CN115062980A - 基于改进金枪鱼群算法的柔性车间排产方法及程序产品 - Google Patents

基于改进金枪鱼群算法的柔性车间排产方法及程序产品 Download PDF

Info

Publication number
CN115062980A
CN115062980A CN202210695393.7A CN202210695393A CN115062980A CN 115062980 A CN115062980 A CN 115062980A CN 202210695393 A CN202210695393 A CN 202210695393A CN 115062980 A CN115062980 A CN 115062980A
Authority
CN
China
Prior art keywords
machine
time
formula
ijk
workpiece
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
Application number
CN202210695393.7A
Other languages
English (en)
Inventor
张梦
张让勇
白金强
程广河
郝凤琦
顾笑言
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Shanke Zhikong Digital Technology Co ltd
Qilu University of Technology
Shandong Computer Science Center National Super Computing Center in Jinan
Original Assignee
Shandong Shanke Zhikong Digital Technology Co ltd
Shandong Computer Science Center National Super Computing Center in Jinan
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Shanke Zhikong Digital Technology Co ltd, Shandong Computer Science Center National Super Computing Center in Jinan filed Critical Shandong Shanke Zhikong Digital Technology Co ltd
Priority to CN202210695393.7A priority Critical patent/CN115062980A/zh
Publication of CN115062980A publication Critical patent/CN115062980A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06—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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Biophysics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Nonlinear Science (AREA)
  • Molecular Biology (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于改进金枪鱼群算法的柔性车间排产方法及程序产品，属于新一代信息通信的技术领域。本发明将一种改进的金枪鱼群算法用于求解柔性作业车间调度问题，以机器的最大完工时间为优化目标建立了柔性作业车间调度模型。提出改进金枪鱼群算法，算法对位置更新公式进行改进，并引入了Tent混沌映射和Levy飞行策略，实现了全局搜索和局部探索的有效平衡，最终达到：根据输入的工件信息后，能够输出合理调度计划的技术目的。在本发明中，可采用国际通用算例进行描述。

Description

基于改进金枪鱼群算法的柔性车间排产方法及程序产品
技术领域
本发明公开一种基于改进金枪鱼群算法的柔性车间排产方法及程序产品，属于新一代信息通信的技术领域。
背景技术
现阶段解决柔性作业车间调度问题的算法可以分为两类：确定性算法和启发式算法。因为该问题明确为一个NP-Hard问题，大部分研究学者采用的是启发式算法。启发式算法(heuristic algorithm)是相对于最优化算法提出的，启发式算法的定义：一个基于直观或经验构造的算法，在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。现阶段，启发式算法以仿自然体算法为主，主要有蚁群算法、模拟退火法、神经网络等。启发式算法的计算量都比较大，所以启发式算法伴随着计算机技术的发展，取得了巨大的成就。启发式算法具有对初始解依赖程度低、参数少、鲁棒性好且简单易实现等优点，在求解FJSP问题时表现出比精确算法求解更优异的性能。启发式算法并不能保证每一次求解都能得到问题的最优解，这就导致采用不同算法求出解的质量可能会参差不齐。
为此，中国专利文献公开了以下技术内容：
中国专利文献CN110782085A提供一种铸造生产调度方法及系统，该方法包括：根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案；根据后工段铸件柔性加工特点建立柔性流水车间调度模型，所述流水车间调度模型目标函数为最小化最大完工时间；通过鲸鱼群算法对所述流水车间调度模型进行求解，获得后工段调度方案。
中国专利文献CN114153187A公开一种针对柔性生产的优化排产方法、存储介质及设备，其方法为一种在汽车车间柔性生产的场景下，基于原始生产订单信息，已知的主线队列，以及缓存区零件库存信息的动态排产方法，该方法包括了对生产节奏的控制，以及分拼线的排产，从而实现在有未知扰动的情况下，主线能够连续生产。
中国专利文献CN1 14460908A公开一种螺狮粉生产企业柔性生产车间调度方法，包括如下步骤：1)根据初始时刻的车间状态，通过遗传算法生成初始调度方案；2)根据初始调度方案执行生产任务，并实时检测车间的生产状态，如果生产任务执行过程中发生扰动事件，则执行步骤3)，如果不发生扰动事件则执行步骤4)；3)执行重调度触发机制，判断生产过程的偏移系数是否超过系统设定的阈值，若超过，则执行完全重调度策略，若不超过则根据右移重调度策略进行处理，处理结束后返回执行步骤2)；4)执行生产任务至完成所有生产任务。
中国专利文献CN114492895A公开一种汽车发动机柔性产线分批与调度方法，以最小化拖期惩罚为优化目标，将原始优化问题通过两阶段分别求解，即：通过遗传禁忌混合的启发式算法求解每种工件的共计子批数以及不同工件全部子批的加工顺序，再在此加工顺序下，针对随机到达时间的特点采用样本均值近似方法建立混合整数规划模型，即根据工件来料时间的随机特性生成若干个场景，目标是最小化所有场景的超期惩罚均值，通过求解每个子批的批量大小，实现批量优化。该文献将遗传算法与禁忌搜索算法行了结合，以拖期惩罚最小为目标，针对待加工工件随机到达，且具有机器换模时间的柔性流水生产线，对每种工件的总加工量进行分批处理，形成多个子批，并对多个子批的加工次序进行优化。
上述专利文献均突出其应用场景，但是对于本领域技术人员来说，并未针对算法进行改进，因此难以满足现有符合柔性车间生产特点的工厂的调度排产工作中。
发明内容
针对现有技术的不足，本发明公开一种基于改进金枪鱼群算法的柔性车间排产方法。本发明的技术优势体现在：能快速得到一个较好的生产调度计划，改进后的算法应用性能高于已知的排产方法。
本发明还公开一种实现上述方法的程序产品。本发明在初始化时增加了种群的多样性，提升了全局搜索能力；位置更新机制的改变增强了算法的收敛性，使其局部搜索能力加强。
技术术语解释：
1、生产计划就是对工序的排序；
2、工序编号是将工件的工序进行编号；
3、位置元素是完整计划对应的小数表现形式；
4、工序排序加上工序对应的加工机器则为一个完整的生产计划。
本发明详细的技术方案如下：
一种基于改进金枪鱼群算法的柔性车间排产方法，其特征在于，包括：
(1)输入
按照国际通用算例输入调度计划的基本信息；具体的所述调度计划的基本信息包括：待加工工件的数量、每个工件的加工工序、加工工序备选的机器、每个加工工序占用机器的时长；如图1所示就是一个调度计划的基本信息，在实际应用中则按照图1格式进行输入即可；
为了便于理解，参见表1对图1进行解释：表1前两行和图1前两行对应，表1第2行没有全部展示；表1中第三行的字母对应的是对所示第2行的命名；在所述图1表示一组数据，所示第一行至少包含2个数字：第一个数字表示工件数，第二个数字表示机器数；而所示第三个不是必须的，其表示每一道工序平均可选择的加工机器数。具体的，参见表1中，所示第一行：数字10表示10个工件；数字6表示6台可选机器；数字2表示每道工序平均有两台机器可选择。
第二行表示某一个工件：第一个数字n1表示此工件的总工序数，第二个数字n2表示加工第一道工序的可选机器数，接着会有可选机器数的个数的一组数据(机器号、加工时间)；然后是第二道工序的可选机器数，以此类推。具体的，参见表1中，所示第二行：n1表示第一个工件有6道工序，n2表示第一道工序有两台加工机器可选，在第1(n3)台机器上的加工时间是5，在第3(n4)台机器上的加工时间是4；以此类推；n5表示第二道工序有3台加工机器可选。
表1：
10 6 2
6 2 1 5 3 4 3 5 3
n<sub>1</sub> n<sub>2</sub> n<sub>3</sub> n<sub>4</sub> n<sub>5</sub>
(2)处理
采取唯一编码的形式对工序部分进行编码：工序排序中基因位代表了工件号，在工序排序中出现的位置元素表示当前的加工工件所处的第几道工序；所述工序部分就是工件工序，只表明共建的工序；所述基因位是指工序排序图上的每个数字代表的是一个基因位；所述工序排序中出现的位置元素是指工序排序图上的位置元素是文字描述的位置；
例如：如图2所示，一条工序排序编码为[3，3，2，3，2，1，1，2，1]解释如下：
第一个3表示第三个工件的第一道工序；
第二个3表示第三个工件的第二道工序；
第一个2表示第二个工件的第一道工序；
第三个3表示第三个工件的第三道工序；
第二个2表示第二个工件的第二道工序；
第一个1表示第一个工件的第一道工序；
第二个1表示第一个工件的第二道工序；
第三个2表示第二个工件的第三道工序；
第三个1表示第一个工件的第三道工序；
O31为第三个工件的第一道工序，O33为第三个工件的第三道工序，O23为第二个工件的第三道工序，由此解释了工序排序编码的含义与文字“则第一个3表示第三个工件的第一道工序，第三个2表示第二个工件的第三道工序”。
种群初始化：初始化生成的种群是由一个个个体组成，一个个体解释为一个排产计划，当前个体均是由上下限范围内的小数构成，个体由小数表示，小数组成组分表示位置元素，小数构成是因为一个完整的调度计划是多维的，又因采用算法进行位置元素更新，采用该种方法进行转换表示；
所述个体数为全部工序数；将个体位置元素里的随机数按照ROV(Ranked ordervalue)规则为每个随机数赋予唯一的ROV值，按照ROY值与工序的对应关系为每个随机数赋予工序编码，生成的工序排序则是界限内连续值对应的工序计划；所述界限内是指上下界，定义域的含义；
此时个体位置元素有小数已经解码出其实际含义，如图3所示，将得到的工序排序按照从左到右依次进行机器选择，在可选加工机器集中为工序Oij选择加工机器；
一个完整的调度计划此刻已经全部生成，计算其最小最大完工时间，并按照上述约束将种群中的全部个体进行计算(即种群中的个体是有小数位置向量组成，然后将小数解码成工序排序，然后对工序进行机器选择，最后计算一个工件完工时间)，选出各种群内的最优(即拥有最小最大完工时间的个体)，进行最优个体更新，至此一个完整的位置元素到调度计划的解码完成；
将上述初始化生成的位置元素采用改进金枪鱼群算法进行位置元素更新，改进金枪鱼群算法不再使用随机值控制更新方式，改进金枪鱼群算法采取先试后定方法，并将Levy飞行策略融合到位置元素更新中，个体位置元素采取新的位置元素更新方式后，将更新后的适应度值进行比较，所述适应度值是指一个完整计划的完工时间；选择最优更新方式为当前向量的更新方式，即选择最好的适应度值为最优更新方式，改进金枪鱼群算法的位置元素更新公式为：
Figure BDA0003701273750000051
Figure BDA0003701273750000052
Figure BDA0003701273750000053
Figure BDA0003701273750000054
Figure BDA0003701273750000055
β＝ebl*cos(2πb) (XI)
Figure BDA00037012737500000512
Figure BDA0003701273750000056
在公式(VI)-(XIII)中，
Figure BDA0003701273750000057
第t+1次迭代的第i个个体；L为Levy飞行；
Figure BDA0003701273750000058
第t次迭代的最优个体；
Figure BDA0003701273750000059
为第t次迭代的随机个体；
Figure BDA00037012737500000510
第t次迭代的第i个个体；TF是一个值为1或-1的随机数；α≤0.7；t为当前迭代次数；tmax为最大迭代次数；NP种群数量；
其中，Levy的随机步长的方法如下：
Figure BDA00037012737500000511
在公式(XIV)中，u～N(0，σ2)，v～N(0，1)，
Figure BDA0003701273750000061
u和v服从正态分布，Γ是gamma函数，参数β是区间[0，2]之间的随机数，一般情况下β＝1.5；
位置元素更新完后，将个体按照上述位置元素到调度计划的解码步骤进行解码即求得个体的最小最大完工时间，其中，位置更新完后相当于公式(I)后得到的个体，解码步骤即从公式(I)后的描述开始，但不包括公式(I)；待满足循环条件后跳出约束后将各群体的最优进行比较后选择更优个体进行输出即可，tmax为最大迭代次数，限制的迭代次数；
(3)输出
输出的是一个完整的调度计划，如以Brandimarte基准算例MK01算例为例，则按照上述描述后输出的调度计划如下图4所示：
用本文描述的方法整体加工时间少，减少了时间耗费；图4是MK01的详细信息，按照图5手动也可排成如左图5样的调度计划。
根据本发明优选的，所述种群初始化是采用Tent混沌映射方法，初始化公式为式(I)：
Ci＝f(xn)*(ubi-lbi)+lbi (I)
在公式(I)中，f(xn)是Tent混沌映射公式；ubi是第i维的上界，lbi是第i维的下界。
根据本发明优选的，在可选加工机器集中为工序Oij选择加工机器的选择方法包括：
得到所述工序排序后，为每个工序选择加工机器并计算完工时间时中间步骤得到机器加工矩阵，所述机器加工矩阵中某个机器所对应K行当前时刻之前的列中是否存在空白连续空白列G：
若可选加工机器集中只有一台机器存在符合空白列G，则选择该台机器对工序进行加工；
若可选加工机器集中，有大于等于2台机器都存在这种空白列G，则计算哪台机器的契合度更高：
若满足：Ei(j-1)k′＝＝Gs||(Gs+Hijk)＝＝Ge||(Ei(j-1)k′+Hijk)＝＝Ge，则Fd＝1；
若不满足，则Fd＝Hijk/(Ge-Gs) (II)
在公式(II)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间；Fd达标契合度；
选择契合度Fd更高的机器作为可选机器；
若不存在符合要求的空白列，则计算选择可选机器集中每台机器加工的整体完工时间：
该工序的开始时间为Sijk＝max{Ei(j-1)k′，Fk} (III)
在公式(III)中，Sijk是指工件i的第j道工序在机器k上加工的开始时间；Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Fk表示机器K的当前空表列的列号即机器的空闲时间；
工序的结束时间为：Eijk＝Sijk+Hijk(III)；
把该工序机器集里的机器都按照上述公式进行计算，选择最小工序结束时间的机器对工序进行加工。
根据本发明优选的，所述空白列G包括：
①空白列的开始时间Gs大于等于上一道工序的完工时间Ei(j-1)k′，空白列的长度大于等于工序Oij的加工时间，即
Ei(j-1)k′≤Gs&&(Gs+Hijk)≤Ge(IV)；
在公式(IV)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间；
②空白列的开始时间Gs小于等于上一道工序的完工时间Ei(j-1)k′，空白列的完工时间大于等于上一道工序的完工时间加工序Oij的加工时间，即
Gs≤Ei(j-1)k′&&(Ei(j-1)k′+Hijk)≤Ge(V)
在公式(V)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间。
一种实现上述方法的程序产品，其特征在于，所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令用于执行上述的方法。
本发明的技术优势在于：
本发明将一种改进的金枪鱼群算法用于求解柔性作业车间调度问题(FJSP)，以机器的最大完工时间为优化目标建立了柔性作业车间调度模型。提出改进金枪鱼群算法，算法对位置更新公式进行改进，并引入了Tent混沌映射和Levy飞行策略，实现了全局搜索和局部探索的有效平衡，最终达到：根据输入的工件信息后，能够输出合理调度计划的技术目的。在本发明中，可采用国际通用算例进行描述，例如：Brandimarte基准算例或者Kacem算例进行描述。
改进后的金枪鱼群算法在寻优能力、寻优精度上都有提高很多，将改进后的金枪鱼群算法应用到柔性车间调度上求解调度计划，既保证了调度计划的优越性也大大缩短了求解一个完整调度计划所耗费的时间，由该方法产生的调度计划可以使一个生产计划以最小时间单位完成，缩短机器的空闲时间，保证了生产效率。
与现有技术相比，本发明具有以下有效效果：
(1)将改进的金枪鱼群算法应用于柔性作业车间调度问题上，具有快速的全局寻优能力，能够快速跳出局部极值，进而改善了其他算法在柔性作业车间调度问题中早熟和搜索性能差的问题。采用本发明的方法进行柔性作业车间调度，可以提升种群的多样性和解集精度，同时提升企业生产效率，保证企业的经济效益。
(2)设计多鱼群求解策略，在初始化引入了混沌映射策略，增加了群体的多样性和丰富度，为后续找寻最优值奠定了基础，改变原算法的更新结构且加入Levy飞行策略，有助于提高种群多样性与分布均匀性。
(3)完整的寻优方案还可以移植到其他单目标寻优应用场景中，具有一定的通用性，且易于推广。
附图说明：
图1是本发明中所述Brandimarte基准算例中的MK01算例；
图2是本发明中的工序排序示意图；
图3是本发明中所述位置元素与工序排序的转换流程图；
图4是本发明改进金枪鱼群算法求解MK01调度计划甘特图；
图5是标准樽海鞘算法求解MK01调度计划甘特图；
图6是本发明所述方法的流程示意图。
具体实施方式
下面结合实施例和说明书附图对本发明做详细的说明，但不限于此。
如图1-6所示。
实施例1、
一种基于改进金枪鱼群算法的柔性车间排产方法，包括：
(1)输入
按照国际通用算例输入调度计划的基本信息；具体的所述调度计划的基本信息包括：待加工工件的数量、每个工件的加工工序、加工工序备选的机器、每个加工工序占用机器的时长；如图1所示就是一个调度计划的基本信息，在实际应用中则按照图1格式进行输入即可；
为了便于理解，参见表1对图1进行解释：表1前两行和图1前两行对应，表1第2行没有全部展示；表1中第三行的字母对应的是对所示第2行的命名；在所述图1表示一组数据，所示第一行至少包含2个数字：第一个数字表示工件数，第二个数字表示机器数；而所示第三个不是必须的，其表示每一道工序平均可选择的加工机器数。具体的，参见表1中，所示第一行：数字10表示10个工件；数字6表示6台可选机器；数字2表示每道工序平均有两台机器可选择。
第二行表示某一个工件：第一个数字n1表示此工件的总工序数，第二个数字n2表示加工第一道工序的可选机器数，接着会有可选机器数的个数的一组数据(机器号、加工时间)；然后是第二道工序的可选机器数，以此类推。具体的，参见表1中，所示第二行：n1表示第一个工件有6道工序，n2表示第一道工序有两台加工机器可选，在第1(n3)台机器上的加工时间是5，在第3(n4)台机器上的加工时间是4；以此类推；n5表示第二道工序有3台加工机器可选。
表1：
10 6 2
6 2 1 5 3 4 3 5 3
n<sub>1</sub> n<sub>2</sub> n<sub>3</sub> n<sub>4</sub> n<sub>5</sub>
(2)处理
采取唯一编码的形式对工序部分进行编码：工序排序中基因位代表了工件号，在工序排序中出现的位置元素表示当前的加工工件所处的第几道工序；所述工序部分就是工件工序，只表明共建的工序；所述基因位是指工序排序图上的每个数字代表的是一个基因位；所述工序排序中出现的位置元素是指工序排序图上的位置元素是文字描述的位置；
例如：如图2所示，一条工序排序编码为[3，3，2，3，2，1，1，2，1]解释如下：
第一个3表示第三个工件的第一道工序；
第二个3表示第三个工件的第二道工序；
第一个2表示第二个工件的第一道工序；
第三个3表示第三个工件的第三道工序；
第二个2表示第二个工件的第二道工序；
第一个1表示第一个工件的第一道工序；
第二个1表示第一个工件的第二道工序；
第三个2表示第二个工件的第三道工序；
第三个1表示第一个工件的第三道工序；
O31为第三个工件的第一道工序，O33为第三个工件的第三道工序，O23为第二个工件的第三道工序，由此解释了工序排序编码的含义与文字“则第一个3表示第三个工件的第一道工序，第三个2表示第二个工件的第三道工序”。
种群初始化：初始化生成的种群是由一个个个体组成，一个个体解释为一个排产计划，当前个体均是由上下限范围内的小数构成，个体由小数表示，小数组成部分表示位置元素，小数构成是因为一个完整的调度计划是多维的，又因采用算法进行位置元素更新，采用该种方法进行转换表示；
所述个体数为全部工序数；将个体位置元素里的随机数按照ROV(Ranked ordervalue)规则为每个随机数赋予唯一的ROV值，按照ROV值与工序的对应关系为每个随机数赋予工序编码，生成的工序排序则是界限内连续值对应的工序计划；所述界限内是指上下界，定义域的含义；
此时个体位置元素有小数已经解码出其实际含义，如图3所示，将得到的工序排序按照从左到右依次进行机器选择，在可选加工机器集中为工序Oij选择加工机器；
一个完整的调度计划此刻已经全部生成，计算其最小最大完工时间，并按照上述约束将种群中的全部个体进行计算(即种群中的个体是有小数位置向量组成，然后将小数解码成工序排序，然后对工序进行机器选择，最后计算一个工件完工时间)，选出各种群内的最优(即拥有最小最大完工时间的个体)，进行最优个体更新，至此一个完整的位置元素到调度计划的解码完成；
将上述初始化生成的位置元素采用改进金枪鱼群算法进行位置元素更新，改进金枪鱼群算法不再使用随机值控制更新方式，改进金枪鱼群算法采取先试后定方法，并将Levy飞行策略融合到位置元素更新中，个体位置元素采取新的位置元素更新方式后，将更新后的适应度值进行比较，所述适应度值是指一个完整计划的完工时间；选择最优更新方式为当前向量的更新方式，即选择最好的适应度值为最优更新方式，改进金枪鱼群算法的位置元素更新公式为：
Figure BDA0003701273750000111
Figure BDA0003701273750000112
Figure BDA0003701273750000113
Figure BDA0003701273750000114
Figure BDA0003701273750000115
β＝ebl*cos(2πb) (XI)
Figure BDA0003701273750000116
Figure BDA0003701273750000121
在公式(VI)-(XIII)中，
Figure BDA0003701273750000122
第t+1次迭代的第i个个体；L为Levy飞行；
Figure BDA0003701273750000123
第t次迭代的最优个体；
Figure BDA0003701273750000124
为第t次迭代的随机个体；
Figure BDA0003701273750000125
第t次迭代的第i个个体；TF是一个值为1或-1的随机数；α≤0.7；t为当前迭代次数；tmax为最大迭代次数；NP种群数量；
其中，Levy的随机步长的方法如下：
Figure BDA0003701273750000126
在公式(XIV)中，u～N(0，σ2)，v～N(0，1)，
Figure BDA0003701273750000127
u和v服从正态分布，Γ是gamma函数，参数β是区间[0，2]之间的随机数，一般情况下β＝1.5；
位置元素更新完后，将个体按照上述位置元素到调度计划的解码步骤进行解码即求得个体的最小最大完工时间，其中，位置更新完后相当于公式(I)后得到的个体，解码步骤即从公式(I)后的描述开始，但不包括公式(I)；待满足循环条件后跳出约束后将各群体的最优进行比较后选择更优个体进行输出即可，tmax为最大迭代次数，限制的迭代次数；
(3)输出
输出的是一个完整的调度计划，如以Brandimarte基准算例MK01算例为例，则按照上述描述后输出的调度计划如下图4所示：
用本文描述的方法整体加工时间少，减少了时间耗费；图4是MK01的详细信息，按照图5手动也可排成如左图5样的调度计划。
实施例2、
如实施例1所述的方法，所述种群初始化是采用Tent混沌映射方法，初始化公式为式(I)：
Ci＝f(xn)*(ubi-lbi)+lbi (I)
在公式(I)中，f(xn)是Tent混沌映射公式；ubi是第i维的上界，lbi是第i维的下界。
具体的：相较于原始算法的随机初始化方法，采用Tent混沌映射方法在搜索空间范围内初始化柔性车间调度计划，设搜索空间空间上下限为[lb，ub]，有F个群体，则初始化群体的中心点数量为F，Tent公式为：
Figure BDA0003701273750000131
其中0＜α＜1。
搜索空间范围内多鱼群找寻最优柔性车间调度计划，在初始化生成各种群的中心点后，再根据中心点的位置限制每个种群的搜索空间上下限，则每个新种群的上下限为中心点坐标±
Figure BDA0003701273750000132
即上下限为
Figure BDA0003701273750000133
确定好每个种群的上下限后各鱼群的初始化与中心点的初始化相同。
实施例3、
如实施例1所述的方法，在可选加工机器集中为工序Oij选择加工机器的选择方法包括：
得到所述工序排序后，为每个工序选择加工机器并计算完工时间时中间步骤得到机器加工矩阵，所述机器加工矩阵中某个机器所对应K行当前时刻之前的列中是否存在空白连续空白列G：
若可选加工机器集中只有一台机器存在符合空白列G，则选择该台机器对工序进行加工；
若可选加工机器集中，有大于等于2台机器都存在这种空白列G，则计算哪台机器的契合度更高：
若满足：Ei(j-1)k′＝＝Gs||(Gs+Hijk)＝＝Ge||(Ei(j-1)k′+Hijk)＝＝Ge，则Fd＝1：
若不满足，则Fd＝Hijk/(Ge-Gs) (II)
在公式(II)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间；Fd达标契合度；
选择契合度Fd更高的机器作为可选机器；
若不存在符合要求的空白列，则计算选择可选机器集中每台机器加工的整体完工时间：
该工序的开始时间为Sijk＝max{Ei(j-1)k′，Fk} (III)
在公式(III)中，Sijk是指工件i的第j道工序在机器k上加工的开始时间；Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Fk表示机器K的当前空表列的列号即机器的空闲时间；
工序的结束时间为：Eijk＝Sijk+Hijk (III)；
把该工序机器集里的机器都按照上述公式进行计算，选择最小工序结束时间的机器对工序进行加工。
所述空白列G包括：
①空白列的开始时间Gs大于等于上一道工序的完工时间Ei(j-1)k′，空白列的长度大于等于工序Oij的加工时间，即
Ei(j-1)k′≤Gs&&(Gs+Hijk)≤Ge (IV)；
在公式(IV)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间；
②空白列的开始时间Gs小于等于上一道工序的完工时间Ei(j-1)k′，空白列的完工时间大于等于上一道工序的完工时间加工序Oij的加工时间，即
Gs≤Ei(j-1)k′&&(Ei(j-1)k′+Hijk)≤Ge(V)
在公式(V)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间。
实施例4、
一种实现如实施例1-3所述方法的程序产品，所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令用于执行上述的方法。

Claims (5)

1.一种基于改进金枪鱼群算法的柔性车间排产方法，其特征在于，包括：
(1)输入
按照国际通用算例输入调度计划的基本信息；
(2)处理
采取唯一编码的形式对工序部分进行编码：工序排序中基因位代表了工件号，在工序排序中出现的位置元素表示当前的加工工件所处的第几道工序；
种群初始化：初始化生成的种群是由一个个个体组成，一个个体解释为一个排产计划，当前个体均是由上下限范围内的小数构成，个体由小数表示，小数组成部分表示位置元素；
所述个体数为全部工序数；将个体位置元素里的随机数按照ROV规则为每个随机数赋予唯一的ROV值，按照ROV值与工序的对应关系为每个随机数赋予工序编码，生成的工序排序则是界限内连续值对应的工序计划；
将得到的工序排序按照从左到右依次进行机器选择，在可选加工机器集中为工序Oij选择加工机器；
将上述初始化生成的位置元素采用改进金枪鱼群算法进行位置元素更新，改进金枪鱼群算法的位置元素更新公式为：
Figure FDA0003701273740000011
Figure FDA0003701273740000012
Figure FDA0003701273740000013
Figure FDA0003701273740000014
Figure FDA0003701273740000015
β＝ebl*cos(2πb)(XI)
Figure FDA0003701273740000016
Figure FDA0003701273740000017
在公式(VI)-(XIII)中，
Figure FDA0003701273740000021
第t+1次迭代的第i个个体；L为Levy飞行；
Figure FDA0003701273740000022
第t次迭代的最优个体；
Figure FDA0003701273740000023
为第t次迭代的随机个体；
Figure FDA0003701273740000024
第t次迭代的第i个个体；TF是一个值为1或-1的随机数；α≤0.7；t为当前迭代次数；tmax为最大迭代次数；NP种群数量；
其中，Levy的随机步长的方法如下：
Figure FDA0003701273740000025
在公式(XIV)中，u～N(0，σ2)，v～N(0，1)，
Figure FDA0003701273740000026
u和v服从正态分布，Γ是gamma函数，参数β是区间[0，2]之间的随机数，一般情况下β＝1.5；
位置元素更新完后，将个体按照上述位置元素到调度计划的解码步骤进行解码即求得个体的最小最大完工时间，其中，位置更新完后相当于公式(I)后得到的个体，解码步骤即从公式(I)后的描述开始，但不包括公式(I)；待满足循环条件后跳出约束后将各群体的最优进行比较后选择更优个体进行输出即可，tmax为最大迭代次数，限制的迭代次数；
(3)输出
输出的是一个完整的调度计划。
2.根据权利要求1所述的一种基于改进金枪鱼群算法的柔性车间排产方法，其特征在于，所述种群初始化是采用Tent混沌映射方法，初始化公式为式(I)：
Ci＝f(xn)*(ubi-lbi)+lbi (I)
在公式(I)中，f(xn)是Tent混沌映射公式；ubi是第i维的上界，lbi是第i维的下界。
3.根据权利要求1所述的一种基于改进金枪鱼群算法的柔性车间排产方法，其特征在于，在可选加工机器集中为工序Oij选择加工机器的选择方法包括：
得到所述工序排序后，为每个工序选择加工机器并计算完工时间时中间步骤得到机器加工矩阵，所述机器加工矩阵中某个机器所对应K行当前时刻之前的列中是否存在空白连续空白列G：
若可选加工机器集中只有一台机器存在符合空白列G，则选择该台机器对工序进行加工；
若可选加工机器集中，有大于等于2台机器都存在这种空白列G，则计算哪台机器的契合度更高：
若满足：Ei(j-1)k′＝＝Gs||(Gs+Hijk)＝＝Ge||(Ei(j-1)k′+Hijk)＝＝Ge，则Fd＝1：
若不满足，则Fd＝Hijk/(Ge-Gs) (II)
在公式(II)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间；Fd达标契合度；
若不存在符合要求的空白列，则计算选择可选机器集中每台机器加工的整体完工时间：
该工序的开始时间为Sijk＝max{Ei(j-1)k′，Fk} (III)
在公式(III)中，Sijk是指工件i的第j道工序在机器k上加工的开始时间；Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Fk表示机器K的当前空表列的列号即机器的空闲时间；
工序的结束时间为：Eijk＝Sijk+Hijk (III)；
把该工序机器集里的机器都按照上述公式进行计算，选择最小工序结束时间的机器对工序进行加工。
4.根据权利要求3所述的一种基于改进金枪鱼群算法的柔性车间排产方法，其特征在于，所述空白列G包括：
①空白列的开始时间Gs大于等于上一道工序的完工时间Ei(j-1)k′，空白列的长度大于等于工序Oij的加工时间，即
Ei(j-1)k′≤Gs&&(Gs+Hijk)≤Ge(IV)；
在公式(IV)中，Ei(j-1)k′表示第i个工件的第.j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间；
②空白列的开始时间Gs小于等于上一道工序的完工时间Ei(j-1)k′，空白列的完工时间大于等于上一道工序的完工时间加工序Oij的加工时间，即
Gs≤Ei(j-1)k′&&(Ei(j-1)k′+Hijk)≤Ge(V)
在公式(V)中，Ei(j-1)k′表示第i个工件的第j-1道工序在k`机器上加工的完工时间；Gs空白列的开始时间；Hijk第i个工件的第j道工序的在机器k上的加工时间；Ge空白列的结束时间。
5.一种实现如权利要求1-4任意一项所述方法的程序产品，其特征在于，所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令，所述机器可执行指令用于执行上述的方法。
CN202210695393.7A 2022-06-17 2022-06-17 基于改进金枪鱼群算法的柔性车间排产方法及程序产品 Pending CN115062980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210695393.7A CN115062980A (zh) 2022-06-17 2022-06-17 基于改进金枪鱼群算法的柔性车间排产方法及程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210695393.7A CN115062980A (zh) 2022-06-17 2022-06-17 基于改进金枪鱼群算法的柔性车间排产方法及程序产品

Publications (1)

Publication Number Publication Date
CN115062980A true CN115062980A (zh) 2022-09-16

Family

ID=83201409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210695393.7A Pending CN115062980A (zh) 2022-06-17 2022-06-17 基于改进金枪鱼群算法的柔性车间排产方法及程序产品

Country Status (1)

Country Link
CN (1) CN115062980A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115826537A (zh) * 2023-01-29 2023-03-21 广东省科学院智能制造研究所 一种多机器人产线柔性调度方法
CN117236500A (zh) * 2023-09-15 2023-12-15 武汉工商学院 一种产品流水线工作完成时间的估计方法
CN117314127A (zh) * 2023-11-29 2023-12-29 武汉爱科软件技术股份有限公司 一种混合遗传禁忌搜索算法的生产计划和排产方法
CN117649001A (zh) * 2024-01-29 2024-03-05 南京信息工程大学 基于改进金枪鱼群算法优化gbdt对气温进行偏差订正的方法
CN118410992A (zh) * 2024-06-24 2024-07-30 成都飞机工业（集团）有限责任公司 一种柔性作业车间调度方法、系统、介质和设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115826537A (zh) * 2023-01-29 2023-03-21 广东省科学院智能制造研究所 一种多机器人产线柔性调度方法
CN115826537B (zh) * 2023-01-29 2023-05-02 广东省科学院智能制造研究所 一种多机器人产线柔性调度方法
CN117236500A (zh) * 2023-09-15 2023-12-15 武汉工商学院 一种产品流水线工作完成时间的估计方法
CN117314127A (zh) * 2023-11-29 2023-12-29 武汉爱科软件技术股份有限公司 一种混合遗传禁忌搜索算法的生产计划和排产方法
CN117314127B (zh) * 2023-11-29 2024-03-12 武汉爱科软件技术股份有限公司 一种混合遗传禁忌搜索算法的生产计划和排产方法
CN117649001A (zh) * 2024-01-29 2024-03-05 南京信息工程大学 基于改进金枪鱼群算法优化gbdt对气温进行偏差订正的方法
CN117649001B (zh) * 2024-01-29 2024-04-16 南京信息工程大学 基于改进金枪鱼群算法优化gbdt对气温进行偏差订正的方法
CN118410992A (zh) * 2024-06-24 2024-07-30 成都飞机工业（集团）有限责任公司 一种柔性作业车间调度方法、系统、介质和设备
CN118410992B (zh) * 2024-06-24 2024-10-18 成都飞机工业（集团）有限责任公司 一种柔性作业车间调度方法、系统、介质和设备

Similar Documents

Publication Publication Date Title
CN115062980A (zh) 基于改进金枪鱼群算法的柔性车间排产方法及程序产品
CN110389819A (zh) 一种计算密集型批处理任务的调度方法和系统
CN112286152B (zh) 具有批量交付约束的分布式流水车间调度方法及系统
CN106611288A (zh) 一种改进的柔性流水车间调度问题的求解算法
CN111985672A (zh) 一种多Agent深度强化学习的单件作业车间调度方法
CN105550825B (zh) 云计算环境下的基于MapReduce并行化的柔性工厂作业调度方法
CN116245346B (zh) 基于多种群遗传算法和局部搜索的多无人机任务分配方法
CN116777170A (zh) 基于混沌自适应蜣螂优化算法的多机器人任务分配方法
CN113569483A (zh) 基于人工蜂群算法求解多目标柔性作业车间调度的方法
CN112668789A (zh) 一种柔性作业车间带准备工序的自适应分批调度方法
CN116957177A (zh) 一种柔性车间产线规划方法、系统、设备及介质
CN116933939A (zh) 基于改进浣熊优化算法的柔性车间协同生产方法及系统
CN115249121A (zh) 一种基于深度强化学习的离散制造车间鲁棒调度优化方法
CN115759552A (zh) 一种基于多智能体架构的面向智慧工厂的实时调度方法
CN117314055A (zh) 基于强化学习的智能制造车间生产-运输联合调度方法
CN109214695B (zh) 基于改进eda的高端装备研发制造协同调度方法及系统
CN117217487A (zh) 基于改进多邻域局部增强搜索算法的资源调度方法
CN112149876A (zh) 求解矩阵制造车间多自动轨道小车上料调度问题的人工蜂群算法
CN113792494B (zh) 基于迁徙鸟群算法和交叉融合的多目标柔性作业车间调度方法
CN113177781B (zh) 基于变邻域和遗传算子的生产组装协同调度方法及系统
CN116070826A (zh) 一种铁路货车车身喷涂作业并行机调度方法
CN118396322A (zh) 一种多资源约束的装配流水车间调度方法
CN117215275B (zh) 一种基于遗传编程的柔性车间大规模动态双效调度方法
CN114861856B (zh) 一种基于蜂群遗传混合算法的auv系统任务分配方法
CN116050782B (zh) 一种基于正交和模糊理论的柔性作业车间调度方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230111

Address after: No.19, shoukexueyuan Road, East Jingshi Road, Jinan City, Shandong Province

Applicant after: SHANDONG COMPUTER SCIENCE CENTER(NATIONAL SUPERCOMPUTER CENTER IN JINAN)

Applicant after: Qilu University of Technology

Applicant after: Shandong Shanke Zhikong Digital Technology Co.,Ltd.

Address before: No.19, shoukexueyuan Road, East Jingshi Road, Jinan City, Shandong Province

Applicant before: SHANDONG COMPUTER SCIENCE CENTER(NATIONAL SUPERCOMPUTER CENTER IN JINAN)

Applicant before: Shandong Shanke Zhikong Digital Technology Co.,Ltd.

CB02 Change of applicant information

Country or region after: China

Address after: No.19, shoukexueyuan Road, East Jingshi Road, Jinan City, Shandong Province

Applicant after: SHANDONG COMPUTER SCIENCE CENTER(NATIONAL SUPERCOMPUTER CENTER IN JINAN)

Applicant after: Qilu University of Technology (Shandong Academy of Sciences)

Applicant after: Shandong Shanke Zhikong Digital Technology Co.,Ltd.

Address before: No.19, shoukexueyuan Road, East Jingshi Road, Jinan City, Shandong Province

Applicant before: SHANDONG COMPUTER SCIENCE CENTER(NATIONAL SUPERCOMPUTER CENTER IN JINAN)

Country or region before: China

Applicant before: Qilu University of Technology

Applicant before: Shandong Shanke Zhikong Digital Technology Co.,Ltd.