1.基于改进入侵杂草优化算法的柔性作业车间分批调度方法，其特征在于，具体为：步骤1：柔性作业车间分批调度问题描述；

设有M台机床M＝{Mk|k＝1,2,…,m}，n类工件J＝{Ji|i＝1,2,…,n}，每类工件的数量为Ri，并且每类工件有Oi＝{Oil|l＝1,2,…,wi}道工序，能加工每道工序的机床有Mil，Mil∈M台，每道工序的加工时间随机床性能差异而变化；每类工件分成多个子批量Fi＝{Fis|s＝1,

2,…,ui}在不同机器上加工，各子批量作为一个整体处理，并共享同一辅助时间；

步骤2：建立柔性作业车间分批调度问题的数学模型；

采用的目标函数为最大完工时间，即最后一批工件的最后一道工序的完工时间，其数学模型的目标函数如下：

约束条件：

STislk≥ETi's'l'k,i'∈J,s'∈Fi',l'∈Oi '       (4)STislk≥ETis(l‑1)k',k'∈Mi(l‑1)k               (5)其中，Cis表示第i类工件第s批的完工时间，tislk表示第i类工件的第s批的第l道工序在机器Mk上的单件工时，PTilk表示第i类工件的l道工序在机床Mk上的辅助时间，STislk表示第i类工件的第s批的第l道工序在机器Mk上的开始加工时间，ETislk表示第i类工件的第s批的第l道工序在机器Mk上的加工完成时间；γilk表示机器选择决策变量，当工序Oil可以在机器Mk加工时γilk＝1，否则γilk＝0； 表示辅助时间决策变量，当在机床Mk上加工的工件类别与在该机床加工的上一个工件的类别相同时， 反之其中，式(2)表示机器选择约束，即每道工序只能在可加工该工序的机床上加工；式(3)表示零件的分批约束，即每批工件下的所有子批数量之和等于该批工件数量；式(4)表示任何子批都应在该机器加工的上一道工序结束后开始加工；式(5)表示工艺约束，紧后工序的开始时间要大于或等于紧前工序的完工时间；式(6)表示一批工件一道工序的加工完成时间要大于或等于该工序的开始加工时间、辅助时间和该批次所有工件工时三者之和；

步骤3：利用改进入侵杂草优化算法求解，改进入侵杂草优化算法具体操作过程如下：S1通过随机数字分割法生成初始分批策略；

使用随机数字分割法来控制批次批量划分，即先将Ri个第i类工件进行排序，再通过产生的ui‑1个数字将其分为ui批，每批工件数即该批中包含的数字个数；

S2在分批策略下初始化种群Pmin；

S3对种群中的每个杂草进行繁殖，扩散；

S4若种群的杂草数量达到Pmax，按分层选择法选出子代的初始种群，进入步骤S5，否则转回步骤S3；

S5判断内层改进入侵杂草优化算法是否达到最大迭代次数gin，若达到进入步骤S6，否则判断算法是否陷入局部最优，是则进行变邻域搜索后再返回步骤S3，否则直接返回步骤S3；

S6保存本次分批策略下的最优值，判断算法外层循环是否达到最大迭代次数gout，若达到则进入步骤S8，否则进入步骤S7；

S7根据分批约束产生新的分批策略，进入步骤S2；

S8比较各分批策略下的最优解，输出最优调度方案，算法结束。

2.根据权利要求1所述的基于改进入侵杂草优化算法的柔性作业车间分批调度方法，其特征在于，所述按分层选择法选出子代的初始种群具体为：先依据杂草的适应度值将整个最大规模种群个体进行排序，再将所有杂草均分为Pmax层，在各层中随机选择一个个体以组成下一代种群。

3.根据权利要求1所述的基于改进入侵杂草优化算法的柔性作业车间分批调度方法，其特征在于，所述判断算法是否陷入局部最优以及变邻域搜索具体为：根据种群中杂草个体的类海明距离判断是否陷入局部最优，对陷入局部最优的杂草种群随机选择40％的杂草进行变邻域搜索，以增大杂草种群的多样性。

4.根据权利要求1所述的基于改进入侵杂草优化算法的柔性作业车间分批调度方法，其特征在于，所述步骤S7具体为：

如果某工件的单道工序平均加工时间大于平均每个工件的单道工序平均加工时间，则批次变量v＝round{[(timean‑tmean)/timean]umax}，分批数量ui∈{v，umax}；反之v＝round{[(tmean‑timean)/tmean]umax}，分批数量ui∈{0，v}；其中最大分批数量umax由决策者根据实际情况决定；当工件i的分批数量ui确定后，再通过随机生成维度为ui的单调递增整数向量，以将Ri个工件划分为不同批次。