1.一种基于改进混合遗传算法的作业车间调度方法，其特征在于，包括以下步骤：步骤1、建立作业车间调度模型；

步骤2、确定调度的约束条件；

步骤3、初始化种群以及设置参数；

步骤4、计算适应度值；

步骤5、个体进行轮盘赌选择法；

步骤6、个体进行IPOX交叉，交叉概率采用自适应公式进行调整；

步骤7、个体进行随机变异，变异概率采用自适应公式进行调整；

步骤8、个体进行模拟退火操作；

步骤9、个体进行10％的精英保留策略；

步骤10、判断算法是否达到最大迭代次数，如果是则算法结束；如果未达到最大迭代次数，则跳转到步骤4。

2.根据权利要求1所述的一种基于改进混合遗传算法的作业车间调度方法，其特征在于：步骤5中，个体进行轮盘赌选择法，具体包含如下步骤：步骤5.1：根据已经计算出的各个个体的适应度f(1)，f(2)，...，f(N)，N为种群数量，然后将所有的适应度进行累加得到 然后计算每个染色体在 中的占比p(v)和累计概率q(v)，计算公式如下：步骤5.2、产生一个随机数θ∈(0,1)，如果θ≤q(1)，则选择第一个个体，否则的话，如果q(v‑1)≤θ≤q(v)，则选择第v个个体，将这个步骤循环N次，得到所需规模的种群即可。

3.根据权利要求1所述的一种基于改进混合遗传算法的作业车间调度方法，其特征在于：步骤6中，个体进行IPOX交叉，交叉概率采用自适应公式进行调整，具体包含如下步骤：步骤6.1、随机选择两个染色体P1和P2作为父代；

步骤6.2、将工件集{1,2,3,...,n}随机划分为两个非空子集合J1和J2；

步骤6.3、复制父代染色体P1中包含在中的元素到J1中的元素到C1中，并保留原来的顺序；复制父代染色体P2中包含在J1中的元素到C2中，并保留原来的顺序；

步骤6.4、复制父代染色体P1中包含在J2中的元素到C2中，并保留他们的顺序；复制父代染色体P2中包含在J2中的元素到C1中，并保留他们的顺序。

4.根据权利要求1所述的一种基于改进混合遗传算法的作业车间调度方法，其特征在于：步骤7中个体进行随机变异，变异概率采用自适应公式进行调整，具体包含如下步骤：步骤7.1、随机选择一个染色体H；

步骤7.2、然后随机选择两个位置，将位置上的基因互换，得到新的染色体H'。

5.根据权利要求1所述的一种基于改进混合遗传算法的作业车间调度方法，其特征在于：步骤8中，个体进行模拟退火操作，具体包含如下步骤：步骤8.1、从经变异操作生成的种群中挑选适应度最高的个体作为初始解v，令当前状态S＝v；

步骤8.2、设置S为当前状态，循环计数器d＝1，种群计数器O＝1，Markov链长L；

步骤8.3、从种群中随机选择一个个体，与状态S进行SWAP操作，产生新状态S'＝v'，计算增量dE＝f(v')‑f(v)；

步骤8.4、如果dE＜0，则接受S'作为当前状态；如果dE＞0，则以概率exp(‑dE/TK)接受S'作为当前解；

步骤8.5、对当前状态S'进行局部基因段倒序操作得到新状态S”＝v”，计算其适应度。

如果f(v”)＞f(v')，则接受S”作为当前状态，令S＝S”；否则，保持S'作为当前状态，令S＝S'。保存当前状态，d＝d+1，转步骤3；

步骤8.6、判断d＞L是否为真，若是，终止内循环；

步骤8.7、对内循环生成的L个个体进行适应度排序，选择其中最高的个体进入新种群并作为下一个温度迭代的初始解，O＝O+1；

步骤8.8、利用降温公式计算下一次迭代的温度，计算温差，ΔT＝TK‑TK+1，如果则进行升温操作，令

步骤8.9、重复执行步骤3‑8，直到生成的解达到种群规模，终止操作。

6.根据权利要求1所述基于改进的混合遗传算法的作业车间调度方法，其特征是，步骤

2，确定调度的约束条件包括：

(1)同一个工件的每道工序有固定的加工顺序，必须在前一道工序加工完毕后才能进行加工；

(2)在加工过程中，一台机器每次只能加工一个工件的其中一道工序；

(3)直到工件加工完才能中断机器；

(4)每一个工件都有其各自的加工路线，并且是事先确定的，不能改变的。

7.根据权利要求1所述基于改进的混合遗传算法的作业车间调度方法，其特征是，步骤

2，所述工序约束是指同一个工件的工序有加工顺序的约束，某一时刻同一道工序只能在一台机器上加工，

cik‑pik+M(1‑aihk)≥cih，clk‑cik+M(1‑xilk)≥plkcik≥0

xijk＝0或1

其中cik和pik分别表示工件i在机器k上的完成时间和加工时间，M是一个足够大的正数，