基于改进粒子群与启发式策略的生产排产方法及系统技术方案
Production scheduling method and system based on Improved Particle Swarm Optimization and heuristic strategy
The invention discloses a system and improved particle swarm optimization and heuristic strategy based on production scheduling method; the method comprises the following steps: the definition of the objective function that is the constraint condition; fitness function; particle swarm initialization: by randomly initialized particles, including position, velocity; iterative optimization: the speed and position of particle update, find the optimal set the solution; iteration termination condition for the maximum number of iterations, to determine whether conditions of iteration termination, if the output of the global optimal solution; if not, the first step to jump to find the optimal solution; the invention has the advantages that by using the new encoding method of particle, accelerate the calculation speed of the algorithm, it can solve the problem of local optimum the traditional particle swarm optimization algorithm in the treatment process, greatly to avoid the occurrence of the phenomenon of infeasible solutions, real Efficiency and optimality of production scheduling.
【技术实现步骤摘要】
基于改进粒子群与启发式策略的生产排产方法及系统
本专利技术属于离散制造行业生产排程应用领域，尤其涉及基于改进粒子群与启发式策略的生产排产方法及系统。
技术介绍
离散制造行业逐渐由传统的单品种、大批量生产模式向“面向订单”的多品种、小批量的生产模式转化，生产过程仍普遍存在以下现象：A.生产计划制定依赖于人工经验，无科学依据。B.实际生产过程中的插单现象影响生产进度。C.随着生产过程的进行无法及时有效的评估剩余产能。D.存在严重的交货期拖延现象。上述生产过程问题导致实际生产过程中的浪费现象严重，增加了生产成本，降低了企业利润。能否迅速高效的对目标订单做出生产计划排程，在考虑能力和设备的前提下，在物料数量一定的情况下，安排各生产任务的生产顺序，优化生产顺序，优化选择生产设备，使得减少等待时间，平衡各机器和工人的生产负荷。从而优化产能，提高生产效率，缩短生产生命周期，适应市场变化及成本控制，这关系着企业利益及长远发展。目前已出现多种算法对生产计划排程及生产调度进行处理优化，如数学规划法、枚举法、分枝定界法、遗传算法等。数学规划法实现起来虽简单，但规则定义单一，无法贴合实际...
【技术保护点】
基于改进粒子群与启发式策略的生产排产方法，其特征是，包括以下步骤：步骤(1)：根据工单任务在工单加工过程中的时间先后逻辑关系和工单任务处理时间与处理工单任务的机器的可用时间段之间的关系提出约束条件；步骤(2)：按照工厂订单加工交货方式的不同分为两种排产策略，两种排产策略包括正排产策略和倒排产策略，如果是正排产策略就定义正排产策略的目标函数，如果是倒排产策略就定义倒排产策略的目标函数；目标函数即适应度函数；步骤(3)粒子种群初始化：通过随机方式初始化种群粒子，粒子的初始位置和粒子的初始速度随机均通过随机方式生成，粒子的排序采用序编码方式；所述序编码方式是指按照工单任务上线顺序...
【技术特征摘要】
1.基于改进粒子群与启发式策略的生产排产方法，其特征是，包括以下步骤：步骤(1)：根据工单任务在工单加工过程中的时间先后逻辑关系和工单任务处理时间与处理工单任务的机器的可用时间段之间的关系提出约束条件；步骤(2)：按照工厂订单加工交货方式的不同分为两种排产策略，两种排产策略包括正排产策略和倒排产策略，如果是正排产策略就定义正排产策略的目标函数，如果是倒排产策略就定义倒排产策略的目标函数；目标函数即适应度函数；步骤(3)粒子种群初始化：通过随机方式初始化种群粒子，粒子的初始位置和粒子的初始速度随机均通过随机方式生成，粒子的排序采用序编码方式；所述序编码方式是指按照工单任务上线顺序对应的顺序进行一维顺序编码；步骤(4)：迭代寻优：根据约束条件及适应度函数计算每个粒子的适应度值，根据粒子的初始位置更新粒子经过的历史最优位置，根据粒子的适应度值最小所对应粒子的位置更新全局最优位置，最终全局最优位置对应粒子的序列即为最优工单排产方法；步骤(5)：设定迭代终止条件为最大迭代次数，判断是否达到迭代终止条件，若是则输出全局最优解；若否，跳转至步骤(4)继续寻找最优解。2.如权利要求1所述的方法，其特征是，所述步骤(1)中约束条件：3.如权利要求1所述的方法，其特征是，所述步骤(1)中在选择机器确定工单加工时间的过程中，考虑工单任务在工单加工过程中的时间先后逻辑关系，工单任务一旦开始不能中断，即单个工单任务不可跨机器的不可用时间分两次加工，单台机器同一时间仅可加工一个工单任务，机器仅在可用的时间段内加工工件。4.如权利要求1所述的方法，其特征是，所述正排策略的目标函数：Min∑所有工单(工单计划结束时间-工单计划开始时间)(2)所述倒排策略的目标函数：Min∑所有工单|工单计划开始时间-工单交货期|+2|工单计划结束时间-工单交货期|(3)适应度值越小越好。5.如权利要求1所述的方法，其特征是，所述步骤(3)中初始种群粒子的生成采用随机方式，对粒子的位置及速度通过随机方式生成，粒子排序采用序编码方式，即采用与工单任务上线顺序对应的顺序进行一维顺序编码方式；所述步骤(3)中初始位置的生成方式，对于长度为N的编码，随机生成长度为N向量的序列作为单个粒子的初始位置；所述步骤(3)中初始速度的生成方式，对于长度为N的编码，生成N个0至N-1之间的随机数，组成长度为N的向量作为单个粒子初始速度。6.如权利要求1所述的方法，其特征是，所述步骤(4)，包括以下步骤：步骤(4-1)：粒子的初始位置是每个粒子在运动初期的第一个位置，设为该粒子的初始最优位置；根据约束条件及适应度函数计算每个粒子的适应度值，适应度值最小对应粒子所在位置即为全局最优位置；步骤(4-2)：通过速度更新公式和位置更新公式对粒子飞行方向进行修正；速度更新公式如下：Vi＝w(Vi+Ri)+c1r1(Pbesti-Xi)+c2r2(Gbest-Xi)(4)其中，i代表粒子的个数，，Xi代表粒子i的位置；Vi代表粒子i的速度；Ri代表粒子i与其他粒子之间的斥力，称为斥力因子；w称为是PSO的自适应因子，取值介于[0,1]区间，应用中均采取自适应的取值方法，一开始令w＝0.9，使得PSO全局优化能力较强，随着迭代的深入，参数w进行递减，从而使得PSO具有较强的局部优化能力，当迭代结束时，w＝0.1；参数c1和c2称为是学习因子；而r1和r2为介于[0,1]之间的随机概率值；Pbesti代表粒子i的历史最优位置；Gbest代表种群全局最优位置；位置更新公式如下：Xi＝Xi+Vi(6)步骤(4-3)：计算每个粒子的适应度值；对单个粒子，将该粒子适应值与其经过最优位置Pbest时的适应度值作比较，如果当前位置粒子的适应度值小于Pbest时的适应度值，则将该粒子的当前位置作为单个粒子的历史最优位置Pbest；对每个粒子，均将每个粒子适应度值与粒子群全局最优位置Gbest作比较，如果某个粒子所在位置的适应度值小于Gbest时的适应度值，则利用该粒子的当前位置更新粒子群全局最优位置Gbest；否则不进行更新；根据公式(4)-(6)看出，根据速...
【专利技术属性】
技术研发人员：张嗣昌，卢毅，赵静，刘宇，张镇，
申请(专利权)人：山东万腾电子科技有限公司，
类型：发明
国别省市：山东,37
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。