法为：R1：机器选择：按照下式

得到选定机器在机器集里面的序号；其中：xij表示i工件的第j道工序所对应的个体位置元素；sij表示i工件的第j道工序可以选择的机器个数；nij∈[1,sij]表示选定机器在机器集里面的序号；如果sij＝1，则xij在[‑m,m]内任取数值，2m表示个体位置向量的长度；

R2：工序排序：首先给每一个鲸鱼个体位置元素按升序的顺序赋予对应的ROV值，然后以ROV值作为元素编号，将ROV值与工序相对应构造得出相应的调度解。