一种求解分布式流水车间动态排产问题的多目标智能优化算法制造技术

本发明专利技术公开了一种求解印刷分布式流水车间动态排产问题的多目标智能优化算法。本算法设计主要体现在：提出一种新的算法框架，将人工蜂群算法与多目标优化框架结合，得到高质量的解集；使用动态优化的方式，减少加工设备的周期性维护和临时插入的订单对原有排产计划的不利影响；改进核心操作算子，提高算法迭代效率。实验结果表明，本发明专利技术与相似的解决方法相比，能够在相同时间内求解出更高质量的多目标解集，从而降低生产成本，提高企业效益。提高企业效益。提高企业效益。

【技术实现步骤摘要】
一种求解分布式流水车间动态排产问题的多目标智能优化算法


[0001]本专利技术涉及分布式流水车间的动态排产问题的多目标优化，具体是一种求解分布式流水车间动态排产问题的多目标智能优化算法，可以在有限产能的基础上动态地得出合理的生产计划。

技术介绍

[0002]在全球化的背景下，分布式制造能够充分利用加工中心或多生产车间系统的生产资源，是全球经济一体化对制造业发展的必然要求。分布式流水车间的排产问题是生产调度问题中最重要的问题之一，在食品加工、化工、钢铁、电子产品生产等众多领域内起到重要作用。信息技术的快速发展促进了传统制造业向智能制造模式的转变，有助于实时掌握现场生产作业情况，通过合理的应变措施，减少生产过程中产生的偏差对生产经营造成的不利影响。使用传统方法求解车间排产问题时，难以兼顾多种优化目标，也无法动态地对生产设备的停机维护和临时加入的工件做出排产调整。尤其当排产规模增加时，其缺点更加明显。因此，研究多目标智能优化算法具有重要的现实意义。
[0003]分布式流水车间的排产问题是一个典型的NP难问题，最早由Naderi和Ruiz在2010年提出。他们在集中式流水车间问题中引入了多车间的条件，研究分析了问题的整数规划模型。得益于计算机技术的发展，近年来智能优化算法在车间调度问题中得到了越来越广泛的应用。2017年，王凌等人提出一种基于竞争的进化算法，以解决生产周期和订单延迟交付的多目标优化。2019年，潘全科等人提出三种启发式算法和四种元启发式算法解决了总流经时间的优化目标。在动态调度方面，智能优化算法也得到了应用。潘全科等人在2019年研究了动态调度问题，考虑了生产过程中，机器故障、临时加入工件和工件的释放时间改变的常见突发事件，并提出一种多起点的变邻域下降算法优化了生产周期。2020年，雷德明等人将人工蜂群算法应用于分布式不相关并行机调度问题中，同时考虑了加工设备的周期性维护对生产周期的影响。智能优化算法能够利用简单的搜索规则在有限时间内得到近似最优解或解集，广泛应用于多目标多约束条件的复杂现实问题中。

技术实现思路

[0004]本专利技术的目的在于针对已有技术的不足，提供一种求解分布式流水车间动态排产问题的多目标智能优化算法，对分布式流水车间排产问题的生产周期和工件总流经时间进行优化，同时考虑了临时加入工件和设备定期维护的实际需求，能够在生产过程中及时对突发情况做出调整，充分利用有限的生产资源，提高企业的生产效率。
[0005]为了解决上述技术问题，本专利技术将采用如下专利技术构思：
[0006]一种求解分布式流水车间动态排产问题的多目标智能优化算法，包括以下步骤：
[0007](1)提出了一种基于混合操作算子的启发式算法，用来初始化解集。
[0008](2)提出一种动态排产方法，处理设备的周期性维护和临时加入的工件：
[0009](2.1)提出设备老化程度的概念，每个设备加工前判定是否会使设备老化程度超过阈值。如果会，则推迟加工，优先执行设备维护工作。
[0010](2.2)提出对临时加入工件的排产方法。
[0011](3)提出三种不同策略的多目标搜索方法：
[0012](3.1)雇佣蜂阶段：依次对当前解集中的所有解执行多目标混合邻域搜索，即从已有的工件序列中随机选出一个，执行邻域插入或交换操作。从邻域解集中选出非支配解集加入候选解集。
[0013](3.2)观察蜂阶段：依次对当前解集中的非支配解集执行多目标混合邻域搜索。
[0014](3.3)侦察蜂阶段：当生产周期或总流经时间的最优解更新时，对更新的最优解执行遍历邻域搜索，直到最优解不再更新。记录遍历邻域搜索得到的解，并选出非支配解集加入候选解。
[0015](4)提出一种多目标的人工蜂群算法，有效解决分布式流水车间排产问题：
[0016]输入：待排产的工件组
[0017]输出：工件组在各车间的分配和各自车间的加工序列
[0018](4.1)使用启发式算法，得到初始化解集
[0019](4.2)依次执行雇佣蜂阶段、观察蜂阶段和侦察蜂阶段的动态调度操作
[0020](4.3)基于多目标筛选当前解集和候选解集得到新的解集
[0021](4.4)判断程序运行时间是否满足终止条件。若不满足，转到步骤(4.2)
[0022](4.5)输出解。
[0023]根据上述专利技术构思，本专利技术将采用如下技术方案：
[0024]一种求解分布式流水车间动态排产问题的多目标智能优化算法，包括以下步骤：
[0025](1)采用动态排产方法，处理设备的周期性维护和临时加入的工件：
[0026](1.1)周期性维护：
[0027]加工过程中记录每个工厂中每台设备的老化程度ML
i,k
，其中，i表示设备编号，k表示工厂编号,每加工完一个工件老化程度增加一定值；在工件加工前判断该工件是否会使设备的老化程度超过阈值若会超过，则推迟工件的加工而立即执行时长为MT
i
的维护，使ML
i,k
＝0，维护结束后继续加工工件；
[0028](1.2)临时工件加入：R
j
表示新工件的加入时间，在R
j
时刻前所有工厂中已开始加工的工件不再调整加工顺序；R
j
时刻前未开始加工的工件任可重新调度；
[0029](2)采用两种优化算子：
[0030](2.1)邻域插入/交换算子：对解π
i
中被选中的工件J的邻域进行搜索，将工件J插入到所有可行的加工位置或与其它所有可行的工件交换位置；将得到的解集加入候选解集Π
c
；
[0031](2.2)单目标邻域遍历搜索：
[0032]指定单目标Obj为C
max
或TF，依次选中对解π
i
中所有可调度的工件J
i
，与其它所有可重新调度的工件交换位置；记录得到解集Π
c
中的非支配解集Nd(Π
c
)；若Nd(Π
c
)中目标Obj的最优结果变小，则继续遍历该单目标最优解所有工件的邻域，直到min(Obj)不再变小；
[0033](3)采用多目标的人工蜂群算法，进行分布式流水车间排产：
[0034]输入：待排产的工件组和种群规模PS；
[0035](3.1)使用基于混合操作算子的启发式算法，用来初始化解集Π，启发式算法的操作如下：
[0036](3.1.1)计算每一个输入工件的总完工时间P
j
，即一个工件在所有机器上加工时间之和按工件的总完工时间递减排序；
[0037](3.1.2)依次从递减序列中取出完工时间最大的工件，从以下4种算子中随机选择一种操作，得到最优位置插入工件：
[0038](a)在关键工厂中搜索使生产周期最小的位置；
[0039](b)在关键工厂中搜索使总流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种求解分布式流水车间动态排产问题的多目标智能优化算法，其特征在于，包括以下步骤：(1)采用动态排产方法，处理设备的周期性维护和临时加入的工件：(1.1)周期性维护：加工过程中记录每个工厂中每台设备的老化程度ML
i，k
，其中，i表示设备编号，k表示工厂编号，每加工完一个工件老化程度增加一定值；在工件加工前判断该工件是否会使设备的老化程度超过阈值若会超过，则推迟工件的加工而立即执行时长为MT
i
的维护，使ML
i，k
＝0，维护结束后继续加工工件；(1.2)临时工件加入：R
j
表示新工件的加入时间，在R
j
时刻前所有工厂中已开始加工的工件不再调整加工顺序；R
j
时刻前未开始加工的工件任可重新调度；(2)采用两种优化算子：(2.1)邻域插入/交换算子：对解π
i
中被选中的工件J的邻域进行搜索，将工件J插入到所有可行的加工位置或与其它所有可行的工件交换位置；将得到的解集加入候选解集Π
c
；(2.2)单目标邻域遍历搜索：指定单目标Obj为C
max
或TF，依次选中对解π
i
中所有可调度的工件J
i
，与其它所有可重新调度的工件交换位置；记录得到解集Π
c
中的非支配解集Nd(Π
c
)；若Nd(Π
c
)中目标Obj的最优结果变小，则继续遍历该单目标最优解所有工件的邻域，直到min(Obj)不再变小；(3)采用多目标的人工蜂群算法，进行分布式流水车间排产：输入：待排产的工件组和种群规模PS；(3.1)使用基于混合操作算子的启发式算法，用来初始化解集Π，启发式算法的操作如下：(3.1.1)计算每一个输入工件的总完工时间P
j
，即一个工件在所有机器上加工时间之和按工件的总完工时间递减排序；(3.1.2)依次从递减序列中取出完工时间最大的工件，从以下4种算子中随机选择一种操作，得到最优位置插入工件：(a)在关键工厂中搜索使生产周期最小的位置；(b)在关键工厂中搜索使总流经时间最小的位置；(c)在所有工厂中搜索使生产周期最小的位置；(d)在所有工厂中搜索使总流经时间最小的位置；(3.1.3)随机选择插入位置的前一个或后一个工件J
′
，从以下8中操作中随机选择一种操作，将工件J
′
插入最优位置：(a)在J
′
所在工厂中搜索使生产周期最小的位置重新插入；(b)在J
′
所在工厂中搜索使总流经时间最小的位置重新插入；(c)在J
′
所在工厂中搜索使生产周期最小的工件交换位置；(d)在J
′
所在工厂中搜索使总流经时间最小的工件交换位置；(e)在所有工厂中搜索使生产周期最小的位置重新插入；(f)在所有工厂中搜索使总流经时间最小的位置重新插入；(g)在所有工厂中搜索使生产周期最小的工件交换位置；
(h)在所有工厂中搜索使总流经时间最小的工件交换位置；(3.1.4)判断是否还有剩余未调度工件，若有，转到步骤(3.1.2)；否则输出结果；(3.2)依次执行雇佣蜂阶段、观察蜂阶段和侦察蜂阶段的动态调度操作，更新Π，(3.2.1)在雇佣蜂阶段，依次选择当前解集Π中的一个解π
i
，随机选中其中的一个可以重新调度的工件J
r
；对选中的J
r
随机执行邻域插入或交换算子；将每一轮得...

【专利技术属性】
技术研发人员：潘全科，茅家阳，武保江，
申请(专利权)人：上海大学，
类型：发明
国别省市：