基于AMMAS-GA嵌套算法的双资源模具作业车间调度优化方法技术

本发明专利技术公开了基于AMMAS‑GA嵌套算法的双资源模具作业车间调度优化方法，在综合分析了车间的能源消耗、完工时间和设备、人员负荷情况的基础上，建立了一种双资源作业车间多目标调度问题模型，其中，设备、人员的负荷平衡情况是通过计算各设备、人员累计负荷的标准差来衡量的，车间的能耗考虑了设备在待机和加工两类状态下的能耗；然后通过设计AMMAS‑GA嵌套算法进行调度模型优化求解，内层根据资源选择结果作为约束采用遗传算法进行工序排序，最后将调度方案结果反馈给外层算法，影响蚂蚁对资源的选择；本发明专利技术可用于车间调度排产，提高车间生产效率，降低能耗，促进绿色节能生产，同时可以满足生产中设备、人员负荷均衡。

【技术实现步骤摘要】
基于AMMAS-GA嵌套算法的双资源模具作业车间调度优化方法
本专利技术涉及作业车间调度技术，具体涉及一种双资源作业车间调度建模与优化方法，尤其是针对使用高端数控加工设备的模具生产数字化作业车间，属于智能制造与调度

技术介绍
作业车间调度问题是一类满足任务配置和顺序约束要求的资源分配问题，是一个典型的NP难题。其中，当只有机床设备资源受约束的调度问题称为单资源调度问题；但是在实际生产中，往往设备的操作工人也是一类很常见的受约束资源，不同的操作工人可操作的设备种类和数量一般也不相同；因此，一般将加工设备和操作工人这两种资源受约束的调度问题称双资源调度问题。这类调度问题在进行优化求解时，不仅需要进行两类资源的选择还要进行工序的排序，问题求解较复杂，假如单独采用一种算法进行求解，求解难度较大，很难得到期望解。因此，结合不同实际生产需求，研究这类双资源作业车间调度模型及优化方法具有很重要的的理论意义和工程应用价值。蚁群算法的基本思想来源于自然界蚂蚁觅食的最短路径原理，已被广泛应用于各种难以求解的组合优化问题，包括旅行商问题、调度问题、本文档来自技高网...

【技术保护点】
1.基于AMMAS-GA嵌套算法的双资源模具作业车间调度优化方法，其特征在于，包括如下步骤：/n步骤一：综合考虑模具生产车间调度周期内的能耗，设备、人员的负荷均衡和完工时间，建立以完工时间、能耗和设备人员负荷均衡为优化目标的双资源作业车间多目标调度模型；/n步骤二：针对步骤一中所建立的多目标调度模型，提出一种AMMAS-GA嵌套算法对该多目标调度模型进行优化求解。/n

【技术特征摘要】
1.基于AMMAS-GA嵌套算法的双资源模具作业车间调度优化方法，其特征在于，包括如下步骤：
步骤一：综合考虑模具生产车间调度周期内的能耗，设备、人员的负荷均衡和完工时间，建立以完工时间、能耗和设备人员负荷均衡为优化目标的双资源作业车间多目标调度模型；
步骤二：针对步骤一中所建立的多目标调度模型，提出一种AMMAS-GA嵌套算法对该多目标调度模型进行优化求解。


2.根据权利要求1所述的基于AMMAS-GA嵌套算法的双资源模具作业车间调度优化方法，其特征在于，步骤一的实施过程如下，
步骤1.1建立双资源作业车间设备、人员负荷模型
采用各设备、人员累计负荷的标准差进行衡量负荷的平衡程度；标准差越小，代表任务所用的加工设备与人员都会得到合理利用，负荷均衡；
步骤1.2建立车间能耗模型
在实际生产过程中，车间能耗包含设备待机能耗和设备加工能耗两部分，各部分能耗等于功率和时间的乘积；
步骤1.3建立车间完工时间模型
单个工件的完工时间是从工件开始加工时刻到最后一个工序加工完成为止花费的所有时间；车间完工总完工时间等于所有工件的最大完工时间。


3.根据权利要求1所述的基于AMMAS-GA嵌套算法的双资源模具作业车间调度优化方法，其特征在于，步骤二的实施过程如下，
AMMAS-GA嵌套算法外层采用自适应最大最小蚁群系统完成调度任务中每个工序对两类资源的选择，内层根据资源选择的结果作为工序约束采用遗传算法进行工序排序，最后将调度方案结果反馈给外层算法，影响下次迭代中蚂蚁对资源的选择；算法关键步骤如下：
a.最大最小蚁群系统参数初始化，信息素初始化；
b.根据设计的设备、人员选择启发式策略和各资源路径上的信息素的数量，为每...

【专利技术属性】
技术研发人员：初红艳，李瑞，刘志峰，赵凯林，黄凯峰，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11