【技术实现步骤摘要】
本专利技术涉及一种基于nsga-ii算法的烟草行业制丝排产多目标优化方法及装置，属于目标优化。
技术介绍
1、卷烟工厂通常由制丝车间和卷包车间组成。制丝车间为上游车间，卷包车间为下游车间。两个车间排产问题是关系到卷烟工厂效率和能耗的重要问题。卷包通常以产品订单和原料库存为排产依据，而制丝车间的排产则以卷包车间需求为依据进行倒推式排产。
2、制丝车间产能较卷包车间需求通常存在一定余量，因而制丝车间内部流水线各工艺段之间的排产存在较高自由度。目前，制丝车间在获得总得产量计划后，下发到流水线各工艺段的具体生产任务主要由生产组织者根据一定的约束条件制定，这些约束条件通常为设备能力、生产工艺要求。很少有对能耗、生产效率等方面的约束考虑。
3、在制丝车间具体的组织生产中，前后工艺段的生产衔接则以操作人员之间的沟通协商为主。这种排产方式工作量大，依赖人工经验[4]，会造成生产过程质量管控难度增加，而且容易造成生产效率低和能耗大的问题。在卷烟工厂高质量发展越来越迫切的今天，传统的制丝人工排产模式已经难以满足实际生产的需要。
技术实现思路
1、本专利技术提出了一种基于nsga-ii算法的烟草行业制丝排产多目标优化方法及装置，在制丝排产中兼顾能耗和效率两方面目标，解决现有制丝排产缺失能耗、效率方面约束条件，且严重依赖人工经验的问题。
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、第一方面，本专利技术提供了一种基于nsga-ii算法的烟草行
4、s1:将制丝车间生产任务和工艺任务进行编码，根据工艺段内部的约束条件进行排序形成若干种配置方案；每个配置方案由各工艺环节选择的任务组合顺序组成。
5、s2:基于形成的配置方案进行种群初始化，在指定的种群大小、生产任务和工艺任务约束条件的范围内随机产生初始化群体，；
6、s3:选择适应度函数作为nsga-ii算法选择的目标；
7、s4:采用均匀交叉算子和反转突变算子对种群进行遗传操作；
8、s5:基于快速非支配排序、拥挤度计算和精英保留策略进行选择操作，得到新的组合。
9、s6:将产生的组合重复进行步骤s4～步骤s5的操作，直至完成规定的遗传迭代总次数，得到此时的最优配置方案，以此获取最适配的工单任务顺序组合和工艺执行组合。
10、进一步的，s1:将制丝车间生产任务和工艺任务进行编码，根据工艺段内部的约束条件进行排序形成若干种配置方案，包括：
11、将制丝车间生产任务和工艺任务进行编码，所有的生产任务设为集合{t}，每个工艺的内部的所有工艺任务配置为集合{e}。
12、穷举出每一种可行组合下，所需消耗的资源和要求，包括时间、能耗、成本以及能耗，形成一个以{t}内元素为横轴，{e}内元素为纵轴的编码配置表。
13、进一步的，s2:将形成的配置方案作为初始种群，进行种群初始化，包括：
14、s201:分析过程生产数据、历史排产数据及存在的条件约束，所述条件约束包括：每天的工单任务下发数、每天的工单任务执行顺序、各工单任务的工艺执行顺序、工艺间的依存关系。
15、s202:初始化循环序号f＝1；
16、s203:根据s201获取的约束条件，组成每个工艺环节对应的候选任务组成顺序ri，生成牌号的n维工艺任务随机列向量kfi，ef表示第f次循环ti任务被分配的工艺任务组成顺序；
17、s204:将初始化循环序号f加1，如果f大于每一代配置方案的个数n,则多个列向量叠加形成n*n的种群初始化矩阵，否则，循环执行第s203步。
18、s205:判断矩阵所有列向量是否存在重复编码，存在则删除重复个体，并重新执行s203步，不存在则生成初始化矩阵。
19、进一步的，所述初始化矩阵inm表示如下：
20、
21、进一步的，s3:选择适应度函数作为nsga-ii算法选择的目标，包括：
22、将适应度函数设置为c、t、q的相关函数，c指生产成本、t指完成时间、q指产品质量。以sigmod为适应度函数形式，某执行n个工艺任务的方案适应度c如下所示。
23、
24、其中，c：表示某执行n个工艺任务的方案的适应度，i：表示索引，用于迭代工艺任务的序号，n：表示某个方案中工艺任务的总数，q：代表产品质量，c：代表生产成本，t：代表完成时间。
25、进一步的，s4，采用均匀交叉算子和反转突变算子对种群进行遗传操作，包括：
26、s401:运用均匀交叉算子进行变异操作：
27、设计两个父染色体p1和p2，设置交叉概率为pc＝0.6；
28、依次扫描染色体的每个基因并随机产生0-1之间的数num，如果num>pc，则将p1和p2对应位置的工艺资源进行交换，否则不进行交换，产生两个子代的配置方案q1和q2。
29、s402:运用反转突变算子进行变异操作。
30、随机生成一个整数r∈{1,2,...,n},n为整体配置方案的长度，其次从个体的配置方案编码中随机选择一个长度为r的序列，然后将此段序列的基因顺序进行反转，从而改变资源配置方案。
31、进一步的，s5:基于快速非支配排序、拥挤度计算和精英保留策略进行选择操作，得到新的组合，包括：
32、s501:合并父子种群为r(t)，利用快速非支配排序算法对r(t)中的配置方案进行非支配排序，分成若干个配置方案层级f＝{f1,f2,...,fn}，每个层级包含若干个没有支配关系的配置方案fn＝{k1,k2,...,kn}。
33、s502:将父种群p(t+1)置为空，设置当前层级i＝1。
34、s503:如果p(t+1)和层级fi中的配置方案总数小于等于种群大小n，则执行步骤s504。否则执行步骤s505。
35、s504:计算fi层级的每个配置方案的拥挤度dij，然后将fi层级中的配置方案都加入p(t+1)，层级i＝i+1，执行步骤503。
36、s505：对fi中的配置方案按照拥挤度进行排序，选出n–|p(t+1)|个配置方案加入种群p(t+1)，确保p(t+1)中配置方案数为n。
37、进一步的，计算fi层级的每个配置方案的拥挤度dij，包括：
38、计算方法如下式：
39、
40、式中，dij表示fi层级第j个配置方案的个体拥挤度，cmax、tmax和qmax分别表示fi层级中所有配置方案生产成本、完成时间、产品质量的最大值，cmin、tmin和qmin分别表示fi层级中所有配置方案生产成本、完成时间、产品质量的最小值。
41、第二方面，本专利技术提供一种基于nsga-ii算法的烟草行业制丝排产多目标优化装置，包括：
42、存储器，本文档来自技高网...
【技术保护点】
1.一种基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，S1:将制丝车间生产任务和工艺任务进行编码，根据工艺段内部的约束条件进行排序形成若干种配置方案，包括：
3.根据权利要求1所述的基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，S2:将形成的配置方案作为初始种群，进行种群初始化，包括：
4.根据权利要求3所述的基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，所述初始化矩阵InM表示如下：
5.根据权利要求1所述的基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，S3:选择适应度函数作为NSGA-II算法选择的目标，包括：
6.根据权利要求1所述的基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，S4，采用均匀交叉算子和反转突变算子对种群进行遗传操作，包括：
7.根据权利要求1所述的基于NSGA-II算法的
8.根据权利要求7所述的基于NSGA-II算法的烟草行业制丝排产多目标优化方法，其特征在于，计算Fi层级的每个配置方案的拥挤度dij，包括：
9.一种基于NSGA-II算法的烟草行业制丝排产多目标优化装置，其特征在于，包括：
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1-8任一项所述方法。
...【技术特征摘要】
1.一种基于nsga-ii算法的烟草行业制丝排产多目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于nsga-ii算法的烟草行业制丝排产多目标优化方法，其特征在于，s1:将制丝车间生产任务和工艺任务进行编码，根据工艺段内部的约束条件进行排序形成若干种配置方案，包括：
3.根据权利要求1所述的基于nsga-ii算法的烟草行业制丝排产多目标优化方法，其特征在于，s2:将形成的配置方案作为初始种群，进行种群初始化，包括：
4.根据权利要求3所述的基于nsga-ii算法的烟草行业制丝排产多目标优化方法，其特征在于，所述初始化矩阵inm表示如下：
5.根据权利要求1所述的基于nsga-ii算法的烟草行业制丝排产多目标优化方法，其特征在于，s3:选择适应度函数作为nsga-ii算法选择的目标...
【专利技术属性】
技术研发人员：丁男哲，钱杰，李冠华，周详，邱佩芬，唐圜恩，吴舜尧，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。