一种基于逐层优化的排程方案评价及选择方法技术

本发明专利技术提供了一种基于逐层优化的排程方案评价及选择方法。此方法采用逐层优化的思想，即根据约束条件、主优化目标、次优化目标对已得排程方案进行多层评判实现多目标优化，并在评价过程中，对已得排程方案，通过约束条件检、适应度计算，进行评价，最终输出违反约束条件最少的排程方案作为最优排程方案。它实现了多目标优化，避免了优化目标权重等较难确定的参数；还通过设置可行解池和不可行解池，使得在选择父代种群时，选择到历代较优秀个体、保障父代种群的多样性。从而，为得到一个最优化排程方案奠定了良好的基础，以最终提高了企业生产资源的使用效率，降低了成本，增加了企业的竞争力。

A scheduling evaluation and selection method based on layer by layer optimization

The invention provides a schedule optimization evaluation and selection method based on layer by layer optimization. This method adopts hierarchical optimization idea, namely according to the constraint conditions, the optimization goal and optimization goal to achieve multi-objective optimization of multilayer scheduling scheme, and in the process of evaluation, the obtained scheduling schemes through the constraints and calculating the fitness, evaluation, final output scheduling the constraint violations at least plan as the best scheduling scheme. It realizes the multi-objective optimization, avoid parameter optimization is difficult to determine the target weight; by setting the feasible solutions and infeasible pool pool, the choice of the parent population, choose to the excellent individual, guarantee the diversity of the parent population. As a result, it has laid a good foundation for an optimal scheduling scheme, so as to improve the efficiency of production resources, reduce costs and increase the competitiveness of enterprises.

【技术实现步骤摘要】

本专利技术涉及一种排程方案的评价及选择方法，尤其是一种基于逐层优化的 排程方案评价及选择方法。技术背景遗传算法是一种基于基因学和遗传学机理产生的直接搜索优化方法，它通 过基因串的选择、交叉、变异，来寻求最佳解决方案。近年来，这种算法作为 一种通用的优化算法，因其编码技术和遗传操作比较简单、优化不受限制性条 件的约束、尤其是具有并行计算能力和全局解空间搜索能力，被广泛的应用在 各行各业。生产排程问题——即如何合理利用有限的资源达到预期的生产目标， 也可以通过这种算法进行优化解决。在应用遗传算法来解决生产排程问题的过程中，通常会附带很多约束条件，情况比较复杂，如何对所得排程方案进行合理而高效的评价和选择，对已得排程方案执行优胜劣汰的删选，是最终获得高质高效的排程方案的重要一步。
技术实现思路
本专利技术的目的是提供，在基 于用户提供的对于排程方案的约束条件和优化目标下，对已得排程方案进行评 价、优化最终选择出最佳实施方案。此方法采用逐层优化的思想，即根据约束条件、主优化目标、次优化目标 对已得排程方案进行多层评判实现多目标优化，并在评价过程中，对已得排程 方案，通过约束条件检、适应度计算，进行评价，最终输出违反约束条件最少的排程方案作为最优排程方案，使得方法避免了无解情况，为用户在后续操作 过程中，对排程方案进行调整奠定基础，具体步骤如下不同的工厂有不同的加工工艺，导致需要考虑的约束条件各不相同，有时 候即使约束条件相同，工厂对各约束条件的重视程度也不同。当约束条件过多 时，算法可能导致无法得到可行解，需要舍弃部分不重要的约束条件。这就使 在生产排程系统，约束条件也具有类似于优化目标的性质，甚至可以说时比优 化目标更强的优化目标。因此用户必须对需要考虑的约束条件设置优先级，即 给出约束条件的偏好关系。所以，1. 设置主优化目标、次优化目标和约束条件及其重要度等级；2. 对排程方案进行约束条件检验对满足约束条件的排程方案，即可行解， 按主优化目标进行适应度计算；对不满足约束条件的排程方案，即不可 行解，按约束条件进行适应度计算；3. 设置可行解池和不可行解池两个精英解池，按适应度大小保留优秀个体；4. 对可行解池和不可行解池中的排程方案，根据主优化目标和次优化目标 进行评判、逐层优化；5. 输出最优排程方案。所述步骤1中的约束条件的重要度等级高于所述主优化目标和次优化目标。所述步骤1中的约束条件分为订单级或工单级或工序级。所述步骤l中的约束条件，每一条约束条件有一个对应的约束条件检验信息 表，包括字段约束代码、和/或约束优先级、和/或约束类型、和/或订单号、工 单号、和/或工序号、和/或约束标志信息、和/或约束优劣信息。所述步骤2中的约束条件检验是通过排程方案是否满足所有约束条件验信息表中的每一项来判定的。所述步骤2中的按主优化目标进行适应度计算中，适应度函数的设计是按照 优化目标的业务意义和数学意义，表示可以度量排程方案的形式。所述步骤2中的按约束条件进行适应度计算，为计算排程方案所满足的约束 条件的加权和，这里约束条件根据重要程度不同都有不同的权值，对不可行排 程方案X的适应度值为化为第i类约束条件的权值，^为第i类约束条件的满足个数，N为约束条件 的类数。所述步骤3中可解池和不可解池可以存储的解是有限的。 所述步骤3中可解池和不可解池内的解按适应度的大小进行依次存放。 所述步骤4中根据主优化目标和次优化目标进行评判、逐层优化，分可行解 池有解和可行解池无解两种情况。当可行解池有解，其过程包括以下步骤i.对于可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体， 个体的个数满足比例阈值的限定，ii.基于这批个体，选择一个最满足次优化目 标的个体作为最优排程方案；当可行解池无解，其过程包括以下步骤i.对于 不可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体， 个体的个数满足比例阈值的限定，ii.基于这批个体，选择一个最满足主优化目 标的个体作为最优排程方案。在本专利技术方法进行排程方案评价及选择时，将不可行解也作为参考的方案， 并在需要的情况下进行选择。这是由于不可行解在生产排程中具有如下意义 一、从实际情况出发，不可行解即不满足约束条件的排程方案，有些约束条件 不满足，如订单交货期约束，可以通过和客户的协商使得约束条件重新满足。故不可行解并不是绝对的"不可行"。二、通过对排程过程作交互式操作，适当 调整排程方案或是少量更改排程计算的输入信息，不可行解有时是能够变成可 行解的。三、由于生产排程方案空间是不规则的离散空间，有时候很难得到可 行解，故当不可行解违法约束的程度不太强时，作为父代通过遗传算法的交叉、 变异等操作，仍有可能产生可行的子代个体，使得遗传算法稳定运行。四、不 可行解虽然意味着某几个工单不满足约束条件，但当这几个工单"人为地"被 排除后，剩下的工单的排程计划也是具有意义的。本专利技术的有益效果是提供了一种基于逐层优化的排程方案评价及选择方 法，实现了多目标优化，且在当多个优化目标相互冲突时，能够在绝对保证主 优化目标的前提下，针对次优化目标进行优化，避免了优化目标权重等较难确定的参数；还通过设置可行解池和不可行解池，使得在选择父代种群时，可以 选择到历代较优秀个体，避免优秀个体丢失，同时又能够保障父代种群的多样 性，防止陷入局部最优。从而，为得到一个最优化排程方案奠定了良好的基础， 以最终提高了企业生产资源的使用效率，降低了成本，增加了企业的竞争力。 附图说明图1是约束条件检验信息表。图2是逐层优化排程方案的评价及选择流程图。图3是分层优化方式实现多目标优化流程图。具体实施方式下面结合附图和实施例对本专利技术进一步说明。在本实施例中，所涉及的优化目标包括1. 准时交货，即尽量保证产品在接近交货期之前准时完工。2. 最小完工时间，即要求所有加工的工单尽量早完工。3. 最小流程时间工件，即从到达现场后开始加工到其完工时，其在系统中 所花费的时间减至最低。4. 最小车间生产成本，主要包括产品消耗原材料费用、人工成本费用、生 产制造费用和管理费用等。5. 最小化生产准备时间。6. 最大化设备利用率。7. 优先级高的订单优先占用资源。，包括以下步骤-1.设置主优化目标、次优化目标和约束条件的重要度等级；a. 设置主优化目标用户可以在系统以上提供的多种优化目标中选择一种优化目 标作为主优化目标，或自己重新定义主优化目标。b. 设置次优化目标次优化目标是在确定主优化目标的基础上，按照需要选择剩 余的优化目标，并对次优化目标按照偏好排序。 C.设置约束条件对每一条约束条件设置一个条件检验信息表，内容请参阅图 1，即本实施例的约束条件检验信息表。约束条件检验信息表包括 约束代码、约束优先级、约束类型，订单号、工单号、工序号、约束标志信息、约束优劣信息等字段。其中，约束类型分为a)定单级约束，如交货期约束、定单最长在线时间约束、定单最短在线时间约束等。b) 工单级的约束，如工单最早开工时刻约束、工单最晚开工 时刻约束、工单最早完工时刻约束、工单最晚完工时刻约 束、工单最长在线时间约束、工单最短在线时间约束等。c) 工序级的约束，如当前时刻约束，指定开工时刻约束、工 序最晚完工时刻约束本文档来自技高网...

【技术保护点】
一种基于逐层优化的排程方案评价及选择方法，其特征在于所述方法包括以下步骤：　　　　①设置主优化目标、次优化目标和约束条件及其重要度等级；　　　　②对排程方案进行约束条件检验：对满足约束条件的排程方案，即可行解，按主优化目标进行适应度计算；对不满足约束条件的排程方案，即不可行解，按约束条件进行适应度计算；　　　　③设置可行解池和不可行解池两个精英解池，按适应度大小保留优秀个体；　　　　④对可行解池和不可行解池中的排程方案，根据主优化目标和次优化目标进行评判、逐层优化；　　　　⑤输出最优排程方案。

【技术特征摘要】

【专利技术属性】
技术研发人员：顾永明，陈杰，
申请(专利权)人：永凯软件技术上海有限公司，
类型：发明
国别省市：31[中国|上海]