一种适用于工件离散制造的大规模生产调度方法技术

本发明专利技术提供了一种适用于工件离散制造的大规模生产调度方法，该方法将鲸鱼优化算法与遗传算法混合后得到自适应多种群混合算法(HWOAGA)，以此来对大规模生产调度问题进行求解，通过将种群总体划分为若干个不同类型的子种群来减少问题的复杂性，增加了子种群的多样性，避免了算法局部极小值的过早收敛，并对不同的子种群采用不同的进化策略，从而生成合理的调度方案，有利于订单的及时交付以及生产的精细化管控。精细化管控。精细化管控。

【技术实现步骤摘要】
一种适用于工件离散制造的大规模生产调度方法


[0001]本专利技术涉及工件离散制造领域，具体为一种适用于工件离散制造的大规模生产调度方法。

技术介绍

[0002]某些特定的工件制造企业，例如液压缸制造企业，对我国制造业的高质量发展起着举足轻重的作用。而液压缸一般采用小批量、多品种的生产模式，且由于液压缸的调度规模大、工艺流程复杂，平均每天的订单量所提取的BOM表中的物料就多达数百件，导致传统的车间调度方案的参考价值较低，单凭计划员的经验对物料进行排产所生成的调度方案不一定合理，从而拖延订单的交付。此外，随着液压缸规格要求的变化，与之配套的零部件工艺规格也会随之变化，在实际的生产过程中，多种工艺规格会使得生产的精细化管控更为困难。

技术实现思路

[0003]为克服现有技术的不足，本专利技术提供了一种适用于工件离散制造的大规模生产调度方法，能生成合理的调度方案，有利于订单的及时交付以及生产的精细化管控。
[0004]本专利技术采用了以下的技术方案。
[0005]一种适用于工件离散制造的大规模生产调度方法，包括以下步骤：
[0006]S1、设置模型的运行环境；
[0007]S2、根据模型的运行环境，建立工件离散制造的大规模调度模型；
[0008]S3、根据建立的大规模调度模型，构建HWOAGA算法；
[0009]所述HWOAGA算法包括以下步骤：
[0010]S3a、读取工件的待加工信息，设置算法基本参数，所述算法基本参数包括种群规模以及最大迭代次数Max_It，然后转至步骤S3b；
[0011]S3b、随机得到初始化种群，然后转至步骤S3c；
[0012]S3c、计算种群适应度，得到最优解，然后转至步骤S3d；
[0013]S3d、判断是否符合终止条件，若符合则输出最优解，否则转至步骤S3e；
[0014]S3e、将初始化种群划分为若干个普通子种群，并根据初始化种群中的个体适应度，从初始化种群中选取若干个适应度排序靠后的个体组成劣等子种群，从初始化种群中选取若干个适应度排序靠前的个体组成优秀子种群，所述普通子种群、劣等子种群和优秀子种群中的个体数量相等，然后转至步骤S3f、S3g和S3h；
[0015]S3f、对普通子种群执行IWOA算法和遗传算法中的突变算子，以更新普通子种群中的个体位置；
[0016]S3g、依据系数向量的绝对值，采用IWOA算法中的寻找猎物方式或环绕猎物方式，来对劣等子种群中的个体位置进行更新，然后转至步骤S3i；
[0017]S3h、先采用IWOA算法中的气泡网攻击方式，来对优秀子种群中的个体位置进行第
一次更新，紧接着判断累计迭代次数是否超过预设值，若不超过则转至步骤S3k，若超过则接着对优秀子种群执行遗传算法的突变算子，以对优秀子种群中的个体位置进行第二次更新，然后转至步骤S3k；
[0018]S3i、对普通子种群和劣等子种群实现种群个体迁移策略，将普通子种群和劣等子种群中的最优个体替换普通子种群和劣等子种群中的最差个体，得到进化后的普通子种群和劣等子种群，然后转至步骤S3j；
[0019]S3j、合并进化后的普通子种群和劣等子种群，得到合并化种群；
[0020]S3k、将更新后的优秀子种群中的最优个体替换合并化种群中的最差个体，得到优化后种群，并将累计迭代次数加1，然后转至步骤S3c。
[0021]进一步，所述模型的运行环境包括：
[0022]在零时刻，所有的工件均处于待加工的状态；
[0023]在零时刻，所有的加工设备均能够进行加工；
[0024]工件的加工过程不可被中断；
[0025]一台加工设备在同一时刻仅能够执行一道工序；
[0026]所有的工件的加工路线确定，且各个工件之间不存在优先级关系；
[0027]同一个工件的不同工序之间存在有先后执行顺序；
[0028]每道工序的执行时间均包含等待时间。
[0029]进一步，所述大规模调度模型满足以下公式：
[0030][0031]S
ijk
+X
ijk
×
P
ijk
≤T
ijk
[0032]T
ijk
≤S
i(j+1)h
[0033]C
i
≤C
max
[0034]S
ijk
+P
ijk
≤S
i
′
j
′
k
+N
×
(1
‑
YR
iji
′
j
′
k
)
[0035][0036]S
ijk
≥0,T
ijk
≥0
[0037][0038][0039]其中，n为工件总数量；m为加工设备总数量；i，i
’
为工件编号，i，i
’
＝1，2，
…
， n；j，j
’
为工件i的工序号，j，j
’
＝1，2，
…
，s；k，h为加工设备编号，k，h＝1,2,
…
,m； O
ij
为工件i的第j道工序；m
ij
为工件i的第j道工序可选加工设备数量；N为一个足够大的正数；S
ijk
为O
ij
选择加工设备k的开始加工时间；P
ijk
为O
ij
选择加工设备k的加工时间； T
ijk
为O
ij
选择加工设备k的完工时间；C
i
为每个工件J
i
的完工时间；X
ijk
为0
‑
1变量；Y
iji
’
j
’
k
为0
‑
1变量。
[0040]进一步，所述IWOA算法包括工序部分和加工设备部分的编码操作以及解码操作；
[0041]所述工序部分和加工设备部分的编码操作均包括：采用FJSP的二层编码OSMA来对染色体进行编码；
[0042]所述工序部分的编码操作还包括：先生成[
‑
3,3]区间内的一组随机数并将其与工序排序向量对应，根据ROV规则为所有随机数赋值，然后根据工序编号对应的ROV元素对随机数进行重新排序，以构成一个个体位置元素；
[0043]所述加工设备部分的编码操作还包括：根据以下公式将工序已选加工设备序号转换为对应的个体位置向量元素，
[0044][0045]所述工序部分的解码操作包括：先给更新后的个体位置元素进行编号并使其对应工序编号，然后根据工序编号对应的ROV值来构造调度解；
[0046]所述加工设备部分的解码操作包括：根据以下公式推算得到加工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于工件离散制造的大规模生产调度方法，其特征在于，包括以下步骤：S1、设置模型的运行环境；S2、根据模型的运行环境，建立工件离散制造的大规模调度模型；S3、根据建立的大规模调度模型，构建HWOAGA算法；所述HWOAGA算法包括以下步骤：S3a、读取工件的待加工信息，设置算法基本参数，所述算法基本参数包括种群规模以及最大迭代次数Max_It，然后转至步骤S3b；S3b、随机得到初始化种群，然后转至步骤S3c；S3c、计算种群适应度，得到最优解，然后转至步骤S3d；S3d、判断是否符合终止条件，若符合则输出最优解，否则转至步骤S3e；S3e、将初始化种群划分为若干个普通子种群，并根据初始化种群中的个体适应度，从初始化种群中选取若干个适应度排序靠后的个体组成劣等子种群，从初始化种群中选取若干个适应度排序靠前的个体组成优秀子种群，所述普通子种群、劣等子种群和优秀子种群中的个体数量相等，然后转至步骤S3f、S3g和S3h；S3f、对普通子种群执行IWOA算法和遗传算法中的突变算子，以更新普通子种群中的个体位置；S3g、依据系数向量的绝对值，采用IWOA算法中的寻找猎物方式或环绕猎物方式，来对劣等子种群中的个体位置进行更新，然后转至步骤S3i；S3h、先采用IWOA算法中的气泡网攻击方式，来对优秀子种群中的个体位置进行第一次更新，紧接着判断累计迭代次数是否超过预设值，若不超过则转至步骤S3k，若超过则接着对优秀子种群执行遗传算法的突变算子，以对优秀子种群中的个体位置进行第二次更新，然后转至步骤S3k；S3i、对普通子种群和劣等子种群实现种群个体迁移策略，将普通子种群和劣等子种群中的最优个体替换普通子种群和劣等子种群中的最差个体，得到进化后的普通子种群和劣等子种群，然后转至步骤S3j；S3j、合并进化后的普通子种群和劣等子种群，得到合并化种群；S3k、将更新后的优秀子种群中的最优个体替换合并化种群中的最差个体，得到优化后种群，并将累计迭代次数加1，然后转至步骤S3c。2.根据权利要求1所述的一种适用于工件离散制造的大规模生产调度方法，其特征在于，所述模型的运行环境包括：在零时刻，所有的工件均处于待加工的状态；在零时刻，所有的加工设备均能够进行加工；工件的加工过程不可被中断；一台加工设备在同一时刻仅能够执行一道工序；所有的工件的加工路线确定，且各个工件之间不存在优先级关系；同一个工件的不同工序之间存在有先后执行顺序；每道工序的执行时间均包含等待时间。3.根据权利要求1所述的一种适用于工件离散制造的大规模生产调度方法，其特征在
于，所述大规模调度模型满足以下公式：S
ijk
+X
ijk
×
P
ijk
≤T
ijk
T
ijk
≤S
i(j+1)h
C
i
≤C
max
S
ijk
+P
ijk
≤S
i
′
j
′
k
+N
×
(1
‑
YR
iji
′
j
′
k
)S
ijk
≥0,T
ijk
≥0≥0其中，n为工件总数量；m为加工设备总数量；i，i
’
为工件编号，i，i
’
＝1，2，
…
，n；j，j
’
为工件i的工序号，j，j
’
＝1，2，
…
，s；k，h为加工设备编号，k，h＝1,2,
…
,m；O
ij
为工件i的第j道工序；m
ij
为工件i的第j道工序可选加工设备数量；N为一个足够大的正数；S
ijk
为O
ij
选择加工设备k的开始加工时间；P
ijk
为O
ij
选择加工设备k的加工时间；T
ijk
为O
ij
选择加工设备k的完工时间；C
i
为每个工件J
i
的完工时间；X
ijk
为0
‑
1变量；Y
iji
’
j
’
k
为0
‑
1变量。4.根据权利要求1所述的一种适用于工件离散制造的大规模生产调度方法，其特征在于，所述IWOA算法包括工序部分和加工设备部分的编码操作以及解码操作；所述工序部分和加工设备部分的编码操作均包括：采用FJSP的二层编码OSMA来对染色体进行编码；所述工序部分的编码操作还包括：先生成[
‑
3,3]区间内的一组随机数并将其与工序排序向量对应，根据ROV规则为所有随机数赋值，然后根据工序编号对应的ROV元素对随机数进行重新排序，以构成一个个体位置元素；所述加工设备部分的编码操作还包括：根据以下公式将工序已...

【专利技术属性】
技术研发人员：张俊辉，唐红涛，刘广洋，左林，王磊，李志勇，
申请(专利权)人：韶关液压件厂有限公司，
类型：发明
国别省市：