一种基于虚拟工序的遗传算法车间排产方法技术

本发明专利技术提出了一种基于虚拟工序的遗传算法车间排产方法，其步骤如下：读取排产任务，抽取排产订单中的排产数据，将排产数据进行标准化处理；按照虚拟工序表示规则将标准化后的排产数据转化为虚拟工序排产数据；利用增加了移民策略和最优保存策略的遗传算法处理虚拟工序排产数据，将遗传算法输出的最优个体解码得到最优的车间排产结果；对输出的最优的车间排产结果在用户界面进行可视化的展示。本发明专利技术虚拟工序处理极大的简化了遗传算法在求解复杂排产问题的求解难度，提高了算法求解速度。本发明专利技术利用遗传算法对排产问题进行建模求解，降低订单交付延期、提高在制品周转率、克服人工排产缺陷；通过最优保存策略和移民策略保证了算法的全局收敛性。算法的全局收敛性。算法的全局收敛性。

【技术实现步骤摘要】
一种基于虚拟工序的遗传算法车间排产方法


[0001]本专利技术涉及智能车间排产调度的
，尤其涉及一种基于虚拟工序的遗传算法车间排产方法，构建多目标约束条件并通过遗传优化算法进行求解，优化车间排产。

技术介绍

[0002]在智能车间排产调度领域，目前的主流技术方案是采用启发式算法，如遗传算法、粒子群算法、模拟退火算法等以及各种在这些启发式算法上进行改进的方法。以主流的遗传算法在车间排产为例，一般分为以下内容步骤：1.编码，用一组特定规则表示的数据代表排产问题的可能解。
[0003]2.解码，按照预设的规则将求得的解转换为可理解的直观数据。
[0004]3.初始化种群，按照编码规则，随机生成若干个可能解（种群个体），作为遗传算法的初始种群。
[0005]4.适应度计算，按照预定的约束条件，如加工时间等，对种群个体进行评价，以此作为个体的适应度。
[0006]5.选择，在每一个连续的父代和子代中，子代继承父代的部分染色体，然后基于子代的适应度值来选择新产生的个体。
[0007]6.交叉：采用各交叉算子，如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚拟工序的遗传算法车间排产方法，其特征在于，其步骤如下：步骤1.读取排产任务，抽取排产订单中的排产数据，将排产数据进行标准化处理；步骤2.按照虚拟工序表示规则将标准化后的排产数据转化为虚拟工序排产数据；步骤3.利用增加了移民策略和最优保存策略的遗传算法处理虚拟工序排产数据，将遗传算法输出的最优个体解码得到最优的车间排产结果；步骤4.对输出的最优的车间排产结果在用户界面进行可视化的展示。2.根据权利要求1所述的基于虚拟工序的遗传算法车间排产方法，其特征在于，所述步骤1中排产数据包括抽取排产订单对应的产品工序信息和机器信息，产品工序信息包括产品各个工艺的加工顺序和加工时间，机器信息包括每个机器对应的加工工艺。3.根据权利要求1或2所述的基于虚拟工序的遗传算法车间排产方法，其特征在于，所述步骤一中标准化包括工序的标准化和订单的标准化，工序的标准化是将输入的需要排产的订单任务信息中所有工序采用同一套编码表示方法进行编码，使同一种工序在不同订单、不同产品中编码一致，且有序的从1开始进行编码；订单的标准化是将所有排产订单的编码采用同一套编码方式按顺序从1进行编码。4.根据权利要求3所述的基于虚拟工序的遗传算法车间排产方法，其特征在于，所述步骤一中排产任务中还包括订单交付数据和库存数据，订单交付数据用于获取订单的交付时间、数量信息，交付时间用来评估排产结果的好坏，数量信息用来计算单个订单的加工时间；库存数据用于评估实际需要生产的产品数量，实际生产=订单需求
‑
库存。5.根据权利要求1或4所述的基于虚拟工序的遗传算法车间排产方法，其特征在于，所述步骤2中虚拟工序表示规则为：依次遍历所有订单的所有工序信息，如果若干个订单产品的加工工序存在相同的部分，则这些订单的虚拟工序编码相同，虚拟工序编码从第一个订单开始生成，直到最后一个订单，一个虚拟工序编码代表一个订单的加工工序序列；不同虚拟工序编码的订单不存在共用工序，可以同时进行加工，同虚拟工序编码的订单存在共用工序，排产时按先后顺序进行加工处理；相同虚拟工序编号的订单，给其中一个订单分配了该虚拟工序编号后，该订单就占用了这个虚拟工序编号代表的一系列实际工序下的使用时间，其他订单在分配时只能分配该虚拟工序的其他时间或者其他空闲的虚拟工序。6.根据权利要求5所述的基于虚拟工序的遗传算法车间排产方法，其特征在于，所述步骤3中的遗传算法依次包括编码、初始化种群、适应度计算、选择、交叉、变异、最优保护策略、移民策略和解码。7.根据权利要求6所述的基于虚拟工序的遗传算法车间排产方法，其特征在于，所述编码是对虚拟工序编码进行编码，染色体的长度为虚拟工序总个数*订单任务数，虚拟工序数是虚拟工序总个数，订单任务数是需要进行排产的订单的数量；随机生成一个染色体表示一个个体，个体组成种群；以每虚拟工序数为一节，每一节中的下标次序代表虚拟工序编码，染色体中每节的下标表示订单编码，每节中除该节对应的订单任务i所对应的虚拟工序有值外，该节其余位置的编码均为0，虚拟工序值表示在该虚拟工序上的加工顺序在初始化种群时为随机生成，取值为1到任务订单数之间的整数；所述初始化种群采用虚拟工序方式对原始复杂排产场景进行简化；根据编码的规则，随机生成满足编码要求的单个染色体作为个体，重复生成个体直到满足规定数量的个体形成种群，构成初始种群；
所述适应度计算：考虑到订单最早交付时间、库存上下限的约束进行综合计算设计适应度函数，每个约束分配不同的权重，权重和为1；所述选择操作是以一定的概率从种群中选择若干的个体，以遗传到下一代个体；采用轮盘赌选择算子，每个个体进入下一代的概率等于它的适应度值与整个种群适应度和的比例；所述交叉采用两点交叉算子交配产生下一代个体，在父代染色体上随机选取两个交换节点，交换父母染色体序列中两个交换点之间的节，实现两点交叉；所述变异为设定变异概率和个体数量，确定变异个体数量；然后随机选取种群中的某个个体作为变异个体执行变异操作；变异操作为随机选取染色体序列中某一节，该节中一系列值应该只有一个不为0...

【专利技术属性】
技术研发人员：李永恒，张梦杰，曹文辉，赵吉祥，苏展，
申请(专利权)人：河南辉之宇大数据有限公司，
类型：发明
国别省市：