CN102968702B - 一种基于遗传算法的曲面分段场地布局调度方法 - Google Patents

Abstract

本发明提供一种基于遗传算法的曲面分段场地布局调度方法，包括：应用基于有限建造资源的日程计划平衡制定算法，根据预设的调度顺序对分段进行分段空间布局调度和虚拟流水式人力资源调度，并制定针对分段建造的资源场地和人员安排的日程计划；应用基于优化矩阵的多目标遗传算法完成分段调度顺序的排列编码和解码，并从根据日程计划建立优化的矩阵中选取最优的调度结果。本发明能够从而为调度人员进行分段布局调度提供辅助。

Description

一种基于遗传算法的曲面分段场地布局调度方法

技术领域

本发明涉及制造技术领域，特别涉及一种基于遗传算法的曲面分段场地布局调度方法。

背景技术

在大型制造行业（如船舶建造与飞机制造）的制造过程，需要将整体分为一个个大小不一、形状复杂的分段来进行建造，且很多分段往往十分的沉重并且占用很大的场地面积。因此为了建造体积和质量都很大的分段，其建造场地需投入很多昂贵且重要的设备和材料（如大型吊车，物料托盘，胎架等）。由于场地建造的成本很高，分段占用场地的时间周期长、面积大，所以场地往往是制约船舶建造效率的瓶颈。在船舶曲面分段调度的过程中，调度的核心资源就是场地，而不同于传统的机加生产调度主要考虑人员和设备。

船舶的建造是大量分段的焊接装配过程，其中分段按照几何形状进行分类包括：平直分段和曲面分段。其中曲面分段主要是由船舶艏部和艉部的组件，具有复杂的几何形状。复杂的几何图形在场地内的组合也是多种多样的，单纯的依靠调度人员的个人经验进行分段场地的空间布局是很难达到比较优化的场地布局。但是船舶曲面分段的空间布局又不同于一般套料算法的空间调度。一方面由于船舶曲面分段的建造过程场地利用是一个随着时间轴动态变化的一个过程，套料算法只能实现一个固定空间占用布局。另一方面，船舶曲面分段场地布局中场地是最重要的调度资源但比不是唯一要考虑的调度资源，如人力资源，设备资源，重要物资等，都是分段场地布局是不得不考虑的影响因素。同时仅对于空间布局来说，套料算法往往面对的问题是空间资源相对进入空间的几何图形是无限的，而分段场地布局的空间调度问题主要集中在分段相对于场地是无限的。

综上所述，船舶曲面分段空间布局调度是一个动态，复杂的过程，其调度的核心是实现有限的场地在时间轴上进行无限的利用，最重要的优化指标就是场地的利用率。对于船舶空间布局调度问题，虽然已有大量的研究，但往往存在以下不足：

（1）布局算法与船舶生产实际结合较少，船舶曲面的制造过程具有其自身的特点，单纯的套料算法难于适用于船舶曲面分段场地布局分配过程。例如：分段的排布顺序需要按照实际生产进程进行不断调整；场地具有的动态性特点使得其可用面积会随时变化；分段在完成生产后必须调离场地，剩余面积仍然需要进行合理利用，无法进行一次性的布局分配必须进行多次调度；

（2）传统的曲面分段布局算法对生产实际约束进行了简化，从而造成布局结果无法实现效率的提升，例如多边形分段被抽象成矩形，使得曲面分段的布局变为矩形堆叠；将场地面积划分为不同的区域，使得分段的排布只能在固定的区域内进行，从而降低不规则图形的拼接难度或者直接忽略不规则图形的拼接；

（3）传统的空间布局算法通过简单的优化准（如最大矩形，长边规则等）判定分段放置位置是否最佳低估空间布局的复杂性。空间组合的多样性决定了简单的优化准则约束是无法全面的综合的考虑所有分段放置场地时哪种布局方式是最佳的。例如满足优化准则并不一定有利于后续分段的放置反而降低了场地利用率。

由于空间组合的复杂性，用简单的针对单一分段的约束优化准则是无法求得空间布局的最优解。

发明内容

本发明要解决的技术问题是提供一种基于遗传算法的曲面分段场地布局调度方法，而为调度人员进行分段布局调度提供辅助。

为解决上述技术问题，本发明的实施例提供一种基于遗传算法的曲面分段场地布局调度方法，包括：

步骤1、应用基于有限建造资源的日程计划平衡制定算法，根据预设的调度顺序对分段进行分段空间布局调度和虚拟流水式人力资源调度，并制定针对分段建造的资源场地和人员安排的日程计划；

步骤2、应用基于优化矩阵的多目标遗传算法完成分段调度顺序的排列编码和解码，并从根据日程计划建立优化的矩阵中选取最优的调度结果。

作为上述技术方案的优选，其中所述步骤1中所述的进行分段空间布局调度具体为：

步骤11、对整个场地的曲面分段的调度进行初步规划，并制定曲面分段的布置顺序；

步骤12、获取曲面分段的几何图形和场地边界的几何图形，通过确定曲面分段是否在场地内与其他曲面分段及场地边界发生碰撞，以获取曲面分段在该场地内的可能的布置方案；

步骤13、对所述可能的布置方案进行筛选以最终确定曲面分段在场地内的布置位置，生成曲面分段空间布局分配方案。

作为上述技术方案的优选，其中所述步骤1中所述的虚拟流水式人力资源调度具体为：

步骤14、获取每一分段内的加工工序；

步骤15、设置初始设置的人员配置方案，并以虚拟流水制造资源分配目标对每一分段内每一加工工序的初始设置的人员配置方案进行调整，并根据调整结果为每一加工工序分配加工人员；

步骤16、对每一分段中，在前后工序的加工时间存在间隙加工工序进行调整，以最终生成船舶曲面分段虚拟流水式建造的人员调度方案。

作为上述技术方案的优选，所述步骤2包括：

步骤21、随机生成初始种群；

步骤22、通过预设的编码/解码算法将个体基因码解码成合理的分段布局调度顺序，制定曲面分段建造的日程计划；

步骤23、对所述日程计划根据多目标适应度函数进行多目标的适应度计算，构建优先级矩阵；

步骤24、根据轮赌法适应度较高的个体具有较高的繁殖概率，最后根据交叉率和变异率选择再生个体进行交叉和变异，选出其中优秀的基因构建优秀的种群，对优秀种群经过若干代进化后或达到优化的目标，最终种群中适应度最高的个体就是最优曲面分段空间布局方案。

作为上述技术方案的优选，步骤22中所述的预设的编码/解码算法，包括自然数的编码方式表现型编码直接反映曲面分段的调度循序的表现型编码和基因型编码；所述步骤22具体包括：

步骤221、为每一曲面分段设置唯一的编号F_c={f₁、f₂...f_n-1、f_n}；其中n为调度的曲面分段的个数；

步骤222、设置表现型编码P_c={p₁、p₂...p_n-1、p_n}，以及基因型编码G_c={g₁、g₂...g_n-1、g_n}；其中，基因型编码在遗传算法中是可以与表现型编码相同的，但是考虑到可能会出现通过遗传得到的最优个体（适应度最高）可能不能满足最基本的合理性约束，因此本发明实施例中用G_c={g₁、g₂...g_n-1、g_n}表现基因型编码；

步骤223、根据已知分段调度顺序的基因码G_c={g₁、g₂...g_n-1、g_n}和原始编号F_c={f₁、f₂...f_n-1、f_n}，计算顺序的表现型编码P_c={p₁、p₂...p_n-1、p_n}。

其中，其中所述步骤223具体为：

步骤2231、计算其中i1<i2...<it，i=0到n

步骤2232、计算b=[t×g_i/n]+1，其中[]为取整操作符；

步骤133、其中p_i=f_ib。

作为上述技术方案的优选，所述步骤23具体包括：

步骤231、通过以下公式计算场地利用率；

其中，[tn₀,tn₁...tn_mid...tn_n]为当场地中某一时间节点发生分段移除或移入时，场地利用率发生变化，将这些场地利用率发生变化的时间节点按时间轴顺序排列形成的数组；

其中tn₀表示调度开始的时间节点；

tn_mid表示最后一个移入场地分段的时间节点；

tn_n表示最后一个移除场地分段的时间节点；

[s₁,s₂....s_n]：s_i表示时间点t_i-1-t_i之间时间段的场地利用率；

f_sparet(tn_i-1,tn_i)表示时间段t_i-1-t_i之间的非工作时间；

w _s，in表示时刻tn_mid之前的场地利用率的加权值；

w_s，out表示时刻tn_mid之后的场地利用率的加权值；

S_space表示场地利用率适应度表达式值；

步骤232、通过以下公式计算人员周转利用率；

pw_i：表示员工i在工作时的每小时工资；

pr_i：表示员工i在上班时间没工作干时的每小时工资；

tw_j：表示员工i在第j天的实际工作时间；

tr_j：表示员工i在第j天的浪费的工作时间；

n：调度分段总数量；

m：在调度排产计划中员工工作总天数；

S_staff：人员周转利用率适应度表达式值；

步骤233、通过以下公式计算用户的满意度；

步骤234、通过以下公式计算用户的分段按时完工率适应度；

其中ω(et_i)：表示分段i的完工满意度值；

n：调度分段总数量；

S_intime：分段按时完工率适应度表达式值；

步骤235、根据所述场地利用率、人员周转利用率、分段按时完工率适应度建立优先级原始矩阵

并对每一列优选参数进行从小到大排序，并将其排序值赋予适应度优先级矩阵

例如在第一列为第j大的值则

步骤236、针对一个染色体，采用以下公式计算器适应度；

其中F_i越大染色体越优秀；

步骤237、通过以下公式计算优化指标：

其中，

w_space为场地利用率加权值；

w_staff为人员周转利用率加权值；

w_intime为分段按时完工率加权值；

为第i个染色体场地利用率、人员周转利用率、分段按时完工率适应度值；

为第i个染色体场地利用率、人员周转利用率、分段按时完工率排序值；

F_i为第i个染色体总体适应度值；

G_i为第i个染色体总体优化指标值。

作为上述技术方案的优选，所述步骤24具体为：

步骤241、在分段总数中随机选择多个分段，在两个染色体中分别找出这些分段，不改变这些分段在各自染色体中的顺序，并互换位置；或，在分段总数中随机选择两对不同的数字，两个染色体中分别位置互换；

步骤242、将新生成的染色体与原有的染色体进行比较，选出比原有染色体适应度高的染色体，组成优秀种群。

本发明的上述技术方案的有益效果如下：

本发明能够从而为调度人员进行分段布局调度提供辅助。

附图说明

图1为本发明的实施例的基于遗传算法的曲面分段场地布局调度方法的流程示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

遗传算法(Genetic Algorithm，GA)作为一类抽象于生物进化过程的基于自然选择和生物遗传机制的随机搜索算法，可以适应不同的问题环境。由于它具有在较大的复杂空间进行全局搜索并获得最优解的能力和优良的计算性，在调度领域中己经得到了比较广泛的应用。本发明中引入遗传算法实现了由传统的单一分段布局优化到所有分段的全局优化的布局调度。

本发明实施例提出的基于遗传算法的曲面分段场地布局调度方法，其流程如图1所示的，包括：

步骤1、应用基于有限建造资源的日程计划平衡制定算法，根据预设的调度顺序对分段进行分段空间布局调度和虚拟流水式人力资源调度，并制定针对分段建造的资源场地和人员安排的日程计划；

步骤2、应用基于优化矩阵的多目标遗传算法完成分段调度顺序的排列编码和解码，并从根据日程计划建立优化的矩阵中选取最优的调度结果。

其中，其中所述步骤1中所述的进行分段空间布局调度具体为：

步骤11、对整个场地的曲面分段的调度进行初步规划，并制定曲面分段的布置顺序；

步骤12、获取曲面分段的几何图形和场地边界的几何图形，通过确定曲面分段是否在场地内与其他曲面分段及场地边界发生碰撞，以获取曲面分段在该场地内的可能的布置方案；

步骤13、对所述可能的布置方案进行筛选以最终确定曲面分段在场地内的布置位置，生成曲面分段空间布局分配方案。

本申请将在随后对分段空间布局调度进行详细说明。

其中，其中所述步骤1中所述的虚拟流水式人力资源调度具体为：

步骤14、获取每一分段内的加工工序；

步骤15、设置初始设置的人员配置方案，并以虚拟流水制造资源分配目标对每一分段内每一加工工序的初始设置的人员配置方案进行调整，并根据调整结果为每一加工工序分配加工人员；

步骤16、对每一分段中，在前后工序的加工时间存在间隙加工工序进行调整，以最终生成船舶曲面分段虚拟流水式建造的人员调度方案。

本申请将在随后对虚拟流水式人力资源调度具进行详细说明。

其中，所述步骤2包括：

步骤21、随机生成初始种群；

步骤22、通过预设的编码/解码算法将个体基因码解码成合理的分段布局调度顺序，制定曲面分段建造的日程计划；

步骤23、对所述日程计划根据多目标适应度函数进行多目标的适应度计算，构建优先级矩阵；

步骤24、根据轮赌法适应度较高的个体具有较高的繁殖概率，最后根据交叉率和变异率选择再生个体进行交叉和变异，选出其中优秀的基因构建优秀的种群，对优秀种群经过若干代进化后或达到优化的目标，最终种群中适应度最高的个体就是最优曲面分段空间布局方案。

其中，步骤22中所述的预设的编码/解码算法，包括自然数的编码方式表现型编码直接反映曲面分段的调度循序的表现型编码和基因型编码；所述步骤22具体包括：

步骤221、为每一曲面分段设置唯一的编号F_c={f₁、f₂...f_n-1、f_n}；其中n为调度的曲面分段的个数；

步骤222、设置表现型编码P_c={p₁、p₂...p_n-1、p_n}，以及基因型编码G_c={g₁、g₂...g_n-1、g_n}；其中，基因型编码在遗传算法中是可以与表现型编码相同的，但是考虑到可能会出现通过遗传得到的最优个体（适应度最高）可能不能满足最基本的合理性约束，因此本发明实施例中用G_c={g₁、g₂...g_n-1、g_n}表现基因型编码；

步骤223、根据已知分段调度顺序的基因码G_c={g₁、g₂...g_n-1、g_n}和原始编号F_c={f₁、f₂...f_n-1、f_n}，计算顺序的表现型编码P_c={p₁、p₂...p_n-1、p_n}。

其中，其中所述步骤223具体为：

步骤2231、计算其中i1<i2...<it，i=0到n

步骤2232、计算b=[t×g_i/n]+1，其中[]为取整操作符；

步骤133、其中p_i=f_ib。

其中，所述步骤23具体包括：

步骤231、通过以下公式计算场地利用率；

其中，[tn₀,tn₁...tn_mid...tn_n]为当场地中某一时间节点发生分段移除或移入时，场地利用率发生变化，将这些场地利用率发生变化的时间节点按时间轴顺序排列形成的数组；

其中tn₀表示调度开始的时间节点；

tn_mid表示最后一个移入场地分段的时间节点；

tn_n表示最后一个移除场地分段的时间节点；

[s₁,s₂....s_n]：s_i表示时间点t_i-1-t_i之间时间段的场地利用率；

f_sparet(tn_i-1,tn_i)表示时间段t_i-1-t_i之间的非工作时间；

w _s，in表示时刻tn_mid之前的场地利用率的加权值；

w_s，out表示时刻tn_mid之后的场地利用率的加权值；

S_space表示场地利用率适应度表达式值；

步骤232、通过以下公式计算人员周转利用率；

pw_i：表示员工i在工作时的每小时工资；

p_ri：表示员工i在上班时间没工作干时的每小时工资；

tw_j：表示员工i在第j天的实际工作时间；

tr_j：表示员工i在第j天的浪费的工作时间；

n：调度分段总数量；

m：在调度排产计划中员工工作总天数；

S_staff：人员周转利用率适应度表达式值；

步骤233、通过以下公式计算用户的满意度；

步骤234、通过以下公式计算用户的分段按时完工率适应度；

其中ω(et_i）：表示分段i的完工满意度值；

n：调度分段总数量；

S_intime：分段按时完工率适应度表达式值；

步骤235、根据所述场地利用率、人员周转利用率、分段按时完工率适应度建立优先级原始矩阵

并对每一列优选参数进行从小到大排序，并将其排序值赋予适应度优先级矩阵

例如在第一列为第j大的值则

步骤236、针对一个染色体，采用以下公式计算器适应度；

其中F_i越大染色体越优秀；

步骤237、通过以下公式计算优化指标：

其中，

w_space为场地利用率加权值；

w_staff为人员周转利用率加权值；

w_intime为分段按时完工率加权值；

为第i个染色体场地利用率、人员周转利用率、分段按时完工率适应度值；

为第i个染色体场地利用率、人员周转利用率、分段按时完工率排序值；

F_i为第i个染色体总体适应度值；

G_i为第i个染色体总体优化指标值。

其中，所述步骤24具体为：

步骤241、在分段总数中随机选择多个分段，在两个染色体中分别找出这些分段，不改变这些分段在各自染色体中的顺序，并互换位置；或，在分段总数中随机选择两对不同的数字，两个染色体中分别位置互换；

步骤242、将新生成的染色体与原有的染色体进行比较，选出比原有染色体适应度高的染色体，组成优秀种群。

其中，上述的船舶曲面分段空间布局调度的方法，包括：

步骤1、对整个场地的曲面分段的调度进行初步规划，并制定曲面分段的布置顺序；

步骤2、获取曲面分段的几何图形和场地边界的几何图形，通过确定曲面分段是否在场地内与其他曲面分段及场地边界发生碰撞，以获取曲面分段在该场地内的可能的布置方案；

步骤3、对所述可能的布置方案进行筛选以最终确定曲面分段在场地内的布置位置，生成曲面分段空间布局分配方案。

在所述的步骤1中，对整个场地的曲面分段的调度进行初步规划时需要考虑车间已经下发的生产任务根据交货期、物料信息以及制造周期等信息，该为现有技术，在此不再赘述。

而其中的制定曲面分段的加工顺序具体包括：

通过以下公式进行曲面分段的布置顺序进行筛选：

其中：

Z_i为曲面分段制造顺序的优先级值；

w_h1为制造周期的权重值，w_h2为制造资源均衡的权重值，w_h3为场地剩余面积的权重值；

B_i为曲面分段i的可开始加工时间，D_i为曲面分段i交货期时间；

M分别为场地中已有的每个分段制造生产需要制造资源数量，M_i表示分段i在制造过程中需要的制造资源数量；

S为曲面分段几何图形面积，Q为曲面分段排入场地的面积，其中Q-∑S代表场地中除去已排布分段的面积。

其中，步骤2中需要获取场地边界的位置信息，并获取每一曲面分段的相应的几何形状，以作为后续的基础。然后按照步骤1中确定的曲面分段的加工序列的顺序选取曲面分段进行分布，并碰撞监控机制对曲面分段是否与场地边界发生碰撞进行检测。具体为：

步骤21、以端点坐标集合的形式描述曲面分段的几何图形，并将集合中的坐标点顺序连接以形成曲面分段的外轮廓图形；

步骤22、从所述端点坐标集合中选取一个端点的坐标作为该曲面分段几何图形的定位基准点；

步骤23、选取待定的曲面分段对应的端点坐标集合，以及所述待定的曲面分段的定位基准点；

步骤24、以所述定位基准点沿X轴正方向做一条射线，并计算该射线与场地边界及已设置的曲面分段的交叉的次数N；如果

步骤25、判断所述以及已排布分段边界碰撞的次数N；如果N/2=0，则该定位基准点在其他图形外部，跳转到步骤24；如果N/2=0，则该定位基准点在其他图形内部，确认该曲面分段与其他曲面分段或场地边界发生了碰撞；

步骤26、判断所述端点坐标集合中是否还有未处理过的端点，如果有则从所述未处理过的端点中一个端点的坐标作为该曲面分段几何图形的定位基准点，并跳转到步骤23；如果否则确认该曲面分段未发生碰撞。

在本发明实施例中，在步骤25中还可以采用以下的碰撞解决机制来在确定了发生碰撞后进行相应处理。具体的，在步骤25的最后还包括以下步骤：

步骤25a、建立场地边界坐标的集合C；

步骤25b、选取一对边界点C_d分别作为边界的起始点和结束点；

步骤25c、将定位基准点从该起始点沿着所述场地边界向结束点方向移动，以判断该定位基准点对应的曲面分段是否与其他分段发生了碰撞；如果与已有边界块发生碰撞后，则对碰撞点的位置通过以下公式进行判定：

G_d|S_x代表边界点中的起始点的X坐标，C_d|E_x则代表边界点中的结束点的X坐标；

如果标志点St_x大于分段定位基准点P_y，说明分段点在边界左侧，根据分段移动方向应该为远离碰撞边界的原则，则继续向着分段的左侧进行移动，直到不发生碰撞；

然后调换碰撞坐标点然后调换X和Y轴的顺序，并使用上述公式在Y轴方向上进行判断；

步骤25d、当该曲面分段不与场地边界和其他曲面分段发生碰撞后，记录该位置。

在上述步骤2的具体方案中，可以确定很多个不会发生碰撞的可能位置。而在这些可能位置中找到一个合适的位置是很难的。因此本发明实施例还提出了进一步进行筛选的机制。即前述的步骤3可以具体为：

通过曲面分段的位置确定规则对曲面分段的可能位置中的点集合进行筛选，分别将曲面分段位置带入最大剩余矩形规则与最小包络面积规则中进行计算，得到在此优化规则下曲面分段位置的优化指标，并最终筛选出最优化的位置作为该曲面分段的位置。

其中所述最大剩余矩形规则具体为：

曲面分段放入场地后，场地剩余面积能够构建出的面积最大的矩形的位置为最优化位置。

其中所述最小包络面积规则具体为：

步骤A、以所有曲面分段位置中纵坐标不同且横坐标最大的点为包络点，建立包络点集合；

步骤B、将集合中的点首尾相接便构成了包络图形，并计算出包络面积；

步骤C、通过以下公式将每一可能位置对应的包络面积与包络范围内曲面分段的总面积进行对比，并选择比值最大的可能位置：

其中：

P_i，j为分段在场地构成图形的外围包络点，由图形分析算法取得，P_i(x,y)为P点的x，y坐标；

b_a为包络范围内曲面分段的面积；

m为包络面积外围包络点的总数，n为包络范围内所有分段的个数。

为了降低计算量，本发明实施例中在确定了一个曲面分段的位置后，还包括：

当所述曲面分段的位置确定后，对场地边界进行重新分析以将新加入的曲面分段与原场地形状进行拟合，重新计算场地边界形状，从而简化分段碰撞检测步骤，直接检测分段与场地边界的碰撞即可完成分段位置的筛选。

其中，上述的实现船舶曲面分段虚拟流水式建造的方法，包括：

步骤1、获取每一分段内的加工工序；

步骤2、设置初始设置的人员配置方案，并以虚拟流水制造资源分配目标对每一分段内每一加工工序的初始设置的人员配置方案进行调整，并根据调整结果为每一加工工序分配加工人员；

步骤3、对每一分段中，在前后工序的加工时间存在间隙加工工序进行调整，以最终生成船舶曲面分段虚拟流水式建造的人员调度方案。

其中，该初始设置的人员配置方案具体为：为每一分段分配最大的可生产人数，直至所有工作人员都分配完毕。同时，步骤2中的虚拟流水制造资源分配目标min Z具体为：

其中0＜minZ＜w_h；j+1≤m；

其中：

w_h为工序间作业连续性权重，可根据生产实际需要进行设定；

T_i，j为任务i的工序j；

C_j为加工工序的生产效率，

n_j为此工序对应的加工人员的数量；

为所有相邻工序加工符合差值的最大值。

在本发明实施例中，是对每一个分段的每一具有时间间隙的工序都执行步骤3的方法，以使每一工序所占用的工作人员最少。该每一工序的工作人员的调整步骤具体为：

步骤31、监测每一分段，将分段中前后工序加工时间存在间隙的分段加入可调配分段集合中，作为目标搜索分段；

步骤32、在所述可调配工序段集合选取一个目标搜索分段；

步骤33、监测该目标检索分段的每一工序的前一工序的结束时间、该工序的开始时间、后续工序的开始时间；

步骤34、调整该工序的工作人员，并确保该工序中的工作人员为完成该工序的结束时间早于下一工序开始时间所需的最小工作人员数；

步骤35、将该调整后的目标搜索分段从所述可调配分段集合中删除；

步骤36、判断可调配分段集合中是否还有目标调整分段，如果有则选择一个目标调整分段，并返回步骤33；如果没有则步骤结束。

其中，所述步骤33具体为：

步骤331、从该工序中抽调出一名工作人员，并将该名工作人员添加到可调配工作人员集合中；

步骤332、判断该工序是否满足以下公式，如果是则返回步骤331；

S_i,j为分段i的工序j的开始时间；

E_i，j为分段i的工序j的结束时间；

C_j为加工工序的生产效率；

n_j为此工序对应的加工人员的数量。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种基于遗传算法的曲面分段场地布局调度方法，其特征在于，包括：

步骤1、应用基于有限建造资源的日程计划平衡制定算法，根据预设的调度顺序对分段进行分段空间布局调度和虚拟流水式人力资源调度，并制定针对分段建造的资源场地和人员安排的日程计划；

步骤2、应用基于优化矩阵的多目标遗传算法完成分段调度顺序的排列编码和解码，并从根据日程计划建立优化的矩阵中选取最优的调度结果；

其中所述步骤1中所述的进行分段空间布局调度具体为：

步骤11、对整个场地的曲面分段的调度进行初步规划，并制定曲面分段的布置顺序；

步骤12、获取曲面分段的几何图形和场地边界的几何图形，通过确定曲面分段是否在场地内与其他曲面分段及场地边界发生碰撞，以获取曲面分段在该场地内的可能的布置方案；

步骤13、对所述可能的布置方案进行筛选以最终确定曲面分段在场地内的布置位置，生成曲面分段空间布局分配方案；

其中所述步骤1中所述的虚拟流水式人力资源调度具体为：

步骤14、获取每一分段内的加工工序；

步骤15、设置初始设置的人员配置方案，并以虚拟流水制造资源分配目标对每一分段内每一加工工序的初始设置的人员配置方案进行调整，并根据调整结果为每一加工工序分配加工人员；

步骤16、对每一分段中，在前后工序的加工时间存在间隙时，对加工工序进行调整，以最终生成船舶曲面分段虚拟流水式建造的人员调度方案；

所述步骤2包括：

步骤21、随机生成初始种群；

步骤22、通过预设的编码/解码算法将个体基因码解码成合理的分段布局调度顺序，制定曲面分段建造的日程计划；

步骤23、对所述日程计划根据多目标适应度函数进行多目标的适应度计算，构建优先级矩阵；具体的，根据场地利用率、人员周转利用率、分段按时完工率适应度建立优先级原始矩阵；

步骤24、根据轮赌法适应度较高的个体具有较高的繁殖概率，最后根据交叉率和变异率选择再生个体进行交叉和变异，选出其中优秀的基因构建优秀的种群，对优秀的种群经过若干代进化后或达到优化的目标后，最终的种群中适应度最高的个体为最优曲面分段空间布局方案；步骤22中所述预设的编码/解码算法，包括直接反映曲面分段的调度循序的表现型编码和基因型编码；

所述步骤22具体包括：

步骤221、为每一曲面分段设置唯一的编号F_c＝{f₁、f₂...f_n-1、f_n}；其中n为调度的曲面分段的个数；

步骤222、设置表现型编码P_c＝{p₁、p₂...p_n-1、p_n}，以及基因型编码G_c＝{g₁、g₂...g_n-1、g_n}；其中，基因型编码在遗传算法中与表现型编码相同；

步骤223、根据已知分段调度顺序的基因码G_c＝{g₁、g₂...g_n-1、g_n}和原始编号F_c＝{f₁、f₂...f_n-1、f_n}，计算顺序的表现型编码P_c＝{p₁、p₂...p_n-1、p_n}；其中所述步骤223具体为：

步骤2231、计算其中i1<i2...<it，i＝0到n，且t为的元素的个数；

步骤2232、计算b＝[t×g_i/n]+1，其中[]为取整操作符，b为的第b个元素；

步骤133、其中p_i＝f_ib；

所述步骤23具体包括：

步骤231、通过以下公式计算场地利用率；

$\begin{array}{c}{S}_{space}=\frac{w_{s,in}\&lsqb;\underset{i=1}{\overset{mid}{\&Sigma;}}{s}_i\left({\mathrm{tn}}_i-{\mathrm{tn}}_{i-1}-f_{sparet}\left({\mathrm{tn}}_{i-1},{\mathrm{tn}}_i\right)\right)\&rsqb;}{\left({\mathrm{tn}}_{\mathrm{mi}d}-{\mathrm{tn}}_0-f_{sparet}\left({\mathrm{tn}}_0,{\mathrm{tn}}_{mid}\right)\right)}+\\ \frac{w_{s,out}\left({\mathrm{tn}}_n-{\mathrm{tn}}_{mid}-f_{sparet}\left({\mathrm{tn}}_{mid},{\mathrm{tn}}_n\right)\right)}{\left({\mathrm{tn}}_{mid}-{\mathrm{tn}}_0-f_{sparet}\left({\mathrm{tn}}_0,{\mathrm{tn}}_{mid}\right)\right)}\&lsqb;1-\frac{\underset{i=mid+1}{\overset{n}{\&Sigma;}}{s}_i\left(t_i-t_{i-1}-f_{sparet}\left({\mathrm{tn}}_{i-1},{\mathrm{tn}}_i\right)\right)}{\left({\mathrm{tn}}_n-{\mathrm{tn}}_{mid}-f_{sparet}\left({\mathrm{tn}}_{mid},{\mathrm{tn}}_n\right)\right)}\&rsqb;\end{array}$

其中，[tn₀,tn₁...tn_mid...tn_n]为当场地中某一时间节点发生分段移除或移入时，场地利用率发生变化，将这些场地利用率发生变化的时间节点按时间轴顺序排列形成的数组；

其中tn₀表示调度开始的时间节点；

tn_mid表示最后一个移入场地分段的时间节点；

tn_n表示最后一个移除场地分段的时间节点；

[s₁,s₂....s_n]：s_i表示时间点t_i-1-t_i之间时间段的场地利用率；

f_sparet(tn_i-1,tn_i)表示时间段t_i-1-t_i之间的非工作时间；

w_s，in表示时刻tn_mid之前的场地利用率的加权值；

w_s，out表示时刻tn_mid之后的场地利用率的加权值；

S_space表示场地利用率适应度表达式值；

步骤232、通过以下公式计算人员周转利用率；

$S_{staff}=\frac{\underset{i=1}{\overset{n}{\&Sigma;}}\&lsqb;{\mathrm{pw}}_i\left(\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{tw}}_j\right)\&rsqb;}{\underset{i=1}{\overset{n}{\&Sigma;}}\&lsqb;{\mathrm{pw}}_i\left(\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{tw}}_j\right)\&rsqb;+\underset{i=1}{\overset{n}{\&Sigma;}}\&lsqb;{\mathrm{pr}}_i\left(\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{tr}}_j\right)\&rsqb;}$

pw_i：表示员工i在工作时的每小时工资；

pr_i：表示员工i在上班时间没工作干时的每小时工资；

tw_j：表示员工i在第j天的实际工作时间；

tr_j：表示员工i在第j天的浪费的工作时间；

n：调度分段总数量；

m：在调度排产计划中员工工作总天数；

S_staff：人员周转利用率适应度表达式值；

步骤233、计算用户的满意度；

步骤234、通过以下公式计算用户的分段按时完工率适应度；

$S_{intime}=\frac{\underset{i=1}{\overset{n}{\&Sigma;}}\mathrm{\&omega;}\left({\mathrm{et}}_i\right)}{n}$

其中ω(et_i)：表示分段i的完工满意度值；

n：调度分段总数量；

S_intime：分段按时完工率适应度表达式值；

步骤235、根据所述场地利用率、人员周转利用率、分段按时完工率适应度建立优先级原始矩阵

$\left[\begin{array}{ccc}{S}_{space}^1& S_{staff}^1& S_{\mathrm{int}ime}^1\\ S_{space}^2& S_{staff}^2& S_{\mathrm{int}ime}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ S_{space}^k& S_{staff}^k& S_{\mathrm{int}ime}^k\end{array}\right];$

并对每一列优选参数进行从小到大排序，并将其排序值赋予适应度优先级矩阵

$\left[\begin{array}{ccc}{f}_{space}^1& f_{staff}^1& f_{\mathrm{int}ime}^1\\ f_{space}^2& f_{staff}^2& f_{\mathrm{int}ime}^2\\ .& .& .\\ .& .& .\\ .& .& .\\ f_{space}^k& f_{staff}^k& f_{\mathrm{int}ime}^k\end{array}\right];$

其中，在第一列为第j大的值时，则

步骤236、针对一个染色体，采用以下公式计算适应度；

$F_i=w_{space}{f}_{space}^i+w_{staff}{f}_{staff}^i+w_{\mathrm{int}ime}{f}_{\mathrm{int}ime}^i$

其中F_i越大染色体越优秀；

步骤237、通过以下公式计算优化指标：

$G_i=w_{space}{S}_{space}^i+w_{staff}{S}_{staff}^i+w_{\mathrm{int}ime}{S}_{\mathrm{int}ime}^i$

其中，

w_space为场地利用率加权值；

w_staff为人员周转利用率加权值；

w_intime为分段按时完工率加权值；

为第i个染色体场地利用率、人员周转利用率、分段按时完工率适应度值；

为第i个染色体场地利用率、人员周转利用率、分段按时完工率排序值；

F_i为第i个染色体总体适应度值；

G_i为第i个染色体总体优化指标值。

2.根据权利要求1所述的基于遗传算法的曲面分段场地布局调度方法，其特征在于，所述步骤24具体为：

步骤241、在分段总数中随机选择多个分段，在两个染色体中分别找出这些分段，不改变这些分段在各自染色体中的顺序，并互换位置；或，在分段总数中随机选择两对不同的数字，两个染色体中分别位置互换；

步骤242、将新生成的染色体与原有的染色体进行比较，选出比原有染色体适应度高的染色体，组成优秀种群。