【技术实现步骤摘要】
本专利技术属于钢板分配及调度，具体涉及一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法。
技术介绍
1、钢板堆场是造船企业最为重要的场所之一，因为其肩负着对整个造船厂钢板的保存及供应的职责，同时钢板堆场作为整个船舶建造过程物流的开端之处，它的管理水平的高与低甚至能够直接决定船舶建造的高效与否、企业盈利的多与少。由于造船过程所用钢板的量巨大，因此对于钢板的采购和运输的花费也比较大，甚至能够占整艘船的30％—50％之多。所以，优化钢板堆场的管理过程是每一家造船企业的必修课，优化钢板堆场的成效与否与企业的经济效益直接挂钩。
2、当前阶段我国的物流技术正在进行全面的自动化流程改造，随着不断变革，物流技术也正在走向数字化、智能化。目前国内已有船舶企业针对钢板堆场倒垛工作量大的现状，开展钢铁码头及堆场的智能化关键技术应用研究，通过行车无人化智能改造实现了钢板转运小车自动驾驶、钢板智能定位技术、钢板作业智能调度系统、钢板堆场疏运量智能化预测等关键技术的攻关，能够实时跟踪港口钢板物流信息，解决错漏难题，增强安全可靠性，提高运行效率，降低运营成本，迈出了码头及钢板堆场的信息和智能化服务水平的一大步。
技术实现思路
1、本专利技术提供一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，用以解决现有技术中对钢板的堆放和调度靠人工决策，这大大降低了生产效率并且无形之中增强了很多不必要的能源消耗的问题。
2、本专利技术通过以下技术方案实现：
3、一种基于遗传
4、步骤1：初始化染色体种群，并设置进化代数的参数；
5、步骤2：根据已知参数设置约束条件，并根据约束条件建立船舰钢板入库方案的数学模型；
6、步骤3：根据步骤2的数学模型计算，月计划总的翻板量；
7、步骤4：根据步骤3的月计划总的翻板量，计算每个堆垛方案的适应度并排序；
8、步骤5：根据步骤3的得到的结果判断是否满足终止条件，若满足则进行步骤11，若不满足则进行步骤6；
9、步骤6：根据轮盘赌注进行入库方案的选择；
10、步骤7：被选择的入库方案成立新的种群；
11、步骤8：对步骤7成立的新的种群进行交叉操作；
12、步骤9：对步骤8交叉操作后的种群进行变异操作；
13、步骤10：对步骤9变异操作后的种群重新返回步骤3进行迭代，直至满足终止条件，进入步骤11；
14、步骤11：输出翻板数最小堆垛方案。
15、进一步的，所述步骤1具体为，使用矩阵的行、列号对染色体进行编码；矩阵中的列号对应于钢板堆场的堆位号，行号对应于该堆位的层数。
16、进一步的，所述步骤1初始目标种群的产生过程如下，
17、钢板入库批次从1到n，按照批次顺序进入钢板堆场；
18、首先将钢板批次1中的钢板堆放入钢板堆场，随机从堆位1到n选择存放的位置；
19、按照批次顺序依次执行将钢板入库到堆位的操作；
20、直至执行完钢板入库批次n的最后一块钢板，钢板分配完毕后，钢板堆场的堆垛方案将作为一个初始种群；
21、为了保证迭代时染色体是可行解、是一个钢板堆垛方案，需要对种群添加如下的三个限制条件：
22、(1)一个入库批次中同一个堆位的一层只允许存在一张钢板；
23、(2)同一批次入库的钢板必须高于前一个批次入库的钢板，低于后一个批次入库的钢板层数。
24、(3)同一批次的钢板必须是相邻堆放在一个堆位之中，不允许出现某一层空缺，而其上却存在钢板的情况。
25、进一步的，所述步骤2的已知参数为钢板所在堆位规划、出库时间、钢板属性如船号、分段号、物资编码、数量、供应商、船级社、材质、规格、重量、价格、钢板号、炉批号、质保书号、入库批次、出库批次。
26、进一步的，所述步骤2的约束条件为，
27、整个钢板堆场为一个矩阵m[imax][jmax]，
28、矩阵元素m[i][j]∈{0,c},0≤i＜imax,0≤j＜jmax，
29、其中0表示空位，c为入库钢板的集合，jmax∈k；c∈u，u表示入库钢板集合；m[i][j]＝c，m[i+1][j]≠0，表示钢板不允许悬空放置；x(d)∈(0,1)，取值为1表示钢板进行了一次翻板；m[i][j]中i≤n，n为堆场限堆张数；v表示已入库钢板集合，若m[i+1][j]＝b,b∈v。则m[i][j]≠c。
30、进一步的，所述步骤1的数学模型为，
31、
32、其中，f(x)为目标函数，表示堆场翻板量最少；变量d从0到k个堆位中每个堆位钢板的翻板数之和要求最小。
33、进一步的，所述步骤4每个堆垛方案的适应度计算公式为，
34、
35、其中，num为待选堆位个数，max为某一堆位限放钢板数，p为一个染色体所产生的翻板张数。
36、进一步的，所述步骤6具体为，轮盘赌法公式如下：
37、
38、其中，pk表示选择第k个体的概率，fk表示第k个体的适应度值。
39、进一步的，所述步骤8具体为，个体交叉是随机进行的，交叉操作是在两个不同的染色体上随机选择基因进行交叉互换；
40、所述步骤9具体为，同时父代也会随机产生变异，产生新的个体；
41、染色体p(t)经过上述的一系列操作后得到的子代记作p(t+1)。
42、进一步的，所述终止条件判定具体为，第t代如果没有达到设定的最大进化代数，接着该算法会跳到步骤2继续进行；如果第t代达到了设定的最大进化代数，即当t>最大进化代数时，算法将会把适应度值最大的个体作为结果进行输出，同时算法停止。
43、本专利技术的有益效果是：
44、本专利技术按照钢板入库规则，本专利技术在较短的计算时间为需要入库的钢板选择合理的堆位。基于遗传算法，对钢板的入库过程和倒垛过程进行优化，得到一组优化后的堆位信息。确定入库序列，桥吊空闲时依次从缓冲堆取出钢板移入堆场指定垛位，存储在主堆场中。
45、本专利技术根据船厂大型钢板堆场实际入库情况建立问题模型，利用遗传算法解决了船厂钢板堆场入库的堆位存放问题，减少人工干预，通过程序实现自动化搜索和优化，减少人力成本。同时，本专利技术的方法拓展性强，容易处理大规模问题，随着数据量的增加，也可以保持较短的计算时间，达到令人满意的效果。
本文档来自技高网...【技术保护点】
1.一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述调度方法包括以下步骤：
2.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤1具体为，使用矩阵的行、列号对染色体进行编码；矩阵中的列号对应于钢板堆场的堆位号，行号对应于该堆位的层数。
3.根据权利要求2所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤1初始目标种群的产生过程如下，
4.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤2的已知参数为钢板所在堆位规划、出库时间、钢板属性如船号、分段号、物资编码、数量、供应商、船级社、材质、规格、重量、价格、钢板号、炉批号、质保书号、入库批次、出库批次。
5.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤2的约束条件为，
6.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤1的
7.根据权利要求4所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤4每个堆垛方案的适应度计算公式为，
8.根据权利要求4所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤6具体为，轮盘赌法公式如下：
9.根据权利要求8所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤8具体为，个体交叉是随机进行的，交叉操作是在两个不同的染色体上随机选择基因进行交叉互换；
10.根据权利要求9所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述终止条件判定具体为，第t代如果没有达到设定的最大进化代数，接着该算法会跳到步骤2继续进行；如果第t代达到了设定的最大进化代数，即当t>最大进化代数时，算法将会把适应度值最大的个体作为结果进行输出，同时算法停止。
...【技术特征摘要】
1.一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述调度方法包括以下步骤：
2.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤1具体为，使用矩阵的行、列号对染色体进行编码；矩阵中的列号对应于钢板堆场的堆位号，行号对应于该堆位的层数。
3.根据权利要求2所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤1初始目标种群的产生过程如下，
4.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤2的已知参数为钢板所在堆位规划、出库时间、钢板属性如船号、分段号、物资编码、数量、供应商、船级社、材质、规格、重量、价格、钢板号、炉批号、质保书号、入库批次、出库批次。
5.根据权利要求1所述一种基于遗传算法的船厂大型钢板堆场堆位分配及入库调度方法，其特征在于，所述步骤2的约束条件为，
6.根据权利要求1所述一...
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。