CN112668864B - 一种基于狮群算法的车间生产排产方法及系统 - Google Patents

Abstract

本发明涉及一种基于狮群算法的车间生产排产方法及系统，包括：步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；步骤2：针对某一条线体，确定初始狮群的个体比例；初始化整个狮群中每个个体的位置，并将整个狮群中个体的位置映射到线体任务序列中；步骤3：依照适应度值分配个体角色；步骤4：对整个狮群中个体的位置进行迭代更新；步骤5：将狮群中个体的角色重置；步骤6：输出末代狮群中狮王的位置，将狮王的位置映射为最佳线体任务序列；步骤7：输出生产排产时序表。本发明采用基于狮群算法，将离散的线体任务序列与连续的狮群位置之间的映射关系，不断进行狮群的位置更新，进而逼近全局最优解。

Description

一种基于狮群算法的车间生产排产方法及系统

技术领域

本发明涉及一种基于狮群算法的车间生产排产方法及系统，属于生产车间生产计划管理领域。

背景技术

随着现代企业模式的不断发展，制造企业生产加工的时效要求越来越高。而以订单为核心的加工制造企业，其生产加工过程中的核心问题是合理安排生产时序。随着工业领域的信息化技术飞速发展，高效的排产方法成为解决生产排产计划问题的关键。

在目前，大多企业生产车间对整个排产过程依然使用人工排产的方式进行，人工排产方式的主要问题是：在进行排产计划制定时，由于是人工进行计算，导致计算效率低下；在排产计划制定完成或生产过程中，由于插单、撤单等事件的发生，其排产计划需要做动态调整，受影响的订单数量不定，使调整过程变得更加复杂；大量核算方式采用个人经验作为标准，人员状态或更替都对最终结果产生影响。

企业的生产排产问题已经被证明是一种最优化问题。针对生产排产的优化问题，已有不少学者运用分布估计算法、混合线性规划、分层优化算法等方法实现优化。但是传统的数学算法，不具有智能性，且并行性查，鲁棒性差，不具备全局搜索能力，操作复杂耗时，且适应性差。

目前，群体智能算法被广泛应用于最优化问题，通过模拟社会性生物的各种群体行为，利用群体中个体之间的信息交互和合作来实现寻优。这其中，狮群算法是在分析狮群协作捕猎这种行为特点的基础上，是一种通过模拟自然进化过程搜索最优解的过程。狮群算法是从一个包含了狮王、母狮和幼狮的种群开始的，狮王总是向最优食物源移动，而母狮和幼狮环绕在狮王周围，分别完成协同捕猎和学习捕猎以及进食的过程，种群中不断地进行三种类型狮子的位置更新，最后末代狮群中狮王的位置，即所求问题的近似最优解。

发明内容

针对现有技术的不足，本发明提供了一种基于狮群算法的车间生产排产方法，该排产方法通过狮群算法，将订单整合优化，通过狮王更新、母狮捕猎和幼狮学习捕猎等操作，结合不同的位置更新方式，具有全局搜索能力且简单高效，得到较优的生产车间排产所需的生产时序表，以提高生产效率与合理安排生产资源。

本发明还提供了上述基于狮群算法的车间生产排产方法的实现系统。

本发明的技术方案为：

一种基于狮群算法的车间生产排产方法，该方法包括：

步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；

步骤2：针对某一条线体，确定初始狮群的个体比例；初始化整个狮群中每个个体的位置，并将整个狮群中个体的位置映射到线体任务序列中；

步骤3：计算初始狮群中所有个体的适应度值，依照适应度值分配个体角色；

步骤4：对整个狮群中个体的位置进行迭代更新；个体的位置更新后，将整个狮群中个体的位置映射至线体任务序列，并将整个狮群中所有个体的适应度值存入特定序列中；特定序列用来存每次迭代中，线体任务序列对应的适应度值组成的序列；每次更新后都计算适应度值，计算出来的适应度值存入特定序列中，特定序列便于下次狮群位置更新中进行历史最优位置的判定，适应度值即转产总时间越小越好。

步骤5：当迭代更新的次数满足预设的条件时，先依照整个狮群中所有个体的适应度值将狮群中个体的角色重置，再继续对整个狮群中个体的位置进行迭代更新；角色重置可以保持狮群的多样性与优势性，在算法后期较优的幼狮在选择中优势可以增加从而增强狮群算法的局部搜索能力。

当迭代更新的次数不满足预设的条件时，继续对整个狮群中个体的位置进行迭代更新；

步骤6：当迭代更新的次数达到最大迭代次数，输出末代狮群中狮王的位置，将狮王的位置映射为最佳线体任务序列；

步骤7：根据最佳线体的任务序列输出生产排产时序表，生产排产时序表包括订单号、名称、数量、开始时间、排列顺序；再根据每天最大工作时间，依次排列每天的生产任务。

排序过程可以看作为每一条线体确定生产任务的先后顺序及数量，并确定开始时间和计划完成时间的过程。

根据本发明优选的，步骤1中，不同线体分别生成初始线体任务序列，分别得到初始狮群，具体过程为：

步骤1.1：接收订单，将订单拆分为若干个子任务；根据子任务与线体的对应关系，将子任务分配到线体上；

步骤1.2：针对某一条线体，创建初始线体任务序列，线体任务序列即子任务在线体上的排列，并按线体生产效率计算出每项子任务的完成时间及相邻子任务之间的转产时间；

步骤1.3：重复步骤1.2，每条线体上均创建初始线体任务序列，使得接收订单的所有子任务都排列到初始线体任务序列中，得到初始狮群，每条线体的初始线体任务序列建立为一个狮群。

根据本发明优选的，步骤2中，针对某一条线体，确定初始狮群的个体比例，个体角色包括狮王、母狮和幼狮；初始化整个狮群中每个个体的位置，即对狮群中个体的位置进行随机赋值，并将整个狮群中个体的位置映射到线体任务序列中；具体过程为：

步骤2.1：针对某一条线体，初始线体任务序列的长度为D，D为正整数，即线体上排列的子任务的数量，并将子任务序号按顺序编码为1、2、···D；

狮群中狮子数量为N，对应N种线体任务序列，N为人为设定值，如N＝50；成年狮子的数量为n-Adult，成年狮子包括一头狮王和多头母狮，幼狮的数量为N-n-Adult，如式(I)所示：

n-Adult＝[Nβ]，且

式(I)中，β是在狮群中成年狮子所占比例因子，β为(0,0.5)区间内的一个随机数；

步骤2.2：设第i只狮子的位置为X_i＝(x_i1,x_i2,…,x_iD),1≤i≤N，且位置分量x_i1,x_i2,…,x_iD的取值范围都为(0,1)，第i只狮子的位置X_i对应一种线体任务序列；

步骤2.3：在区间(0,1)上产生D个随机数，D个随机数分别作为第i只狮子的位置分量x_i1,x_i2,…,x_iD的值，即对狮群中个体的位置进行随机赋值；

步骤2.4：重复步骤2.3N次，初始化整个狮群中每个个体的位置；

步骤2.5：将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_i1,x_i2,…,x_iD的值从小到大进行排列，并对排列后的位置分量的值编号为1,2,···,D；排列后的位置分量的值的编号与初始线体任务序列中子任务的编号相对应，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列。

根据本发明优选的，步骤4中将整个狮群中个体的位置映射至线体任务序列，以及步骤6中将狮王的位置映射为最佳线体任务序列，具体过程均为：

将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_i1,x_i2,…,x_iD的值从小到大进行排列，并对排列后的位置分量的值编号为1,2,···,D；排列后的位置分量的值的编号与初始线体任务序列中子任务的编号相对应，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列。

根据本发明优选的，步骤4和步骤5中，对狮群中个体的位置进行迭代更新，具体过程为：

a：狮王的位置更新公式如式(II)所示：

式(II)中，

为狮王的位置；γ是依照正态分布N(0,1)产生的随机数，k为狮群位置更新的代数，k为正整数，1≤k≤最大迭代次数；

为第i只狮子第k代的历史最优位置；g^k表示第k代群体最优位置；

b：母狮的位置更新公式如式(III)所示：

式(III)中，

为母狮的位置；

为从第k代母狮群中随机挑选的一个捕猎协作伙伴的历史最佳位置；α_f为母狮移动范围扰动因子，是依照正态分布N(0,1)产生的随机数；

c：幼狮的位置更新公式如式(IV)所示：

式(IV)中，

为幼狮的位置；

为幼狮跟随母狮的第k代的历史最佳位置；概率因子q为依照均匀分布U[0,1]产生的均匀随机值；α_c为幼狮移动范围扰动因子，是依照正态分布N(0,1)产生的随机数；

为第i个幼狮在捕猎范围内被驱赶的位置，

如式(V)所示：是一种典型的精英反向学习思想；

式(V)中，low和high分别为狮子活动空间范围内各维的最小值均值和最大值均值。

根据本发明优选的，步骤3、步骤4和步骤5中，整个狮群中所有个体的适应度值的计算过程为：

狮群中第i只狮子的适应度值fitness_i为其对应的线体任务序列的总转产时间，适应度值公式如式(VI)所示：

式(VI)中，assignment_k为该线体任务序列中第k个位置的任务，assignment_k+1为该线体任务序列中第k+1个位置的任务，Transfertime为相邻任务之间的转产时间，依照适应度值分配个体角色。

根据本发明优选的，步骤3中，依照适应度值分配个体角色，以及步骤5中，将狮群中个体的角色重置，具体过程均为:

将个体按适应度值从小到大排序，适应度值最小的个体设定为狮王，前(n-Adult-1)个个体设定为母狮，其余个体设定为幼狮。

根据本发明优选的，步骤1.2中，当不同子任务对应的产品型号相同时，则这些子任务能够在同一条线体进行生产，将这些子任务作为一个小组随机排列到线体任务序列中。从而节约转产时间，提高产品的生产效率。

根据本发明优选的，步骤7中，针对同一个小组内的子任务，根据子任务的交货期由近至远对同一个小组内的子任务进行排序。

根据本发明优选的，步骤5中，预设的条件为迭代次数等于10的整数倍。

根据本发明优选的，步骤6中，最大迭代次数为200次，第200次迭代后的狮王位置映射为最佳线体任务序列。

上述基于狮群算法的车间生产排产方法的实现系统，该系统包括登录注册模块、生产排产时序表生成模块；

登录注册模块,用于完成新用户注册、密码登录、用户信息维护；

生产排产时序表生成模块,根据狮群算法，先初始化狮群中个体的位置，然后根据适应度值分配个体角色，再对整个狮群中个体的位置进行迭代更新；当迭代更新的次数达到设定条件时，再对狮群中个体的角色进行重置；最后将末代狮群中狮王的位置映射为最佳线体任务序列，根据最佳线体的任务序列生成生产排产时序表，完成车间生产排产。

本发明的有益效果为：

1.本发明将新型的狮群算法应用于生产车间排产领域，通过离散的线体任务序列与连续的狮群位置之间的映射关系，不断进行狮群的位置更新，进而逼近全局最优解。

2.本发明采用狮群算法，狮群中每隔一定迭代次数会重新分配角色，可以保持狮群的多样性与优势性，在算法后期较优的幼狮在选择中优势可以增加从而增强狮群算法的局部搜索能力。

3.本发明设计实现一种基于狮群算法的车间生产排产方法的实现系统，针对不同的生产线体分别自动生成其生产时序表，订单提前天数、每天最大工作时间、排产开始时间等参数可在系统界面中直接更改调整。

附图说明

图1是本发明提供的一种基于狮群算法的车间生产排产方法的流程图；

图2是基于狮群算法的车间生产排产方法实现系统的工作流程图；

图3是基于狮群算法的车间生产排产方法的实现系统的登录界面示意图；

图4是基于狮群算法的车间生产排产方法的实现系统的输入界面示意图。

具体实施方式

下面结合实施例和说明书附图对本发明做进一步说明，但不限于此。

实施例1

一种基于狮群算法的车间生产排产方法，如图1所示，该方法包括：

步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；

步骤2：针对某一条线体，确定初始狮群的个体比例；初始化整个狮群中每个个体的位置，并将整个狮群中个体的位置映射到线体任务序列中；

步骤3：计算初始狮群中所有个体的适应度值，依照适应度值分配个体角色；

步骤4：对整个狮群中个体的位置进行迭代更新；个体的位置更新后，将整个狮群中个体的位置映射至线体任务序列，并将整个狮群中所有个体的适应度值存入特定序列中；特定序列用来存每次迭代中，线体任务序列对应的适应度值组成的序列；每次更新后都计算适应度值，计算出来的适应度值存入特定序列中，特定序列便于下次狮群位置更新中进行历史最优位置的判定，适应度值即转产总时间越小越好。

步骤5：当迭代更新的次数满足预设的条件时，先依照整个狮群中所有个体的适应度值将狮群中个体的角色重置，再继续对整个狮群中个体的位置进行迭代更新；角色重置可以保持狮群的多样性与优势性，在算法后期较优的幼狮在选择中优势可以增加从而增强狮群算法的局部搜索能力。

当迭代更新的次数不满足预设的条件时，继续对整个狮群中个体的位置进行迭代更新；

步骤6：当迭代更新的次数达到最大迭代次数，输出末代狮群中狮王的位置，将狮王的位置映射为最佳线体任务序列；

步骤7：根据最佳线体的任务序列输出生产排产时序表，生产排产时序表包括订单号、名称、数量、开始时间、排列顺序；再根据每天最大工作时间，依次排列每天的生产任务。

排序过程可以看作为每一条线体确定生产任务的先后顺序及数量，并确定开始时间和计划完成时间的过程。

实施例2

根据实施例1提供的一种基于狮群算法的车间生产排产方法，区别之处在于：

步骤1中，不同线体分别生成初始线体任务序列，分别得到初始狮群，具体过程为：

步骤1.1：接收订单，将订单拆分为若干个子任务；根据子任务与线体的对应关系，将子任务分配到线体上；

步骤1.2：针对某一条线体，创建初始线体任务序列，线体任务序列即子任务在线体上的排列，并按线体生产效率计算出每项子任务的完成时间及相邻子任务之间的转产时间；其中，线体型号对应表存放每个型号与线体的对应关系与型号间转产时间信息，根据线体型号对应表可以得到不同子任务之间的转产时间。

步骤1.3：重复步骤1.2，每条线体上均创建初始线体任务序列，使得接收订单的所有子任务都排列到初始线体任务序列中，得到初始狮群，每条线体的初始线体任务序列建立为一个狮群。

其中，步骤1.2中，当不同子任务对应的产品型号相同时，则这些子任务能够在同一条线体进行生产，将这些子任务作为一个小组随机排列到线体任务序列中。从而节约转产时间，提高产品的生产效率。

步骤7中，针对同一个小组内的子任务，根据子任务的交货期由近至远对同一个小组内的子任务进行排序。

实施例3

根据实施例1提供的一种基于狮群算法的车间生产排产方法，区别之处在于：

步骤2中，针对某一条线体，确定初始狮群的个体比例，个体角色包括狮王、母狮和幼狮；初始化整个狮群中每个个体的位置，即对狮群中个体的位置进行随机赋值，并将整个狮群中个体的位置映射到线体任务序列中；具体过程为：

步骤2.1：针对某一条线体，初始线体任务序列的长度为D，D为正整数，即线体上排列的子任务的数量，并将子任务序号按顺序编码为1、2、···D；

狮群中狮子数量为N，对应N种线体任务序列，N为人为设定值，如N＝50；成年狮子的数量为n-Adult，成年狮子包括一头狮王和多头母狮，幼狮的数量为N-n-Adult，如式(I)所示：

n-Adult＝[Nβ]，且

式(I)中，β是在狮群中成年狮子所占比例因子，β为(0,0.5)区间内的一个随机数；

例如，共有5条线体，则共有5个狮群，设每个狮群都有50头狮子，成年狮子所占比例因子β设为0.3，即每个狮群中共有一只狮王、14只母狮以及35只幼狮。

步骤2.2：设第i只狮子的位置为X_i＝(x_i1,x_i2,…,x_iD),1≤i≤N，且位置分量x_i1,x_i2,…,x_iD的取值范围都为(0,1)，第i只狮子的位置X_i对应一种线体任务序列；

步骤2.3：在区间(0,1)上产生D个随机数，D个随机数分别作为第i只狮子的位置分量x_i1,x_i2,…,x_iD的值，即对狮群中个体的位置进行随机赋值；

步骤2.4：重复步骤2.3N次，初始化整个狮群中每个个体的位置；

步骤2.5：将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_u1,x_i2,…,x_uD的值从小到大进行排列，并对排列后的位置分量的值编号为1,2,···,D；以此编号对照初始线体任务序列中子任务编号，将初始线体序列的子任务放入未进行排序的狮子的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列。

例如，针对线体一，设D＝6时，初始线体任务序列为{任务1，任务2，任务3，任务4，任务5，任务6}；设狮群中某只狮子的初始位置为(0.34，0.21，0.77，0.63，0.91，0.36)，位置分量按从小到大排列为0.21<0.34<0.36<0.63<0.77<0.91，并对排列后的位置分量的值编号为{0.21(1)，0.34(2)，0.36(3)，0.63(4)，0.77(5)，0.91(6)}；排列后的位置分量的值的编号与初始线体任务序列中的子任务1-6存在对应关系，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即这只狮子的位置对应的线体任务序列为{任务2，任务1，任务5，任务4，任务6，任务3}。

步骤3、步骤4和步骤5中，整个狮群中所有个体的适应度值的计算过程为：

狮群中第i只狮子的适应度值fitness_i为其对应的线体任务序列的总转产时间，适应度值公式如式(VI)所示：

式(VI)中，assignment_k为该线体任务序列中第k个位置的任务，assignment_k+1为该线体任务序列中第k+1个位置的任务，Transfertime为相邻任务之间的转产时间依照适应度值分配个体角色。

步骤3中，依照适应度值分配个体角色的具体过程为:

将个体按适应度值从小到大排序，适应度值最小的个体设定为狮王，前(n-Adult-1)个个体设定为母狮，其余个体设定为幼狮。

步骤4和步骤5中，对狮群中个体的位置进行迭代更新，具体过程为：

a：狮王的位置更新公式如式(II)所示：

式(II)中，γ是依照正态分布N(0,1)产生的随机数；

为狮王的位置；k为狮群位置更新的代数，k为正整数，1≤k≤最大迭代次数；

为第i只狮子第k代的历史最优位置；g^k表示第k代群体最优位置；狮王按式(III)更新自身位置，即在最佳食物处小范围移动确保自己的特权；

b：母狮的位置更新公式如式(III)所示：

式(III)中，

为母狮的位置；

为从第k代母狮群中随机挑选的一个捕猎协作伙伴的历史最佳位置；α_f为母狮移动范围扰动因子，是依照正态分布N(0,1)产生的随机数；母狮按式(IV)更新自身位置，即母狮在捕食过程中需要跟其他母狮进行协作；

c：幼狮的位置更新公式如式(IV)所示：

式(IV)中，

为母狮的位置；

为幼狮跟随母狮的第k代的历史最佳位置；概率因子q为依照均匀分布U[0,1]产生的均匀随机值；α_c为幼狮移动范围扰动因子，是依照正态分布N(0,1)产生的随机数；

为第i个幼狮在捕猎范围内被驱赶的位置，

如式(V)所示：是一种典型的精英反向学习思想；

式(V)中，low和high分别为狮子活动空间范围内各维的最小值均值和最大值均值。

幼狮按式(IV)更新自身位置；幼狮的活动方式包括向狮王靠近进食或跟随母狮学习捕猎；这两个活动方式中均会在指定范围内搜索，先大步勘探食物，发现食物后再小步精细查找，达到一定位置会在捕猎范围内被驱赶至远离狮王的地方。

步骤4中将整个狮群中个体的位置映射至线体任务序列，具体过程为：

将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_i1,x_i2,…,x_iD的值从小到大进行排列，并对排列后的位置分量的值编号为1,2,···,D；排列后的位置分量的值的编号与初始线体任务序列中子任务的编号相对应，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列。

步骤5中，预设的条件为迭代次数等于10的整数倍。

步骤6中，最大迭代次数为200次，第200次迭代后的狮王位置映射为最佳线体任务序列。

步骤6中将狮王的位置映射为最佳线体任务序列，具体过程为：

将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_i1,x_i2,…,x_iD的值从小到大进行排列，并对排列后的位置分量的值编号为1,2,···,D；排列后的位置分量的值的编号与初始线体任务序列中子任务的编号相对应，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列。

实施例4

实施例1-3任一个实施例的提供的一种基于狮群算法的车间生产排产方法的实现系统，如图2所示，该系统包括登录注册模块、生产排产时序表生成模块；

如图3所示，登录注册模块可完成新用户注册、密码登录、用户信息维护；

如图4所示，输入标准文件为一一对应表和线体型号对应表，均为CSV文件；一一对应表包含所有需排产订单的详细信息，成行存储；线体型号对应表存放每个型号与线体的对应关系与型号间转产时间信息，根据线体型号对应表可以得到不同子任务之间的转产时间。

根据狮群算法，先初始化狮群中个体的位置，然后根据适应度值分配个体角色，再对整个狮群中个体的位置进行迭代更新；当迭代更新的次数达到设定条件时，再对狮群中个体的角色进行重置；最后将末代狮群中狮王的位置映射为最佳线体任务序列，根据最佳线体的任务序列生成生产排产时序表，完成车间生产排产，最后输出生产排产时序为csv文件。

Claims (6)

1.一种基于狮群算法的车间生产排产方法，其特征在于，该方法包括：

步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；具体过程为：

步骤1.1：接收订单，将订单拆分为若干个子任务；根据子任务与线体的对应关系，将子任务分配到线体上；

步骤1.2：针对某一条线体，创建初始线体任务序列，线体任务序列即子任务在线体上的排列，并按线体生产效率计算出每项子任务的完成时间及相邻子任务之间的转产时间；

步骤1.3：重复步骤1.2，每条线体上均创建初始线体任务序列，使得接收订单的所有子任务都排列到初始线体任务序列中，得到初始狮群，每条线体的初始线体任务序列建立为一个狮群；

步骤2：针对某一条线体，确定初始狮群的个体比例，个体角色包括狮王、母狮和幼狮；初始化整个狮群中每个个体的位置，即对狮群中个体的位置进行随机赋值，并将整个狮群中个体的位置映射到线体任务序列中；具体过程为：

步骤2.1：针对某一条线体，初始线体任务序列的长度为D，D为正整数，即线体上排列的子任务的数量，并将子任务序号按顺序编码为1、2、…D；

狮群中狮子数量为N，对应N种线体任务序列，成年狮子的数量为n_Adult，成年狮子包括一头狮王和多头母狮，幼狮的数量为N-n_Adult，如式(I)所示：

n_Adult＝[Nβ]，且

式(I)中，β是在狮群中成年狮子所占比例因子，β为(0，0.5)区间内的一个随机数；

步骤2.2：设第i只狮子的位置为X_i＝(x_i1，x_i2，…，x_iD)，1≤i≤N，且位置分量x_i1，x_i2，...，x_iD的取值范围都为(0，1)，第i只狮子的位置X_i对应一种线体任务序列；

步骤2.3：在区间(0，1)上产生D个随机数，D个随机数分别作为第i只狮子的位置分量x_i1，x_i2，...，x_iD的值，即对狮群中个体的位置进行随机赋值；

步骤2.4：重复步骤2.3N次，初始化整个狮群中每个个体的位置；

步骤2.5：将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_i1，x_i2，...，x_iD的值从小到大进行排列，并对排列后的位置分量的值编号为1，2，…，D；排列后的位置分量的值的编号与初始线体任务序列中子任务的编号相对应，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列；

步骤3：计算初始狮群中所有个体的适应度值，依照适应度值分配个体角色；

适应度值的计算过程为：

狮群中第i只狮子的适应度值fitness_i为其对应的线体任务序列的总转产时间，适应度值公式如式(VI)所示：

式(VI)中，assignment_k为该线体任务序列中第k个位置的任务，assignment_k+1为该线体任务序列中第k+1个位置的任务，Transfertime为相邻任务之间的转产时间，依照适应度值分配个体角色；

步骤4：对整个狮群中个体的位置进行迭代更新；个体的位置更新后，将整个狮群中个体的位置映射至线体任务序列，并将整个狮群中所有个体的适应度值存入特定序列中；

步骤5：当迭代更新的次数满足预设的条件时，先依照整个狮群中所有个体的适应度值将狮群中个体的角色重置，具体过程为：将个体按适应度值从小到大排序，适应度值最小的个体设定为狮王，前(n_Adult-1)个个体设定为母狮，其余个体设定为幼狮；再继续对整个狮群中个体的位置进行迭代更新；

当迭代更新的次数不满足预设的条件时，继续对整个狮群中个体的位置进行迭代更新；

步骤6：当迭代更新的次数达到最大迭代次数，输出末代狮群中狮王的位置，将狮王的位置映射为最佳线体任务序列；

步骤7：根据最佳线体的任务序列输出生产排产时序表。

2.根据权利要求1所述的一种基于狮群算法的车间生产排产方法，其特征在于，步骤4和步骤5中，对狮群中个体的位置进行迭代更新，具体过程为：

a：狮王的位置更新公式如式(II)所示：

式(II)中，

为狮王的位置；γ是依照正态分布N(0，1)产生的随机数，k为狮群位置更新的代数，k为正整数，1≤k≤最大迭代次数；

为第i只狮子第k代的历史最优位置；g^k表示第k代群体最优位置；

b：母狮的位置更新公式如式(III)所示：

式(III)中，

为母狮的位置；

为从第k代母狮群中随机挑选的一个捕猎协作伙伴的历史最佳位置；α_f为母狮移动范围扰动因子，是依照正态分布N(0，1)产生的随机数；

c：幼狮的位置更新公式如式(IV)所示：

式(V)中，

为幼狮的位置；

为幼狮跟随母狮的第k代的历史最佳位置；概率因子q为依照均匀分布U[0，1]产生的均匀随机值；α_c为幼狮移动范围扰动因子，是依照正态分布N(0，1)产生的随机数；

为第i个幼狮在捕猎范围内被驱赶的位置，

如式(V)所示：

式(V)中，low和high分别为狮子活动空间范围内各维的最小值均值和最大值均值。

3.根据权利要求1所述的一种基于狮群算法的车间生产排产方法，其特征在于，步骤1.2中，当不同子任务对应的产品型号相同时，则这些子任务能够在同一条线体进行生产，将这些子任务作为一个小组随机排列到线体任务序列中。

4.根据权利要求3所述的一种基于狮群算法的车间生产排产方法，其特征在于，步骤7中，针对同一个小组内的子任务，根据子任务的交货期由近至远对同一个小组内的子任务进行排序。

5.根据权利要求1所述的一种基于狮群算法的车间生产排产方法，其特征在于，步骤4中将整个狮群中个体的位置映射至线体任务序列，以及步骤6中将狮王的位置映射为最佳线体任务序列，具体过程均为：

将个体的位置映射到线体任务序列中，第i只狮子的位置与线体任务序列的编码映射方式为：对第i只狮子的位置分量x_i1，x_i2，...，x_iD的值从小到大进行排列，并对排列后的位置分量的值编号为1，2，…，D；排列后的位置分量的值的编号与初始线体任务序列中子任务的编号相对应，根据该对应关系，将初始线体任务序列的子任务放入未排序的位置分量的位置，即得到第i只狮子的位置对应的线体任务序列。

6.根据权利要求1-5任一项所述的一种基于狮群算法的车间生产排产方法的实现系统，其特征在于，该系统包括登录注册模块、生产排产时序表生成模块；

登录注册模块，用于完成新用户注册、密码登录、用户信息维护；

生产排产时序表生成模块，根据狮群算法，先初始化狮群中个体的位置，然后根据适应度值分配个体角色，再对整个狮群中个体的位置进行迭代更新；当迭代更新的次数达到设定条件时，再对狮群中个体的角色进行重置；最后将末代狮群中狮王的位置映射为最佳线体任务序列，根据最佳线体的任务序列生成生产排产时序表，完成车间生产排产。

Images