CN107730024A - 一种应用于汽车发动机连杆零件加工的优化调度方法 - Google Patents
一种应用于汽车发动机连杆零件加工的优化调度方法 Download PDFInfo
- Publication number
- CN107730024A CN107730024A CN201710732830.7A CN201710732830A CN107730024A CN 107730024 A CN107730024 A CN 107730024A CN 201710732830 A CN201710732830 A CN 201710732830A CN 107730024 A CN107730024 A CN 107730024A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- queen bee
- workpiece
- mtd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 241000256844 Apis mellifera Species 0.000 claims abstract description 163
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 37
- 230000013011 mating Effects 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 230000001976 improved effect Effects 0.000 claims abstract description 6
- 230000003044 adaptive effect Effects 0.000 claims description 32
- 230000035772 mutation Effects 0.000 claims description 23
- 241000257303 Hymenoptera Species 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000003754 machining Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000009187 flying Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims 1
- 230000009850 completed effect Effects 0.000 claims 1
- 230000027326 copulation Effects 0.000 description 6
- 230000001934 delay Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
本发明涉及一种应用于汽车发动机连杆零件加工的优化调度方法，属于汽车发动机技术领域。本发明通过确定发动机连杆零件加工过程中的调度模型和优化目标，并使用改进蜜蜂交配优化算法对模型的优化目标进行计算与优化，其中调度模型是基于每个零件在每个加工工序的机器上的设置时间、到达时间、完工时间和加工时间建立的，同时优化目标为使提前完工或延期完工的惩罚TWET最小化。本发明改进了蜜蜂交配算法，使得全局搜索能够更有效的找到最优解，并引入了邻域搜索，使得全局搜索能够有效的跳出局部最优，增强了算法的局部搜索能力，进一步提高解的质量。
Description
技术领域
本发明涉及一种应用于汽车发动机连杆零件加工的优化调度方法，属于汽车发动机技术领域。
背景技术
随着经济的发展，汽车生产受到了越来越多的重视，同时在汽车加工过程中对汽车零件的加工要求也越来越高，更加高质量高效率的加工工序才能满足市场的需求。其中汽车发动机是汽车的重要核心部分，它的每个零件在满足机械性能的条件下更要满足高性能低排放的条件，而连杆是发动机的主要传动部件之一，起到驱动运动和受力的作用，因此设计一种应用于发动机连杆零件加工的优化调度方法是至关重要的，不仅使加工过程高效率更会使企业得到高收益。
汽车发动机连杆的生产加工主要经过锻造，然后多步热处理工艺，最后粗车和精车等工序，整个流程需要在多个机器设备上完成，且每种机器设备所执行的加工工艺不同。每个零件需要执行完整套加工流程才算完成加工，且整个加工工序的顺序是固定的，经过锻造的零件才能进行热处理，经过粗车的零件才能精车之后成品每个加工工序不可重复进行，且每个机器加工过程中只允许加工一个零件不可中断。因此，连杆的加工工序的特点是，每个零件的加工顺序是由整个生产工序决定的，每个零件选择开始的机器设备是相同的，且在生产过程中每种机器设备之进入一次不可中断，由于要求零件尺寸等性能的精准度，因此在加工零件之前存在一定的设置时间，对机器标准的设置及零件放置位置的设置。对于企业的利益每个零件应该设定一定的交货时间，过早加工完成会造成额外的储存成本，而延迟完成则会造成误工，因此不过提前加工完成还是拖后加工完成都存在一定的惩罚。整个加工过程属于一类典型的带设置时间、到达时间和交货时间的零等待流水作业车间生产过程，该调度问题属于NP难问题，对该问题进行合理的调度优化可以有效的提高零件的生产效率及质量。
由于发动机连杆零件加工过程的优化调度是一个复杂的非线性规划问题，传统的数学规划方法只能求解小规模问题，而启发式构造性方法优化质量较差。因此，在求解这个问题时不同的优化算法都存在各自的优点和缺点，本发明设计一种基于改进蜜蜂交配优化算法的优化调度方法，可以在一定时间内获得发动机连杆零件加工过程调度问题的优良解。
发明内容
本发明提供了一种应用于汽车发动机连杆零件加工的优化调度方法，以用于在一定时间内获得发动机连杆零件加工过程调度问题的优良解。
本发明的技术方案是：一种应用于汽车发动机连杆零件加工的优化调度方法，通过确定发动机连杆零件加工过程中的调度模型和优化目标，并使用改进蜜蜂交配优化算法对模型的优化目标进行计算与优化，其中调度模型是基于每个零件在每个加工工序的机器上的设置时间、到达时间、完工时间和加工时间建立的，同时优化目标为使提前完工或延期完工的惩罚TWET最小化：
其中：令π＝[j1,j2,...,jn]表示求解问题的一组可行解，是n个工件的加工排序；m表示共有m台机器即m种工序，表示工件ji在第l号机器上的加工时间，表示在第l号机器上工件ji-1后面加工的工件ji的设置时间，表示工件ji-1和工件ji在机器l上完成加工时完工时间点之间的差值，表示工件ji在所有机器上的加工时间和，表示工件ji-1和工件ji在第一台机器上开始加工时起始时间点之间的差值，表示工件ji的到达时间即可以开始加工的时间，表示工件ji在第一台机器上的开始加工时间，表示工件ji的完工时间，表示工件ji的期望完工时间，表示工件ji的提前完工时间，表示工件ji的误工时间，ω1、ω2分别表示提前和延后完工的惩罚系数，优化目标为在所有解的集合中找到一个π使得工件加工完的惩罚值TWET最小。
所述改进蜜蜂交配优化算法的具体步骤如下：
A、蜂群初始化：根据问题模型初始化算法的各个参数及初始蜂群，参数主要包括雄峰、幼蜂的个数，蜂王受精囊的容量，蜂王飞行交配的次数即迭代次数及蜂王能量的临界值和飞行速度的临界值；
B、评价初始蜂群：计算初始蜂群中每个个体的适应值，其中适应值最优的个体为蜂王；
C、交配：蜂王飞出巢穴与雄峰进行交配，这期间雄峰通过概率P被选中与蜂王进行交配；当交配过的雄蜂数量达到受精囊的容量时或蜂王的现有能量值低于临界值时蜂王将停止交配；
D、产生幼蜂：蜂王从受精囊中随机选出精子与它本身进行交叉操作一次产生下一代幼蜂；
E、培育幼蜂：产生的幼蜂由工蜂进行抚养，即对其进行基于“insert”的变异操作；
F、对幼蜂蜂群进行局部搜索：基于“exchange”的变异操作：随机选择幼蜂蜂群中30％的解的排序执行“exchange”变异操作，并对变异后的幼蜂重新进行调度目标的评价，得到变异后新的幼蜂蜂群；
G、对蜂王进行变异操作：对蜂王进行“Inverse”变异操作后对变异后的蜂王重新进行调度目标的评价，得到准蜂王并令其与老蜂王比较适应值，如果其适应值优于老蜂王则成为新一代的蜂王；
H、产生新一代蜂王：评价最终幼蜂种群个体的适应值，选适应值最优的个体与上一代蜂王比较，若优于上一代蜂王则选该幼蜂为新一代蜂王，否则保留上一代蜂王；
I、产生新一代雄蜂：令幼蜂与上一代雄蜂比较适应值，若由于雄蜂则取代否则保留，以此形成新一代雄蜂；
J、进行新一次交配：若交配次数未达到交配上限则进行新一次交配，跳至步骤C；
K、获得问题最优解：当交配次数达到交配上限，则选取蜂王的适应值为问题的最优解。
本发明的工作原理是：
步骤1：建立发动机连杆零件加工过程中的调度模型和优化目标。
其中调度模型是基于每个零件在每个加工工序的机器上的设置时间、到达时间、完工时间和加工时间建立的，同时优化目标为使提前完工或延期完工的惩罚TWET最小化：
其中：令π＝[j1,j2,...,jn]表示求解问题的一组可行解，是n个工件的加工排序；m表示共有m台机器即m种工序，表示工件ji在第l号机器上的加工时间，表示在第l号机器上工件ji-1后面加工的工件ji的设置时间，表示工件ji-1和工件ji在机器l上完成加工时完工时间点之间的差值，表示工件ji在所有机器上的加工时间和，表示工件ji-1和工件ji在第一台机器上开始加工时起始时间点之间的差值，表示工件ji的到达时间即可以开始加工的时间，表示工件ji在第一台机器上的开始加工时间，表示工件ji的完工时间，表示工件ji的期望完工时间，表示工件ji的提前完工时间，表示工件ji的误工时间，ω1、ω2分别表示提前和延后完工的惩罚系数，优化目标为在所有解的集合中找到一个π使得工件加工完的惩罚值TWET最小。
步骤2、问题解的表示：π＝[j1,j2,...,jn]表示求解问题的一组可行解，它是基于工件的加工顺序产生的编码方式。例如工件数n＝5，则π＝[j1,j2,j3,j4,j5]＝[1,3,2,5,4]就可以表示为一个可行解的工件的加工顺序，其中工件1先加工，然后工件2以此类推，加工机器顺序固定。
步骤3、蜂群初始化：根据问题模型初始化算法的各个参数及初始蜂群，参数主要包括雄峰、幼蜂的个数，蜂王受精囊的容量，蜂王飞行交配的次数(迭代次数)及蜂王能量的临界值；
步骤4、评价初始蜂群：计算初始蜂群中每个个体的适应值，其中适应值最优的个体为蜂王；
步骤5、交配：蜂王飞出巢穴与雄峰进行交配，这期间雄峰通过概率P被选中与蜂王进行交配。
式中：Δ(fi)＝|f(Queen)-f(Dronei)|.
Energy(t+1)＝α*Energy(t),t∈{0,1,2,...,t},α∈[0,1].
Speed(t+1)＝Energy(t)-β,t∈{0,1,2,...,t},β∈[0,1].
当交配过的雄蜂数量达到受精囊的容量时或蜂王的现有能量值低于临界值时蜂王将停止交配；
步骤6、产生幼蜂：蜂王从受精囊中随机选出精子与它本身进行交叉操作一次产生下一代幼蜂；
步骤7、培育幼蜂：产生的幼蜂由工蜂进行抚养，即对其进行变异操作，该过程采取的是“insert”变异操作；
步骤8、对幼蜂蜂群进行局部搜索：基于“exchange”的变异操作：随机选择幼蜂蜂群中30％的解的排序执行“exchange”变异操作，并对变异后的幼蜂重新进行调度目标的评价，得到变异后新的幼蜂蜂群；
步骤9、对蜂王进行变异操作：对蜂王进行“Inverse”变异操作后对变异后的蜂王重新进行调度目标的评价，得到准蜂王并令其与老蜂王比较适应值，如果其适应值优于老蜂王则成为新一代的蜂王；
步骤10、产生新一代蜂王：评价最终幼蜂种群个体的适应值，选适应值最优的个体与上一代蜂王比较，若优于上一代蜂王则选该幼蜂为新一代蜂王，否则保留上一代蜂王；
步骤11、产生新一代雄蜂：令幼蜂与上一代雄蜂比较适应值，若由于雄蜂则取代否则保留，以此形成新一代雄蜂；
步骤12、进行新一次交配：若交配次数未达到交配上限则进行新一次交配；
步骤13、获得问题最优解：当交配次数达到交配上限，则选取蜂王的适应值为问题的最优解。
本发明的有益效果是：
1、提出了发动机连杆零件加工过程的调度模型和优化目标，并引入了一种新的智能算法来求解问题；
2、改进了蜜蜂交配算法，对每代的蜂王进行了“Inverse”变异操作，并保留性能好的一个，这样更利于全局搜索找到最优解；
3、引入了基于“exchange”变异操作的邻域搜索，使得全局搜索能够有效的跳出局部最优，增强了算法的局部搜索能力，进一步提高解的质量。
附图说明
图1为本发明中发动机连杆零件加工过程示意图；
图2为本发明的算法流程图；
图3为本发明的基于“Insert”的变异示意图；
图4为本发明的“Inverse”操作示意图；
图5为本发明的“exchange”操作示意图。
具体实施方式
实施例1：如图1-5所示，一种应用于汽车发动机连杆零件加工的优化调度方法，通过确定发动机连杆零件加工过程中的调度模型和优化目标，并使用改进蜜蜂交配优化算法对模型的优化目标进行计算与优化，其中调度模型是基于每个零件在每个加工工序的机器上的设置时间、到达时间、完工时间和加工时间建立的，同时优化目标为使提前完工或延期完工的惩罚TWET最小化：
其中：令π＝[j1,j2,...,jn]表示求解问题的一组可行解，是n个工件的加工排序；m表示共有m台机器即m种工序，表示工件ji在第l号机器上的加工时间，表示在第l号机器上工件ji-1后面加工的工件ji的设置时间，表示工件ji-1和工件ji在机器l上完成加工时完工时间点之间的差值，表示工件ji在所有机器上的加工时间和，表示工件ji-1和工件ji在第一台机器上开始加工时起始时间点之间的差值，表示工件ji的到达时间即可以开始加工的时间，表示工件ji在第一台机器上的开始加工时间，表示工件ji的完工时间，表示工件ji的期望完工时间，表示工件ji的提前完工时间，表示工件ji的误工时间，ω1、ω2分别表示提前和延后完工的惩罚系数，优化目标为在所有解的集合中找到一个π使得工件加工完的惩罚值TWET最小。
所述改进蜜蜂交配优化算法的具体步骤如下：
A、蜂群初始化：根据问题模型初始化算法的各个参数及初始蜂群，其中雄峰个数为三倍工件数，幼蜂个数和蜂王受精囊的容量均为两倍工件数，蜂王飞行交配的次数(迭代次数)为100次，蜂王能量的临界值为1，飞行速度的临界值为100，以工件的加工顺序对蜂群进行编码π＝[j1,j2,...,jn]，n为工件个数；
B、评价初始蜂群：计算初始蜂群中每个个体的适应值，其中适应值最优的个体为蜂王；
C、交配：蜂王飞出巢穴与雄峰进行交配，这期间雄峰通过概率P被选中与蜂王进行交配。当交配过的雄蜂数量达到受精囊的容量时或蜂王的现有能量值低于临界值时蜂王将停止交配；
D、产生幼蜂：蜂王从受精囊中随机选出精子与它本身进行交叉操作一次产生下一代幼蜂；
E、培育幼蜂：产生的幼蜂由工蜂进行抚养，即对其进行基于“Insert”的变异操作；
F、对幼蜂蜂群进行局部搜索：基于“exchange”的变异操作：随机选择幼蜂蜂群中30％的解的排序执行“exchange”变异操作，并对变异后的幼蜂重新进行调度目标的评价，得到变异后新的幼蜂蜂群；
G、对蜂王进行变异操作：对蜂王进行“Inverse”变异操作后对变异后的蜂王重新进行调度目标的评价，得到准蜂王并令其与老蜂王比较适应值，如果其适应值优于老蜂王则成为新一代的蜂王；
H、产生新一代蜂王：评价最终幼蜂种群个体的适应值，选适应值最优的个体与上一代蜂王比较，若优于上一代蜂王则选该幼蜂为新一代蜂王，否则保留上一代蜂王；
I、产生新一代雄蜂：令幼蜂与上一代雄蜂比较适应值，若由于雄蜂则取代否则保留，以此形成新一代雄蜂；
J、进行新一次交配：若交配次数未达到交配上限则进行新一次交配；
K、获得问题最优解：当交配次数达到交配上限100次，则选取蜂王的适应值为问题的最优解。
表1给出了不同问题规模下所求得的目标函数值；
表1给出了不同问题规模情况下所求得的目标函数值
| n*m | 20*5 | 30*5 | 50*5 |
| 标准遗传算法 | 806.55 | 3584.14 | 1030.06 |
| 标准蜜蜂交配算法 | 781.81 | 3543.08 | 955.98 |
| 改进的蜜蜂交配算法 | 723.29 | 3517.25 | 907.36 |
由表1可见，对于本发明所考虑的最小化TWET指标，对于所考虑的问题均明显优于标准遗传算法和标准蜜蜂交配算法，这证明改进的蜜蜂交配算法是求解汽车发动机连杆零件加工过程优化的一种有效算法。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (3)
1.一种应用于汽车发动机连杆零件加工的优化调度方法，其特征在于：通过确定发动机连杆零件加工过程中的调度模型和优化目标，并使用改进蜜蜂交配优化算法对模型的优化目标进行计算与优化，其中调度模型是基于每个零件在每个加工工序的机器上的设置时间、到达时间、完工时间和加工时间建立的，同时优化目标为使提前完工或延期完工的惩罚TWET最小化：
<mrow>
<msub>
<mi>ML</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<msub>
<mi>s</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>}</mo>
<mo>+</mo>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>max</mi>
<mo>{</mo>
<msub>
<mi>ML</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mn>1</mn>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>s</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>}</mo>
<mo>+</mo>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
<mrow>
<msub>
<mi>sp</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>p</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>ML</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>sp</mi>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>sp</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>.</mo>
</mrow>
<mrow>
<msub>
<mi>St</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<msub>
<mi>ML</mi>
<mrow>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>sp</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>St</mi>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</msub>
<mo>+</mo>
<mi>max</mi>
<mo>{</mo>
<msub>
<mi>L</mi>
<mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>St</mi>
<msub>
<mi>j</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</msub>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
<mrow>
<msub>
<mi>C</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<msub>
<mi>St</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<msub>
<mi>sp</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>.</mo>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>C</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
<mrow>
<msub>
<mi>T</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
<mrow>
<mi>T</mi>
<mi>W</mi>
<mi>E</mi>
<mi>T</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>E</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>T</mi>
<msub>
<mi>j</mi>
<mi>i</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
其中：令π＝[j1,j2,...,jn]表示求解问题的一组可行解，是n个工件的加工排序；m表示共有m台机器即m种工序，表示工件ji在第l号机器上的加工时间，表示在第l号机器上工件ji-1后面加工的工件ji的设置时间，表示工件ji-1和工件ji在机器l上完成加工时完工时间点之间的差值，表示工件ji在所有机器上的加工时间和，表示工件ji-1和工件ji在第一台机器上开始加工时起始时间点之间的差值，表示工件ji的到达时间即可以开始加工的时间，表示工件ji在第一台机器上的开始加工时间，表示工件ji的完工时间，表示工件ji的期望完工时间，表示工件ji的提前完工时间，表示工件ji的误工时间，ω1、ω2分别表示提前和延后完工的惩罚系数，优化目标为在所有解的集合中找到一个π使得工件加工完的惩罚值TWET最小。
2.根据权利要求1所述的应用于汽车发动机连杆零件加工的优化调度方法，其特征在于：所述改进蜜蜂交配优化算法的具体步骤如下：
A、蜂群初始化：根据问题模型初始化算法的各个参数及初始蜂群，参数主要包括雄峰、幼蜂的个数，蜂王受精囊的容量，蜂王飞行交配的次数即迭代次数及蜂王能量的临界值和飞行速度的临界值；
B、评价初始蜂群：计算初始蜂群中每个个体的适应值，其中适应值最优的个体为蜂王；
C、交配：蜂王飞出巢穴与雄峰进行交配，这期间雄峰通过概率P被选中与蜂王进行交配；当交配过的雄蜂数量达到受精囊的容量时或蜂王的现有能量值低于临界值时蜂王将停止交配；
D、产生幼蜂：蜂王从受精囊中随机选出精子与它本身进行交叉操作一次产生下一代幼蜂；
E、培育幼蜂：产生的幼蜂由工蜂进行抚养，即对其进行基于“insert”的变异操作；
F、对幼蜂蜂群进行局部搜索：基于“exchange”的变异操作：随机选择幼蜂蜂群中30％的解的排序执行“exchange”变异操作，并对变异后的幼蜂重新进行调度目标的评价，得到变异后新的幼蜂蜂群；
G、对蜂王进行变异操作：对蜂王进行“Inverse”变异操作后对变异后的蜂王重新进行调度目标的评价，得到准蜂王并令其与老蜂王比较适应值，如果其适应值优于老蜂王则成为新一代的蜂王；
H、产生新一代蜂王：评价最终幼蜂种群个体的适应值，选适应值最优的个体与上一代蜂王比较，若优于上一代蜂王则选该幼蜂为新一代蜂王，否则保留上一代蜂王；
I、产生新一代雄蜂：令幼蜂与上一代雄蜂比较适应值，若由于雄蜂则取代否则保留，以此形成新一代雄蜂；
J、进行新一次交配：若交配次数未达到交配上限则进行新一次交配，跳至步骤C；
K、获得问题最优解：当交配次数达到交配上限，则选取蜂王的适应值为问题的最优解。
3.根据权利要求1或2所述的应用于汽车发动机连杆零件加工的优化调度方法，其特征在于：种群规模设置为100。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710732830.7A CN107730024A (zh) | 2017-08-24 | 2017-08-24 | 一种应用于汽车发动机连杆零件加工的优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710732830.7A CN107730024A (zh) | 2017-08-24 | 2017-08-24 | 一种应用于汽车发动机连杆零件加工的优化调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107730024A true CN107730024A (zh) | 2018-02-23 |
Family
ID=61205164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710732830.7A Pending CN107730024A (zh) | 2017-08-24 | 2017-08-24 | 一种应用于汽车发动机连杆零件加工的优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107730024A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109488680A (zh) * | 2018-09-10 | 2019-03-19 | 顾康明 | 凸轮曲轴连杆组件及其生产工艺 |
| CN110110841A (zh) * | 2019-06-15 | 2019-08-09 | 郑州轻工业学院 | 多目标蜜蜂繁殖优化算法解决柔性工艺规划绿色制造问题的方法 |
-
2017
- 2017-08-24 CN CN201710732830.7A patent/CN107730024A/zh active Pending
Non-Patent Citations (4)
| Title |
|---|
| 季宝慧: "基于改进的蜜蜂进化型遗传算法在生产调度中的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 文笑雨: "多目标集成式工艺规划与车间调度问题的求解方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 杨宏安 等: "工序加工时间不确定条件下作业车间调度问题的区间数求解方法", 《计算机集成制造系统》 * |
| 郭鹏: "基于蜂群繁殖算法的流水车间调度问题研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109488680A (zh) * | 2018-09-10 | 2019-03-19 | 顾康明 | 凸轮曲轴连杆组件及其生产工艺 |
| CN110110841A (zh) * | 2019-06-15 | 2019-08-09 | 郑州轻工业学院 | 多目标蜜蜂繁殖优化算法解决柔性工艺规划绿色制造问题的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109765862B (zh) | 基于自适应遗传算法的混合流水车间可持续调度控制方法 | |
| CN109034633A (zh) | 改进遗传算法求解带移动时间的柔性作业车间调度方法 | |
| CN104504540B (zh) | 基于多阶段智能优化算法的动态柔性作业车间调度控制方法 | |
| CN112580922B (zh) | 一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法 | |
| CN107730024A (zh) | 一种应用于汽车发动机连杆零件加工的优化调度方法 | |
| CN106611379A (zh) | 一种改进文化基因算法求解多目标柔性作业车间调度问题 | |
| CN104636813A (zh) | 一种求解车间作业调度问题的混合遗传模拟退火算法 | |
| CN110059886B (zh) | 考虑设备批处理的单组工序同时结束的综合调度方法 | |
| CN111966049B (zh) | 一种混合流水车间生产设备调度控制方法 | |
| CN114492895B (zh) | 汽车发动机柔性产线分批与调度方法 | |
| CN110458326B (zh) | 一种分布式阻塞型流水线调度的混合群智能优化方法 | |
| CN102073311A (zh) | 基于离散量子微粒群算法的机器零件加工流水线调度方法 | |
| CN116512250B (zh) | 基于人机协作的拆卸线平衡方法 | |
| CN115310794A (zh) | 人机协同装配线平衡方法及装置 | |
| CN110263970B (zh) | 一种求解自动轨道小车上料调度问题的混合离散人工蜂群算法 | |
| CN104616072A (zh) | 一种基于区间优化的提高谷氨酸发酵产物浓度的方法 | |
| CN105511432A (zh) | 基于路径长度的工序串综合调度方法 | |
| CN113836706B (zh) | 一种数控加工参数优化方法及存储介质 | |
| CN104537425A (zh) | 一种汽车空调出风口的生产装配过程的优化调度方法 | |
| CN112631214B (zh) | 基于改进入侵杂草优化算法的柔性作业车间分批调度方法 | |
| CN107730072B (zh) | 基于改进人工免疫算法的平行机成组调度方法及系统 | |
| CN111665799A (zh) | 一种基于协同算法的时间约束型并行机节能调度方法 | |
| CN114734210A (zh) | 一种基于滚动填炉策略的钢管合同组批方法 | |
| CN105182946B (zh) | 一种具有改机操作的制造车间的排产优化方法 | |
| CN116307148A (zh) | 一种钢铁热轧和产品运输节能调度的超启发式优化方法、系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
| RJ01 | Rejection of invention patent application after publication |