基于改进MOPSO算法的生产调度优化方法及系统技术方案

本发明专利技术涉及一种基于改进MOPSO算法的生产调度优化方法及系统，涉及MES系统生产调度优化技术领域，包括基于获取的当前生产调度计划信息，采用设备编码方式确定初始粒子群；粒子代表当前加工任务中所有工件的加工工序的设备编号的组合；判断当前迭代次数是否到达设定迭代次数，若是则输出当前迭代次数对应的帕累托最优解集；若否则根据当前迭代次数对应的帕累托最优解集、转化后的目标函数和MOPSO算法，计算每个粒子的多目标函数值；根据粒子的多目标函数值、超体积和空间间距的混合指标策略，得到下一迭代次数对应的帕累托最优解集，返回判断步骤。本发明专利技术能够提高搜索能力，从而实现生产调度优化。生产调度优化。生产调度优化。

【技术实现步骤摘要】
基于改进MOPSO算法的生产调度优化方法及系统


[0001]本专利技术涉及MES系统生产调度优化
，特别是涉及一种基于改进MOPSO算法的生产调度优化方法及系统。

技术介绍

[0002]MES(Manufacturing Execution System，MES，制造执行系统)的核心功能之一是车间详细生产计划的制定和生产调度。MES接收上层生产计划系统发送的较粗整体生产计划目标，依据MES中的工艺信息、车间资源和现有工作执行的具体情况和各项约束，生成具体到最小加工单元上的各项详细的生产作业计划，而产生的生产作业计划的质量将直接关系到车间现场各项工作的效率。要生成符合车间实际生产情况的生产作业计划，生产调度系统及其优化方法就必须与MES紧密地集成，同时在生产调度过程中要考虑车间实际工况对车间任务的约束和影响，并且要有效地利用MES采集到的任务执行情况数据。另一方面，在离散制造的情景下，生产计划的优化需考虑多种优化指标，如加工时间、加工成本、瓶颈设备负荷等等，而且不同类型的企业对于优化目标的选择和侧重各有不同，因此对于考虑多目标函数的生产调度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进MOPSO算法的生产调度优化方法，其特征在于，包括：获取当前生产调度计划信息；所述当前生产调度计划信息包括当前加工任务的工件数量，每个工件所需要进行加工的工序数量，每个工件每道工序的加工时间，可用于执行当前加工任务的设备数量，以及每个工件在每道工序加工时所需的设备；基于所述当前生产调度计划信息，采用设备编码方式，确定初始粒子群；所述初始粒子群包括多个粒子；每个所述粒子均代表当前加工任务中所有工件的加工工序的设备编号的组合；一个所述粒子表示为{o
11
、o
12
、
…
、o
1k
，
…
，o
i1
、o
i2
、
…
、o
ij
、...、o
1k
，...，o
n1
、o
n2
、
…
、o
nk
}，其中，1≤o
ij
≤m，o
ij
表示加工第i个工件在第j道工序上所需的设备的编号；m表示用于执行当前加工任务的设备数量，k表示当前加工任务中所有工件所含工序数中的最大值，n表示当前加工任务的工件数量；判断当前迭代次数是否到达设定迭代次数，得到第一判断结果；若所述第一判断结果表示所述当前迭代次数到达所述设定迭代次数，则输出所述当前迭代次数对应的帕累托最优解集；所述帕累托最优解集包括当前迭代次数时每个粒子的最优位置以及所有粒子中的最优位置；若所述第一判断结果表示所述当前迭代次数未到达所述设定迭代次数，则根据所述当前迭代次数对应的帕累托最优解集和转化后的目标函数，采用MOPSO算法，计算每个粒子的多目标函数值，并根据每个所述粒子的多目标函数值，确定下一迭代次数对应的初始帕累托最优解集；所述转化后的目标函数包括加工时间目标函数、加工成本目标函数、瓶颈设备负荷目标函数以及违反约束总量目标函数；所述违反约束总量目标函数为采用多目标约束处理算法计算每个粒子违反约束总量的目标函数；采用考虑超体积和空间间距的混合指标策略，对下一迭代次数对应的初始帕累托最优解集进行更新，以得到下一迭代次数对应的最终的帕累托最优解集，并将当前迭代次数更新为下一迭代次数，将当前迭代次数对应的帕累托最优解集更新为下一迭代次数对应的最终的帕累托最优解集，返回判断当前迭代次数是否到达设定迭代次数，得到第一判断结果步骤。2.根据权利要求1所述的一种基于改进MOPSO算法的生产调度优化方法，其特征在于，所述基于所述当前生产调度计划信息，采用设备编码方式，确定初始粒子群，具体包括：按照每个工件的加工顺序，采用设备编码方式，确定第一初始粒子群；按照粒子群生成约束条件，对所述第一初始粒子群进行调整，以得到最终的初始粒子群；所述粒子群生成约束条件包括：(1)将每个工件的工序数设置为所有工件所含工序数中的最大值k，其中，k为正整数；(2)对工序数为l(l≤k)的工件，将第l+1道工序，
…
，第k道工序设置为虚工序，并将虚工序对应设备的加工时间设为0；(3)对于不能在设定设备上加工的工序设为空工序，并将空工序在空工序对应设备上的加工时间设为∞。3.根据权利要求1所述的一种基于改进MOPSO算法的生产调度优化方法，其特征在于，所述采用考虑超体积和空间间距的混合指标策略，对下一迭代次数对应的初始帕累托最优解集进行更新，以得到下一迭代次数对应的最终的帕累托最优解集，具体包括：计算下一迭代次数对应的超体积值和空间间距值；根据所述超体积值和所述空间间距值，计算下一迭代次数对应的惯性系数、个体学习
系数和社会学习系数；根据所述下一迭代次数对应的惯性系数、个体学习系数和社会学习系数，更新粒子的速度向量和位置向量，以得到下一迭代次数对应的最终的帕累托最优解集。4.根据权利要求1所述的一种基于改进MOPSO算法的生产调度优化方法，其特征在于，所述根据所述下一迭代次数对应的惯性系数、个体学习系数和社会学习系数，更新粒子的速度向量和位置向量，以得到下一迭代次数对应的最终的帕累托最优解集，具体包括：根据所述下一迭代次数对应的惯性系数、个体学习系数和社会学习系数，更新粒子的速度向量和位置向量，以得到更新后的粒子的速度向量和初始位置向量；采用多目标梯度运算算法，对更新后的粒子的初始位置向量进行更新，以得到最终的粒子的位置向量；根据更新后的粒子的速度向量和最终的粒子的位置向量，确定下一迭代次数对应的最终的帕累托最优解集。5.一种基于改进MOPSO算法的生产调度优化系统，其特征在于，包括：当前生产调度计...

【专利技术属性】
技术研发人员：柴森春，高宇晨，王昭洋，张百海，崔灵果，李慧芳，姚分喜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：