基于一维粒子群算法获得零件加工最优调度方案的方法，具体按照以下步骤实施：步骤1：对柔性车间生产调度的问题进行数学符号的形式化描述，并确定优化目标的评定指标；步骤2：建立综合优化目标函数F；步骤3：建立调度优化过程的约束条件；步骤4：设计基于启发式规则的一维编码方式粒子群算法；步骤5：进行迭代运算，输出最优粒子，对其进行解码作为调度方案的最终结果。本发明专利技术在满足资源约束与工序约束等条件下，以制造期、机床总负荷和单机最大负荷为综合优化目标，采用一维编码方式的粒子群算法可以迅速获得零件加工的最优调度方案；加入完工时间最早的启发式规则，加速了综合目标的收敛。
【技术实现步骤摘要】
【专利摘要】，具体按照以下步骤实施：步骤1：对柔性车间生产调度的问题进行数学符号的形式化描述，并确定优化目标的评定指标；步骤2：建立综合优化目标函数F；步骤3：建立调度优化过程的约束条件；步骤4：设计基于启发式规则的一维编码方式粒子群算法；步骤5：进行迭代运算，输出最优粒子，对其进行解码作为调度方案的最终结果。本专利技术在满足资源约束与工序约束等条件下，以制造期、机床总负荷和单机最大负荷为综合优化目标，采用一维编码方式的粒子群算法可以迅速获得零件加工的最优调度方案；加入完工时间最早的启发式规则，加速了综合目标的收敛。【专利说明】
本专利技术属于离散型制造系统单件小批量生产调度
，用于柔性车间多目标调度优化控制，具体涉及一种。
技术介绍
制造车间调度问题是一种NP困难问题，传统的优化方法无法获得较为满意的解决方案。作为该问题的延伸，柔性制造车间调度问题由于更接近生产实际，得到了大量的关注和研究。传统柔性制造车间调度问题通常以制造期作为优化目标，这种单目标优化考虑因素较少，对生产实践部具有综合性的指导意义。目前学者将设备总负荷、关键设备单机负荷、生产准备时间、生产成本和交货期等因素加入优化目标，充分拟合了实际生产状况。多目标的加入使得问题复杂性进一步上升，优化算法的复杂度增加，得到可行解的难度增加。多目标优化往往不能得到使得所有目标均处于最优的最终解，通常需要决策者在多个目标中平衡各方面因素选择一个折衷解。常用方法有通过权重系数将多目标问题转化为单目标问题(中国机械工程，2010,4(21):424-429)，或多次计算得到均匀分布在Pareto曲面上的一组非劣解，从中挑出较为满意的Pareto最优解(Expert Systems With Applications, 2Oil, 38(6):7169-7178)。随着群体智能算法的发展，免疫算法(计算机集成制造系统，2006，12 (10):1643-1650.)、遗传算法(Flexible Services And ManufacturingJournal, 2011，23(1): 64-85)及粒子群算法(系统仿真学报，2008, 20(18): 4959-4963)等多种现代优化算法被应用于求解柔性制造车间调度问题。粒子群算法以其易实现，精度高，收敛快的特点，一经提出就得到了广泛的研究应用，现逐步成为解决柔性制造车间调度问题的热门算法。但是，利用现有的粒子群算法求解调度问题时，大多采用二位粒子编码方式，在求解同等规模问题时其复杂度较大、编程难度大且求解效率低；且单纯使用粒子群算法不利于求解目标的快速收敛。
技术实现思路
本专利技术的目的是提供一种，解决现有技术在求解同等规模问题时算法的复杂度较大、编程难度大且求解效率低，以及单纯使用粒子群算法不利于求解目标的快速收敛的问题。本专利技术所采用的技术方案是，，以离散型柔性制造车间进行多工件多工艺路线加工为应用对象，具体按照以下步骤实施:步骤1:对柔性车间生产调度的问题进行数学符号的形式化描述，并确定优化目标的评定指标；步骤2:建立综合优化目标函数F ；步骤3:建立调度优化过程的约束条件；步骤4:设计基于启发式规则的一维编码方式粒子群算法；步骤5:进行迭代运算，输出最优粒子，对其进行解码作为调度方案的最终结果。本专利技术的特点还在于:步骤I中，评定指标为制造期T、机床总负荷W和单机最大负荷Ws。步骤2中，综合优化目标函数F为:F = min Cw1.T+W2.ff+w3.Ws)其中,WpWyW3分别为评定指标制造期T、机床总负荷W和单机最大负荷Ws的权重系数，要求Wjwfw3=I ；制造期计算公式:【权利要求】1.，其特征在于，以离散型柔性制造车间进行多工件多工艺路线加工为应用对象，具体按照以下步骤实施: 步骤1:对柔性车间生产调度的问题进行数学符号的形式化描述，并确定优化目标的评定指标； 步骤2:建立综合优化目标函数F ； 步骤3:建立调度优化过程的约束条件； 步骤4:设计基于启发式规则的一维编码方式粒子群算法； 步骤5:进行迭代运算，输出最优粒子，对其进行解码作为调度方案的最终结果。2.如权利要求1所述的，其特征在于，步骤I中，评定指标为制造期T、机床总负荷W和单机最大负荷Ws。3.如权利要求1或2所述的，其特征在于，步骤2中，综合优化目标函数F为:F = min Cw1.T+W2.ff+w3.Ws) 其中，W1^ w2> W3分别为评定指标制造期T、机床总负荷W和单机最大负荷Ws的权重系数，要求 Wjwfw3=I ； 制造期计算公式: 4.如权利要求1或2所述的，其特征在于，步骤3中，约束条件包括: 开工时间约束: Sijk ^ Ci (J--Dk 完工时间约束:cijk = sijk+tijk机床加工约束: 5.如权利要求1或2所述的，其特征在于，步骤4包括: .4.1)首先定义如下变量: N—粒子种群规模； d——粒子编号，d=l，...，N; g——当前进化代数； gmax——进化总代数； Pbest:——第g代粒子d的个体极值点； gbest8-第g代的全局极值点； v|——第g代粒子d的飞行速度； 衫——第g代粒子d的位置； rand O-服从U的随机数； ω 粒子飞4丁惯性系数，0.4 ^ ω ^ 0.9 ； Cl、C2——学习系数； r——未完工工件数目，r≤η ; JLendij——工序Oij的完工时间； m_endkl——机床k加工第I道工序的完工时间； 粒子在优化过程中会产生两个极值，一个是粒子飞行经过的最好位置，称为个体极值点g，另一个是所有粒子目前找到的最好位置，称为全局极值点gbestg ;在优化过程中，粒子不断向两个极值点“学习”，并且保留一定的原飞行方向，逐步向最优位置逼近；粒子在飞行过程中速度和位置的计算公式如下:速度计算公式. 【文档编号】G05B19/18GK103809506SQ201410037802【公开日】2014年5月21日 申请日期:2014年1月26日 优先权日:2014年1月26日 【专利技术者】刘永, 高新勤, 杨明顺, 武志强, 朱林林 申请人:西安理工大学本文档来自技高网...
【技术保护点】
基于一维粒子群算法获得零件加工最优调度方案的方法，其特征在于，以离散型柔性制造车间进行多工件多工艺路线加工为应用对象，具体按照以下步骤实施：步骤1：对柔性车间生产调度的问题进行数学符号的形式化描述，并确定优化目标的评定指标；步骤2：建立综合优化目标函数F；步骤3：建立调度优化过程的约束条件；步骤4：设计基于启发式规则的一维编码方式粒子群算法；步骤5：进行迭代运算，输出最优粒子，对其进行解码作为调度方案的最终结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘永，高新勤，杨明顺，武志强，朱林林，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。