一种装配式建筑内运成本排产优化方法技术

本发明专利技术公开了一种装配式建筑内运成本排产优化方法，属于装配式建筑构件排产技术领域，包括：以装配式建筑内运成本最优为优化目标，确定初步构件排产方案；以内运成本最优为优化目标，采用粒子群算法优化初步构件排产方案，得到最优的构件排产方案。本发明专利技术在保证多项目资源调度不冲突的情况下以内运成本最优为优化目标，基于粒子群算法优化构件排产方案，可以解决多项目排产时，多订单资源调度冲突，订单不能及时交付以及企业内运成本过高等问题。问题。问题。

【技术实现步骤摘要】
一种装配式建筑内运成本排产优化方法


[0001]本专利技术涉及装配式建筑构件排产
，特别涉及一种装配式建筑内运成本排产优化方法。

技术介绍

[0002]近年来，装配式建筑由于其具有高效率、高质量、高精度等优点而受到众多学者的青睐。构件发展是推动装配式建筑发展的内驱力，构件排产则是生产车间运转的关键环节。
[0003]生产车间排产过程中，会出现各种复杂问题，例如内运成本过高等问题。针对成本问题经实地调研发现，内运成本是导致成本过高的主要占比，故降低内运成本成为亟待解决的问题。
[0004]产生内运成本的原因是因为，生产车间无法准确做到“生产完即运输”，若构件生产完项目现场即需要，则构件立即运往项目现场；若构件生产完项目现场暂时不需要，则构件暂存于车间中划分好的临时存放区，临时存放区满则运往堆场，此时会产生内运费用。
[0005]因为没有精细化的构件排产方案，故造成构件内运成本过高，针对此问题，本专利技术基于粒子群算法优化排产方案。

技术实现思路

[0006]本专利技术的目的在于克服上述
技术介绍
中的不足，优化构件排产方案降低内运成本。
[0007]为实现以上目的，采用一种装配式建筑内运成本排产优化方法，包括：
[0008]以装配式建筑内运成本最优为优化目标，确定初步构件排产方案；
[0009]以内运成本最优为优化目标，采用粒子群算法优化初步构件排产方案，得到最优的构件排产方案。
[0010]进一步地，所述以装配式建筑内运成本最优为优化目标，确定初步构件排产方案，包括：
[0011]确定排产参数，该排产参数包括各项目排产单构件资源统计信息、车间临时存放区最大限放数量、一车可装构件数、可选生产线信息以及可生产构件类型；
[0012]根据排产参数，随机生成所述初步构件排产方案。
[0013]进一步地，所述以内运成本最优为优化目标，采用粒子群算法优化初步构件排产方案，得到最优的构件排产方案，包括：
[0014]设置所述粒子群算法的原始参数，并根据原始参数，生成n个粒子的初始化速度和初始化位置；
[0015]以内运成本最小为优化目标，设置适应度函数，根据适应度函数，确定每个粒子的局部最优位置和所有粒子的全局最优位置，其中，每个粒子的局部最优位置表示某一构件排产方案在基于该方案形成的所有历史方案中内运成本最小，所有粒子的全局最优位置表示某一构件排产方案在所有形成的历史方案中内运成本最小；
[0016]根据原始参数、每个粒子的局部最优位置和所有粒子的全局最优位置，更新粒子速度；
[0017]根据更新后的粒子速度，更新粒子位置，其中，速度表示构件排产方案的变化量，位置表示基于原构件排产方案和速度形成的新构件排产方案；
[0018]判断是否满足迭代终止条件；
[0019]若是，则输出最优构件排产方案；
[0020]若否，则重新对粒子速度进行更新和粒子位置进行判断。
[0021]进一步地，所述设置所述粒子群算法的原始参数，并根据原始参数，生成n个粒子的初始化速度和初始化位置，包括：
[0022]设置所述粒子群算法的原始参数包括迭代次数M、粒子个数n、粒子维度dimension、惯性因子omega、学习因子C1和C2、空间中位置维度值边界xMax和xMin和空间中速度维度值边界vMax和vMin，其中，粒子数表示某种构件排产方案，粒子维度表示某个月的天数；
[0023]根据公式V
i
＝vMin+Random(0,1)
×
(vMax
‑
vMin)(i＝1,2,3
……
n)生成n个粒子的初始化速度V
i
，其中Random(0,1)表示介于0
‑
1之间的随机数，初始化速度V
i
表示初始化构件排产方案的变化量；
[0024]根据公式X
i
＝xMin+Random(0,1)
×
(xMax
‑
xMin)(i＝1,2,3
……
n)生成n个粒子的初始化位置X
i
，其中Random(0,1)表示介于0
‑
1之间的随机数，初始化位置X
i
表示基于初始化速度形成的初始化构件排产方案。
[0025]进一步地，所述粒子速度的更新公式如下：
[0026]V
i+1
＝ω
×
V
i
+C1×
Random(0,1)
×
(X
ib
‑
X
i
)+C2×
Random(0,1)
×
(X
gb
‑
X
i
)
[0027]其中，ω表示惯性因子，C1和C2表示学习因子，Random(0,1)表示介于0
‑
1之间的随机数，V
i
表示前一次构件排产方案的变化量，X
i
表示原构件排产方案，X
ib
表示某一构件排产方案在基于该方案形成的所有历史方案中内运成本最小，X
gb
表示某一构件排产方案在所有形成的历史方案中内运成本最小；
[0028]所述粒子位置的更新公式如下：
[0029]X
i+1
＝X
i
+V
i+1
[0030]其中，V
i+1
表示更新后的构件排产方案的变化量，X
i+1
表示更新后的新构件排产方案。
[0031]进一步地，所述迭代终止条件为迭代次数M或最优适应值的收敛程度。
[0032]与现有技术相比，本专利技术存在以下技术效果：本专利技术在保证资源调度不冲突的情况下以内运成本最优为优化目标，基于粒子群算法优化构件排产方案，可以解决多项目排产时，多订单资源调度冲突，订单不能及时交付以及企业内运成本过高等问题。
附图说明
[0033]下面结合附图，对本专利技术的具体实施方式进行详细描述：
[0034]图1是一种装配式建筑内运成本排产优化方法的流程图；
[0035]图2是粒子群算法的流程图。
具体实施方式
[0036]为了更进一步说明本专利技术的特征，请参阅以下有关本专利技术的详细说明与附图。所附图仅供参考与说明之用，并非用来对本专利技术的保护范围加以限制。
[0037]如图1所示，本实施例公开了一种装配式建筑内运成本排产优化方法，包括如下步骤S1至S2：
[0038]S1、以装配式建筑内运成本最优为优化目标，确定初步构件排产方案；
[0039]S2、以内运成本最优为优化目标，采用粒子群算法优化初步构件排产方案，得到最优的构件排产方案。
[0040]需要说明的是，本实施例基于粒子群算法进行资源调度，能够保证不同交付日期的订单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种装配式建筑内运成本排产优化方法，其特征在于，包括：以装配式建筑内运成本最优为优化目标，确定初步构件排产方案；以内运成本最优为优化目标，采用粒子群算法优化初步构件排产方案，得到最优的构件排产方案。2.如权利要求1所述的装配式建筑内运成本排产优化方法，其特征在于，所述以装配式建筑内运成本最优为优化目标，确定初步构件排产方案，包括：确定排产参数，该排产参数包括各项目排产单构件资源统计信息、车间临时存放区最大限放数量、一车可装构件数、可选生产线信息以及可生产构件类型；根据排产参数，随机生成所述初步构件排产方案。3.如权利要求1所述的装配式建筑内运成本排产优化方法，其特征在于，所述以内运成本最优为优化目标，采用粒子群算法优化初步构件排产方案，得到最优的构件排产方案，包括：设置所述粒子群算法的原始参数，并根据原始参数，生成n个粒子的初始化速度和初始化位置；以内运成本最小为优化目标，设置适应度函数，根据适应度函数，确定每个粒子的局部最优位置和所有粒子的全局最优位置，其中，每个粒子的局部最优位置表示某一构件排产方案在基于该方案形成的所有历史方案中内运成本最小，所有粒子的全局最优位置表示某一构件排产方案在所有形成的历史方案中内运成本最小；根据原始参数、每个粒子的局部最优位置和所有粒子的全局最优位置，更新粒子速度；根据更新后的粒子速度，更新粒子位置，其中，速度表示构件排产方案的变化量，位置表示基于原构件排产方案和速度形成的新构件排产方案；判断是否满足迭代终止条件；若是，则输出最优构件排产方案；若否，则重新对粒子速度进行更新和粒子位置进行判断。4.如权利要求3所述的装配式建筑内运成本排产优化方法，其特征在于，所述设置所述粒子群算法的原始参数，并根据原始参数，生成n个粒子的初始化速度和初始化位置，包括：设置所述粒子群算法的原始参数包括迭代次数M、粒子个数n、粒子维度dimension、惯性因子omega、学习因子C1和C2、空间中位置维度值边界xMax和xMin和空间中速度维度值边界vMax和vMin，其中，粒子数表示某种构件排产方案，粒子维度表示某个月的天数；根据公式V
i
＝vMin+Random(0,1)
×
(vMax
‑
vMin)(i＝1,2,3
……
n)生成n个粒子的初...

【专利技术属性】
技术研发人员：李学俊，梁梦莲，琚川徽，
申请(专利权)人：安徽大学绿色产业创新研究院，
类型：发明
国别省市：