1.一种基于改进的多目标Jaya算法的离散制造车间排产方法，其包括以下步骤，

S1：通过物联网系统监测离散制造车间的实时状态，进行数据采集；

S2：对采集的数据进行预处理，并捕捉异常状况的信息，获得有效的车间数据；

S3：利用异常事件数据库与所述有效的车间数据进行匹配，分析并判断异常状况对工件的加工时间是否有影响，若异常状况对工件的加工时间有影响，则将所述异常状况的信息也输入到排产系统中；

S4：通过排产系统中离散制造车间的数学优化模型和智能算法进行优化计算，获得最优的排产方案，其特征在于：

S4包括以下步骤，

S4.1：离散制造车间的数学优化模型为:由于离散制造车间碳排放来源主要包括机床能耗、刀具磨耗和切削液损耗，因此假设离散制造车间有m台加工设备M，n个待加工工件i，z道加工工序j，则加工设备记为M={ M0，M1，M2，……，Mm}，工件记为i={ i0，i1，i2，……，in}，工件i的加工工序记为ji={ ji0，ji1，ji2，……，jiz}，因单个加工设备M主要由一台机床k、多把刀具d和一份切削液f组成，故机床可记为k={ k0，k1，k2，……，km}，切削液可记为f={ f0，f1，f2，……，fm}，刀具d的序号h根据工件i的加工工序ji进行配置，刀具则记为d={ d0，d1，d2，……，dg}，g表示刀具的总数，以最大完工时间和车间碳排放量同时处于最小水平为评价体系的目标函数为：其中

FM表示m台加工设备M中的最大完工时间， Tke是指机床k的最终完工时间，FC表示车间碳排放量，Cek表示机床k消耗电能所产生的碳排放、Cdk表示机床k上刀具磨耗所产生的碳排放、Cfk表示机床k上切削液损耗所产生的碳排放，αk、αd、αf分别是机床k耗电、刀具d磨耗和切削液f损耗的碳排放因子，Pwk表示机床k的加工功率、Ppk表示机床k的准备功率，tijx是指工件i工序j在机床k上的加工时间, Tks指机床k的加工开始时间，Aij指刀具d加工工件i工序j的平均磨损量，tdij指刀具d加工工件i工序j的时间，Aijd指刀具d加工工件i工序j的单位时间磨损量，tij是指工件i工序j的工时定额，Qijd是指刀具d加工工件i工序j的质量，Nijd是指刀具d加工工件i工序j的可修磨次数，Rijd是指刀具d加工工件i工序j的耐用度，Ukf是指机床k使用的切削液f的单位时间损耗量，Vkf是指机床k所使用的切削液f的体积，Hkf是指机床k所使用的切削液f的更换周期；

S4.2：根据离散制造车间的数学优化模型，通过智能算法、即改进的多目标Jaya算法对生产计划进行优化计算，获得最优的排产方案，改进的多目标Jaya算法是在标准的Jaya算法基础上引入Tent混沌序列的初始化方法以及邻域搜索和模拟退火算法相结合的局部搜索方法。

2.根据权利要求1所述的一种基于改进的多目标Jaya算法的离散制造车间排产方法，其特征在于：S4.1中，若Mn,z是第n个工件i在第z道工序时可用的加工设备集，jm,z是加工设备M等待加工的加工工序集，则目标函数的约束条件为：条件一，

MjTSM,0表示第m台加工设备M加工工件i的初始加工时间，TSi,z表示工件i在第z道加工工序的开始时间，t表示加工开始的时间，t0表示法定标准工时制的起始工作时间，ty,k表示机床k出现异常时的处理完成时间，ty,i表示工件i出现异常时的的处理完成时间，由于加工设备和工件必须同时可用才能开始加工，因此，当车间状况正常时，MjTSM,0和TSi,z均从t0时开始计算，若车间出现机床k故障、工件i缺料等异常状况时，则MjTSM,0和TSi,z均由t、异常状况处理的完成时间ty,k和ty,i之中的最大值决定；

条件二，

TEi,z表示工件i在第z道加工工序的结束时间，TSi,z+1表示工件i下一道加工工序的开始时间，TEi,z小于等于TSi,z+1可保证工件i按照加工工序的顺序进行加工；

条件三，

Mjm,n表示第m台加工设备M加工第n个工件i的加工工序j，jn,z表示该第n个工件i的第z道加工工序j；

条件四，条件三为本条件的初始条件，且

其中，MjTSm,n表示第m台加工设备M在加工第n个工件i的开始时间，TEi,z-1表示该第n个工件i的上一道加工工序的结束时间，MjTEm,z-1表示该第m台加工设备M的上一个加工工序的结束时间，MjTSm,n由TEi,z-1和MjTEm,z-1之中的最大值决定，可保证同一台设备相邻的两道加工工序能够顺序进行。

3.根据权利要求1或2所述的一种基于改进的多目标Jaya算法的离散制造车间排产方法，其特征在于：S4.2包括以下步骤：

S4.2.1：编码和解码操作，采用工序码和机器码相结合的实数编码方式，工序码决定加工工序的顺序，机器码决定加工设备，并设置基本参数；

S4.2.2：种群初始化操作，使用Tent混沌序列的初始化方法并进行离散化处理生成初始种群；机器码的离散化处理方法为：对生成的初始机器码使用四舍五入规则，超过加工设备数量的值在可用的加工设备集中随机选取一台设备的值进行替换，得到最终的初始机器码；工序码的离散化处理方法为：对生成的初始工序码以及原始工序码均采用升序排列，并将升序排列后的所述生成的初始工序码与升序排列后的所述原始工序码一一对应，然后按照升序排列前所述生成的初始工序码的顺序，将升序排列后所述生成的初始工序码中的数值所对应的升序排列后所述原始工序码中的数值填入升序排列前所述生成的初始工序码的相应位置中，得到最终的初始工序码；

S4.2.3：计算当代种群的所有个体的非支配等级和拥挤度，根据非支配等级和拥挤度选择当代最优个体IB和当代最差个体IW，通过目标函数对当代个体的优劣进行评价；

S4.2.4：全局搜索操作，使用标准Jaya算法寻找新个体，即根据下式对种群进行更新，并再次进行离散化处理，离散化处理方法与S4.2.2中的离散化处理方法相同，获得下一代的新种群，其中，I表示当前个体（即原始个体），I=0,1,2,…I，Y表示个体的第Y维变量，Y=0,1,

2,…Y，Z表示当前迭代的次数；X、X’表示第Z代的第I个个体在第Y维上更新前和迭代计算后的值，rB、rW是[0,1]之间的随机数，将这两个随机数作为缩放因子，以求获得更多样的个体，XB,Y,Z、XW,Y,Z分别表示第Z代的最优个体IB、最差个体IW在第Y维上的值，遍历个体的Y维后，如果生成的新个体IB’的适应度优于原始个体I，则用新个体IB’代替原始个体I，否则依旧使用原始个体I进入下一轮迭代；

S4.2.5：将经过S4.2.3得到的旧种群和经过S4.2.4得到的新种群合并，得到混合种群；

S4.2.6：计算混合种群的所有个体的非支配等级和拥挤度，通过目标函数对当代个体的优劣进行评价，淘汰劣解，获得当代优秀个体IC；

S4.2.7：对部分当代优秀个体采用基于邻域搜索和模拟退火算法相结合的搜索方法做局部搜索操作，并使用严格的外部档案集保存搜索到的解；

S4.2.8：达到终止条件后，通过快速非支配排序，输出当前种群里的最优解，即获得最优的生产计划方案，如果未达到终止条件则返回S4.2.3。

4.根据权利要求3所述的一种基于改进的多目标Jaya算法的离散制造车间排产方法，其特征在于：S4.2.7中，严格的外部档案集维护规则如下：

规则Ⅰ：如果获得的新解支配外部档案集里所有的解，则清空外部档案集，并将此解移入外部档案集中；

规则Ⅱ：如果新解支配部分外部档案集里的解，则将这些解删除，并将该新解移入到外部档案集中；

规则Ⅲ：如果新解和外部档案集里所有的解互不支配，则将该解加入外部档案集，如果外部档案集的大小超过指定容量，则根据所有非支配解的拥挤度，移除拥挤度最小的非支配解，保证外部档案集内解的均匀性和多样性。

5.根据权利要求4所述的一种基于改进的多目标Jaya算法的离散制造车间排产方法，其特征在于：S4.2.7包括以下步骤：

S4.2.7.1：将经过步骤S4.2.6后获得的当代优秀个体IC作为初始解，同时定义初始温度F0、结束温度F1和冷却系数K∈（0,1），将邻域搜索的具体操作定义为：将工序码的邻域搜索定义为随机交换两个点的位置，将机器码的邻域搜索定义为随机生成一个值作为该点的值；

S4.2.7.2：判断当前温度F是否大于F1，如果是则进行S4.2.7.3，否则退出模拟退火操作，并返回当代优秀个体IC；

S4.2.7.3：对当前的个体、即当代优秀个体IC进行邻域搜索，获取临近个体IN，根据目标函数比较两者的适应度，如果IN优于IC，则用IN替换IC，如果IN劣于IC，则将与随机数进行比较，如果大于该随机数，则接受该劣质解，用IN替换IC，并使用严格的外部档案集保存搜索到的解；

S4.2.7.4：令F= F×K，并返回S4.2.7.2。