【技术实现步骤摘要】
本专利技术属于服装制造，具体涉及一种基于混合遗传算法的服装车间裁床分配优化方法。
技术介绍
1、传统服装车间中的裁床分配通常由人工制定计划，根据经验和直觉进行决策。这种方法存在许多问题，包括：
2、主观性：传统方法依赖于人工决策，因此容易受到个人主观意见的影响。不同人员可能会根据不同的标准和偏好做出不同的决策，导致计划的不一致性和不稳定性。
3、时间消耗：手动制定裁床分配计划需要大量的时间和人力。人工计划师需要考虑各种约束条件，如订单量、设备可用性、工期等，这是一项繁琐而复杂的任务，容易出现错误和失误。
4、低效性：传统方法往往无法找到最优解，导致裁床分配不够高效。由于人工计划的局限性，可能无法充分考虑到不同订单的优先级、任务切换损耗、订单交付时间等因素，从而浪费了资源并降低了生产效率。
5、缺乏灵活性：当面对订单变更或生产线调整时，传统方法通常需要重新制定计划。这种过程耗时且容易出现错误，导致生产延迟和客户不满。
6、综上所述，传统服装车间中裁床分配问题存在诸多问题和缺点，需要一种更高效、准确、灵活的方法来解决。服装车间制作问题属于批量柔性作业车间调度问题(fjsp-ls)，为此，公布号为cn 116540650 a的专利提供了一种基于改进遗传算法的服装车间流水线编制优化方法，这种方法包括：首先计算理论节拍，利用学习曲线确定实际生产节拍分配；通过随机拓扑排序生成工序染色体种群，根据工序与设备分配机制和拆分机制建立与工序染色体种群一一映射的编制方案染色体种群；采用约束调
7、1、该方案并未公开如何实现同一作业的第二道(及以上)工序开始加工时间的计算，无法解决多工序情况的裁床分配问题；
8、2、该方案并未公开约束调整方法所涉及的具体排程约束规则，导致不能适应性提高遗传算法局部搜索的能力；同时，该技术在初始化染色体与编制方案时采用随机拓扑排序的方式，并不能让遗传算法在最开始获得优质的种群；导致获取最优的裁床分配方案时间可能更长；
9、3、该方案没有将设备维修、非工作日等因素考虑排程方案中，无法反映实际的生产场景。
技术实现思路
1、为了克服上述现有技术的不足，本专利技术提出基于混合遗传算法的服装车间裁床分配优化方法：在拆分方案时提供了新的解决思路；fjsp-ls问题在多工序情况下，同一作业的第二道(及以上)工序开始加工时间如何计算；提出一种局部搜索方法，提高遗传算法搜索到最优解的概率；初始化染色体时提出多种调度规则，增加种群的多样性和优质性；考虑设备有限工作能力(如设备维修、设备保养、非工作日等情况)，使得排程结果更接近实际生产。
2、本专利技术的一种基于混合遗传算法的服装车间裁床分配优化方法，所述方法包括：
3、获取服装车间裁床系统的生产数据，并将所述生产数据转换为标准算例格式；
4、采用双层编码模块对标准算例格式的生产数据进行编码，生成服装订单的工序方案和服装订单在每一工序的拆分方案；
5、采用双层解码模块对服装订单的工序方案和服装订单在每一工序中采用的拆分方案分别进行解码，生成服装订单的排程方案；
6、根据服装订单的排程方案，计算最大加工时长、额外损耗时间和任务超时时间；在种群中选择这三个时间按比例最小的排程方案，通过选择、交叉、变异和局部搜索算法进行种群迭代，获得最优排程方案；
7、根据最优排程方案获得设备任务甘特图，并根据设备任务甘特图执行裁床分配任务。
8、本专利技术的优点在于：
9、(1)本专利技术在混合遗传算法的种群初始化阶段，采用了三种生成方法得到os染色体：订单量少的先安排生产、订单可以最早加工的先安排生产以及随机安排生产，可以更快获得优秀的排程方案。
10、(2)本专利技术在解码部分，将设备维修时间、历史任务和非工作日情况考虑进去，使得获得的生产方案更加接近实际生产情况。将加工订单任务的开始时间考虑进去，可以获得生产时间更短的排程方案。同时，这个方法也适用于动态插单情况。
11、(3)本专利技术提出局部搜索算法，通过判断拆分批量数与可以使用的设备总数的关系，来选择增加拆分批量数或者减少拆分批量数，可以加快ls染色体的遍历过程，同时也可以增加方案的多样性，避免遗传算法出现局部最优解的情况。
本文档来自技高网...【技术保护点】
1.一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述采用双层编码模块对标准算例格式的生产数据进行编码，生成服装订单的工序方案和服装订单在每一工序的拆分方案包括按照订单量少的先安排生产，采用OS编码方式生成种群中第一比例的OS染色体，按照订单最早加工的先安排生产，采用OS编码方式生成种群中第二比例的OS染色体；按照随机的方式安排生产，采用OS编码方式生成种群中剩余比例的OS染色体；当可以选择的设备数量小于3时，随机生成从1到5之间的拆分批量数；当可以选择的设备数量等于或大于3时，随机生成从1到订单每道工序可使用的设备数量之间的拆分批量数；按照拆分批量数，采用LS编码方式生成种群中的LS染色体。
3.根据权利要求1所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，采用双层解码模块对服装订单的工序方案和服装订单在每一工序中采用的拆分方案分别进行解码，生成服装订单的排程方案包括遍历每个OS染色体对应的工序数量，再遍历对应LS染色体的子
4.根据权利要求1所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述额外损耗时间的计算方式包括根据任务与任务之间的工序属性、工艺要求、品类属性、物料属性计算损耗时间，以及根据设备与订单之间的位置计算搬运时间；根据所述损耗时间和所述搬运时间，计算出额外损耗时间。
5.根据权利要求1所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，通过选择、交叉、变异和局部搜索算法进行种群迭代包括：
6.根据权利要求5所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述基于约束规则的交换变异法和翻转变异法是对LS染色体采用交换变异法和翻转变异法处理后，检测LS染色体是否符合规则，如果符合规则，则不对LS染色体进行变换；如果不符合规则，则需要按照编码模块中的方式重置LS染色体。
7.根据权利要求1或5所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述LS染色体的局部搜索方法包括：
8.根据权利要求7所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，拆分批量数的变化数量的取值包括：
...【技术特征摘要】
1.一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，所述采用双层编码模块对标准算例格式的生产数据进行编码，生成服装订单的工序方案和服装订单在每一工序的拆分方案包括按照订单量少的先安排生产，采用os编码方式生成种群中第一比例的os染色体，按照订单最早加工的先安排生产，采用os编码方式生成种群中第二比例的os染色体；按照随机的方式安排生产，采用os编码方式生成种群中剩余比例的os染色体；当可以选择的设备数量小于3时，随机生成从1到5之间的拆分批量数；当可以选择的设备数量等于或大于3时，随机生成从1到订单每道工序可使用的设备数量之间的拆分批量数；按照拆分批量数，采用ls编码方式生成种群中的ls染色体。
3.根据权利要求1所述的一种基于混合遗传算法的服装车间裁床分配优化方法，其特征在于，采用双层解码模块对服装订单的工序方案和服装订单在每一工序中采用的拆分方案分别进行解码，生成服装订单的排程方案包括遍历每个os染色体对应的工序数量，再遍历对应ls染色体的子批量数，依次计算出加工每一工序的每一子批量可以选择的设备，获取子批量在每台可选择设备上的最早加工时间和处理时间，计算出每台设备最早可以加工当前任务的时间；根据设备的历史工作日历t1选择所有可以选择的设备中最早加工当前任务的设备；计算出任务的加工时间，记录当前子批量每一件服装订单的完成时间和所在位置...
【专利技术属性】
技术研发人员：曾昭会，吴清林，应文俊，周涛，施磊，
申请(专利权)人：沪渝人工智能研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。