基于自适应蚁群算法的任务分配方法和系统技术方案

本发明专利技术涉及设备任务分配技术，公开了基于自适应蚁群算法的任务分配方法和系统，其包括，导入任务数据，对导入的数据预处理，并根据设备状态信息对任务数据进行拆分；任务数据的实时分配，对导入的任务数据建立多目标多约束的任务分配数学模型，并通过蚁群算法增加收敛参数负反馈环节并结合车间调度规则对任务分配数学模型进行求解，并通过动态响应处理得到任务数据的实时分配结果。本发明专利技术充分考虑企业中存在的实际场景，实时处理提供的临时插单并解决可能存在的突发情况，对于任务分配方法的计算具有更快的收敛速度和更精确的可行解。计算具有更快的收敛速度和更精确的可行解。计算具有更快的收敛速度和更精确的可行解。

【技术实现步骤摘要】
基于自适应蚁群算法的任务分配方法和系统


[0001]本专利技术涉及设备任务分配技术；尤其涉及了基于自适应蚁群算法的任务分配方法和系统。

技术介绍

[0002]随着工业4.0、移动互联网、大数据和云计算的到来，工业生产过程规模逐渐扩大，工业生产流程不断复杂，同时工业生产过程中产生的海量数据难以存储和计量，而车间任务分配问题是最难的组合优化问题之一。
[0003]传统的根据经验通过手动对车间任务进行分配显然不能及时满足目前的用户需求量，而现在最先进的算法仅限于能够有效求解较小规模的问题。
[0004]车间任务分配除了需要考虑排序因素，还需要考虑任务和资源的适配关系、订单截止时间等约束，建立的数学模型十分复杂。其车间资源利用率低，生产效率低下。

技术实现思路

[0005]本专利技术针对工业上任务分配系统面临的求解过程复杂、求解速度缓慢和分配结果分析困难的问题，提供了基于自适应蚁群算法的任务分配方法和系统帮助企业实现车间调度分配难题，减轻任务分配人员在遇到庞大订单而难以快速进行任务分配的压力，提高车间资源利用率，加快生产效率。
[0006]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：基于自适应蚁群算法的任务分配方法，用于设备的任务分配过程中，其方法包括：导入任务数据，对导入的数据预处理，并根据设备状态信息对任务数据进行拆分；任务数据的实时分配，对导入的任务数据建立多目标多约束的任务分配数学模型，并通过蚁群算法增加收敛参数负反馈环节并结合车间调度规则对任务分配数学模型进行求解，并通过动态响应处理得到任务数据的实时分配结果。
[0007]作为优选，还包括任务数据的实时分配结果可视化展示，通过对比甘特图对任务数据的实时分配结果进行可视化展示。
[0008]作为优选，对导入的任务数据建立多目标多约束的任务分配数学模型包括：理想模型信息的获取，对于系统理想状态运行过程中需满足的条件信息，理想状态运行过程包括老化设备的正常使用、电子元器件的正常使用；异常模型信息的获取，对于系统异常状态运行过程中需考虑的条件信息，异常状态运行过程包括对老化设备的误操作、车间接收到临时插单；分配模型的建立，结合理想模型信息和异常模型信息确定分配模型的约束条件；模型的求解，通过自适应的蚁群算法进行模型的求解。
[0009]作为优选，模型求解的方法包括：步骤1.蚁群算法参数的初始化，对蚁群算法中的参数进行初始化，蚁群算法的参数包括蚂蚁数量、信息素挥发因子、信息素常数和最大迭代次数；
步骤2.启发函数的确定，通过任务数据紧急度的等级划分确定启发函数，该启发函数为蚁群算法中路径选择的启发函数；步骤3.信息素的实时更新处理，对蚂蚁所走过的路线按长度从小到大进行排序，路线越短赋予的权重值越大，其中，，为与收敛次数成正比的函数，收敛次数越多，的取值越大，为常数；步骤4.信息量强度的调整，通过自适应收敛参数负反馈环节进行信息量强度的调整。
[0010]作为优选，自适应值的负反馈环节包括：S1、对任务放至通道执行的时间序列按照总执行时间从小到大进行排序，每条时间序列的内部位置顺序按照执行时间长短从大到小排序；S2、遍历所有序列，获取任意两个子序列的序列信息；S3、将子序列进行后一项值减前一项值的差值处理，遍历比较两差值序列，获得两差值序列的公共序列，并记录下差值序列的位置和差值序列的长度；S4、相似度评分，评分准则为，S5、计算归一化评分和负反馈环节动态系数，通过得到的最大值和最小值，归一化评分，归一化评分负反馈环节动态系数。
[0011]作为优选，同一区内多组通道的任务开始时刻和结束时刻相同，即，同一通道下，前置任务的结束时间小于后置任务的开始时间：同一时刻设备资源、配件资源的上限：最晚交付时间，
目标函数一为，目标函数二为，目标函数三为，其中，为任务开始时刻，为结束开始时刻，为同一区下任务的开始时间，为同一区下任务的结束时间，同区的索引集合，为任意时刻正在使用的设备，为设备总数，为任意时刻正在使用的配件，为配件总数，为最大完工时间，为最晚交付时间，为正在使用的通道数，为通道总数。
[0012]作为优选，导入任务数据包括：第一步，将设备和配件状态信息与任务进行绑定；第二步，根据每个任务所绑定的设备和配件状态信息进行分组，若分组为不需要配件组则进入第三步，否则进入第四步；第三步，任务按照设备的通道工位数进行拆分；第四步，比较适配配件与适配通道的个数，取适配配件与适配通道中较小的作为拆分任务的参数，任务按照配件工位数进行拆分。
[0013]作为优选，通过动态响应处理得到任务数据的实时分配结果包括：计划实体或问题事实更新并发出需要重新排班的动作请求；对任务订单信息、设备状态和配件状态数据进行更新，发生更新动作前的数据进行保存，更新动作后的数据与新数据进行合并；对数据中新的计划实体和问题事实重新进行规划。
[0014]为了解决上述技术问题，本专利技术还提供了基于自适应蚁群算法的任务分配系统，其通过所述的基于自适应蚁群算法的任务分配方法实现的系统，包括：导入任务数据模块，对导入的数据预处理，并根据设备状态信息对任务数据进行拆分；任务数据的实时分配模块，对导入的任务数据建立多目标多约束的任务分配数学模型，并通过蚁群算法增加收敛参数负反馈环节并结合车间调度规则对任务分配数学模型进行求解，并通过动态响应处理得到任务数据的实时分配结果。
[0015]作为优选，还包括任务数据的实时分配结果可视化展示模块，通过对比甘特图对任务数据的实时分配结果进行可视化展示。
[0016]本专利技术由于采用了以上技术方案，具有显著的技术效果：本专利技术能够实现优化任务分配过程，提高人员的效率和设备利用率；本专利技术充分考虑企业中存在的实际场景，实时处理提供的临时插单并解决可能存在的突发情况，对于任务分配方法的计算具有更快的收敛速度和更精确的可行解。
附图说明
[0017]图1是本专利技术的任务拆分流程图；图2为本专利技术的任务分配蚁群算法流程图；图3为本专利技术的动态任务分配流程图；图4为本专利技术的任务分配结果甘特图。
具体实施方式
[0018]下面结合附图与实施例对本专利技术作进一步详细描述。
[0019]实施例1基于自适应蚁群算法的任务分配方法，该分配方法适用于车间调度，也适用于医疗卫生和物流运输领域中任务的分配；本实施例以车间调度中的电子元件分配到老化设备进行老化的任务分配为例进行说明；用于车间调度中电子元器件分配到老化设备进行老化的任务分配过程，其方法包括：导入电子元器件的老化任务数据，对导入的数据预处理，并根据老化设备状态信息对任务数据进行拆分；任务数据的实时分配，对导入的电子元器件老化任务数据建立多目标多约束的任务分配数学模型，并通过蚁群算法增加收敛参数负反馈环节并结合车间调度规则对任务分配数学模型进行求解，并通过动态响应处理得到任务数据的实时分配结果。
[0020]根据附图1可知，导入任务数据包括：将设备和配件状态信息与任务进行绑定；根据每个任务所绑定的设备和配件状态信息进行分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应蚁群算法的任务分配方法，用于设备的任务分配过程中，其方法包括：导入任务数据，对导入的数据预处理，并根据设备状态信息对任务数据进行拆分；任务数据的实时分配，对导入的任务数据建立多目标多约束的任务分配数学模型，并通过蚁群算法增加收敛参数负反馈环节并结合车间调度规则对任务分配数学模型进行求解，并通过动态响应处理得到任务数据的实时分配结果。2.根据权利要求1所述的基于自适应蚁群算法的任务分配方法，其特征在于，还包括任务数据的实时分配结果可视化展示，通过对比甘特图对任务数据的实时分配结果进行可视化展示。3.根据权利要求1所述的基于自适应蚁群算法的任务分配方法，其特征在于，对导入的任务数据建立多目标多约束的任务分配数学模型包括：理想模型信息的获取，对于系统理想状态运行过程中需满足的条件信息；异常模型信息的获取，对于系统异常状态运行过程中需考虑的条件信息；分配模型的建立，结合理想模型信息和异常模型信息确定分配模型的约束条件；模型的求解，通过自适应的蚁群算法进行模型的求解。4.根据权利要求3所述的基于自适应蚁群算法的任务分配方法，其特征在于，模型求解的方法包括：步骤1.蚁群算法参数的初始化，对蚁群算法中的参数进行初始化，蚁群算法的参数包括蚂蚁数量、信息素挥发因子、信息素常数和最大迭代次数；步骤2.启发函数的确定，通过任务数据紧急度的等级划分确定启发函数，该启发函数为蚁群算法中路径选择的启发函数；步骤3.信息素的实时更新处理，对蚂蚁所走过的路线按长度从小到大进行排序，路线越短赋予的权重值越大，其中，，为与收敛次数成正比的函数，收敛次数越多，的取值越大，为常数；步骤4.信息量强度的调整，通过自适应收敛参数负反馈环节进行信息量强度的调整。5.根据权利要求4所述的基于自适应蚁群算法的任务分配方法，其特征在于，自适应值的负反馈环节包括：S1、对任务放至通道执行的时间序列按照总执行时间从小到大进行排序，每条时间序列的内部位置顺序按照执行时间长短从大到小排序；S2、遍历所有序列，获取任意两个子序列的序列信息；S3、将子序列进行后一项值减前一项值的差值处理，遍历比较两差值序列，获得两差值序列的公共序列，并记录下差值序列的位置和长度；S4、相似度评分，评分准则为：
S5、计算归一化评分和负反馈环节动态系数，通过得...

【专利技术属性】
技术研发人员：胡世松，黄厚超，卜建明，贺庭玉，余亮，廖剑，柴俊标，
申请(专利权)人：杭州中安电子有限公司，
类型：发明
国别省市：