一种基于蚁群算法的动态滚动调度方法技术

本发明专利技术提供了一种基于蚁群算法优化机制的动态滚动调度方法，它属于车间调度领域，主要解决现有滚动调度方法不能有效处理不确定事件、最佳滚动周期难确定问题。其步骤为：（１）预设置重调度相关参数；（２）驱动蚁群算法进行重调度，生成调度方案；（３）确定最佳滚动周期与工件到达概率、机器负荷和工件平均加工时间三者之间的函数关系式；（４）生成最佳调度方案，即确定适合实际生产的最佳滚动周期，驱动蚁群算法进行重调度，生成符合实际生产的最佳调度方案。本发明专利技术可获得适合不同实际生产的最佳滚动周期及动态滚动调度方案，充分发挥设备利用率，提高生产效率，可为实际生产调度提供决策依据。

【技术实现步骤摘要】

本专利技术属于车间调度领域，具体涉及一种动态滚动调度方法，用于车间作业生产 计划与调度管理。
技术介绍
车间调度是先进制造系统实现管理技术、运筹学技术和优化技术发展的核心。科 学地制订车间调度方案，对于控制车间的在制品库存，提高产品交货期满足率，缩短产品供 货周期和提高企业生产率起着至关重要的作用。动态调度把车间生产看成一个动态过程， 存在多种突发事件，如工件随机到达、设备故障等，要求调度方案对这些事件做出及时应 对。动态调度策略更符合实际生产过程，已成为生产调度研究中的热点之一，对于实际车间 作业计划与调度具有重要的应用价值。动态调度技术的研究最初主要应用启发式规则、整数规划等方法。这些方法的特 点是规则明了，容易实现，但由于实际生产过程中的不确定以及随机因素太多，任何单一规 则都较难适用于所有的动态环境，与实际应用有较大差距。近年来，随着计算机技术和计 算智能方法的发展，该领域出现的神经网络、元启发式算法、专家系统和多Agent技术等方 法，为动态调度的研究开辟了新思路，也引起了学者的广泛关注，在动态调度中表现了许多 优点，也有很多不足，例如神经网络的训练时间较长，对结果缺乏解本文档来自技高网...

【技术保护点】
一种基于蚁群算法的动态滚动调度方法，用于确定符合工厂实际的最佳滚动周期，驱动蚁群算法进行重调度，生成最佳生产调度方案，指导实际车间作业生产与调度，具体包括如下步骤：（一）预设置重调度相关参数，包括：滚动周期Ｔ、重调度工件集、机器可获得时刻和重调度方案的性能指标；（二）驱动蚁群算法进行重调度，生成调度方案根据上述预设置的参数，在每个重调度时刻，即每个滚动周期整数倍时刻，驱动蚁群算法进行重调度，生成调度方案，具体过程如下：（１）重调度工件集编码假设所述重调度工件集中包含ｎ个工件，Δτ↓［ｉｊ］其中：＊＊＊式中，Ｑ为常数；（１１）判断ｋ是否大于ａｎｔ，若ｋ≤ａｎｔ，则跳转至步骤（５），否则执行步骤（...

【技术特征摘要】

【专利技术属性】
技术研发人员：李新宇，张利平，高亮，邵新宇，王晓娟，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：83