本发明专利技术涉及纺织车间成本优化技术领域，特别是涉及一种纺织车间调度成本优化方法，包括：获取调度数据，确定生产任务及优化目标和约束条件；基于所述优化目标和约束条件，采用蚁群算法对所述生产任务进行迭代优化，获取生产成本、库存成本和交付速度；基于所述生产成本、库存成本和交付速度构建多目标优化模型，并通过筛选Pareto前沿对所述多目标优化模型进行求解最优解，获取优化后的生产调度方案，基于优化后的生产调度方案对纺织车间进行生产调度。本发明专利技术使用蚁群算法来改进纺织车间的生产调度，提高生产效率、降低成本，并提供更灵活的生产计划，减少了资本占用成本，并提高了库存的周转率。
【技术实现步骤摘要】
本专利技术涉及纺织车间成本优化，特别是涉及一种纺织车间调度成本优化方法。
技术介绍
1、近年来，随着纺织车间生产的不断扩大，生产工厂的生产调度问题变得更加复杂，生产调度的目的是在满足客户合同要求的条件下，尽可能减少产生的总费用，能够使效益更大化，这一问题是一个典型的单目标优化问题，即需要从一个问题的所有可能的备选方案中，选择出依某种指标来说是最优的解决方案。单目标优化问题的主要难点在于面对庞大的搜索域，如果使用穷举法会需要大量的时间，且难以得到最优解，不利于实际生产中的应用。
2、在现有技术中提到了一种基于遗传算法的生产调度计划优化方法，在以订单为驱动力的生产方式下，对设备已经相对成型的纺纱企业，就订单生产线分配，以及生产顺序进行优化，通过对不同种类纺织品加工顺序和流程的调整，来提高生产效率。包括生产计划调度优化的详细项目需求、模型的建立、针对提出模型的遗传算法设计、具体的算法实现、来通过算法产成最优生产计划调度结果，尽管上述方法有益效果诸多，但是该方法中遗传算法运算过于繁琐，计算效率低，存在一定的局限性。
3、对此，提出一种纺织车间调度成本优化方法，用以解决上述问题。
技术实现思路
1、本专利技术的目的是提供一种纺织车间调度成本优化方法，应用蚁群算法帮助纺织车间有效的任务分配和资源调度，能够减少能源、材料和人工成本，提高生产的经济效益。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种纺织车间调度成本优化方法，包括：
4、获取调度数据，确定生产任务及优化目标和约束条件；
5、基于所述优化目标和约束条件，采用蚁群算法对所述生产任务进行迭代优化，获取生产成本、库存成本和交付速度；
6、基于所述生产成本、库存成本和交付速度构建多目标优化模型，并通过筛选pareto前沿对所述多目标优化模型进行求解最优解，获取优化后的生产调度方案，基于优化后的生产调度方案对纺织车间进行生产调度。
7、可选地，所述调度数据包括生产任务、资源、设备、市场需求和库存数据；
8、所述优化目标包括最小化生产成本、最小化库存成本，以及最大化交付速度；
9、所述约束条件包括生产资源、设备的可用性，市场需求以及生产任务之间的先后顺序。
10、可选地，采用蚁群算法对所述生产任务进行迭代优化包括：
11、s1.对蚁群算法的参数进行初始化，所述参数包括蚂蚁数量、信息素浓度、启发因子，其中，所述信息素浓度代表生产线上的工作任务，蚂蚁代表工作任务的分配方式；
12、s2.每只蚂蚁按照信息素浓度和启发因子的规则进行路径选择，获取下一个生产任务，并将所述下一个生产任务分配给工作人员和设备；
13、s3.对所述下一个生产任务进行成本计算，获取生产成本、库存成本和交付速度；
14、s4.基于所选择的路径和所计算的成本，更新所述信息素浓度，迭代进行s2-s4，直至遍历全部生产任务。
15、可选地，所述启发因子为：
16、
17、其中，η(i,j)为从任务i到任务j的启发因子，d(i,j)表示任务i到任务j的距离。
18、可选地，每只蚂蚁按照信息素浓度和启发因子的规则进行路径选择的方法为：
19、
20、其中，p(i,j)为从任务i转移到任务j的概率，α和β为参数，τ(i,j)为从任务i到任务j的信息素浓度，k为任务总数。
21、可选地，更新所述信息素浓度的方法为：
22、τ(i,j)＝(1-ρ)*τ(i,j)+δτ(i,j)
23、其中，τ(i,j)为从任务i到任务j的信息素浓度，ρ为信息素挥发率，δτ(i,j)为蚂蚁在路径选择后留下的信息素增量。
24、可选地，所述信息素增量为：
25、
26、其中，q为信息素强度参数，c为蚂蚁选择的路径的成本。
27、可选地，所述多目标优化模型为：
28、f(x)＝wc*c(x)+wd*d(x)+wt*t(x)
29、其中，f(x)为多目标优化函数，c(x)、d(x)、t(x)分别为生产成本、库存成本和交付速度，wc、wd和wt分别为生产成本、库存成本和交付速度的权重。
30、本专利技术的有益效果为：
31、(1)本专利技术通过获取调度数据，应用蚁群算法可以帮助纺织车间有效的任务分配和资源调度，可以减少能源、材料和人工成本，从而提高生产的经济效益，可以优化任务的顺序和分配，以最大程度地减少生产线上的等待时间；通过精确的生产调度，蚁群算法可以帮助纺织车间降低库存水平。
32、(2)本专利技术使用蚁群算法来改进纺织车间的生产调度，提高生产效率、降低成本，并提供更灵活的生产计划，减少了资本占用成本，并提高了库存的周转率，优化的生产调度减少了对人工干预的需求，降低了错误发生的风险，提高了生产的可靠性，可以同时考虑多个生产目标，例如成本、交付速度、库存等，以实现更好的平衡。
本文档来自技高网...
【技术保护点】
1.一种纺织车间调度成本优化方法，其特征在于，包括：
2.根据权利要求1所述的纺织车间调度成本优化方法，其特征在于，所述调度数据包括生产任务、资源、设备、市场需求和库存数据；
3.根据权利要求1所述的纺织车间调度成本优化方法，其特征在于，采用蚁群算法对所述生产任务进行迭代优化包括：
4.根据权利要求3所述的纺织车间调度成本优化方法，其特征在于，所述启发因子为：
5.根据权利要求4所述的纺织车间调度成本优化方法，其特征在于，每只蚂蚁按照信息素浓度和启发因子的规则进行路径选择的方法为：
6.根据权利要求5所述的纺织车间调度成本优化方法，其特征在于，更新所述信息素浓度的方法为：
7.根据权利要求6所述的纺织车间调度成本优化方法，其特征在于，所述信息素增量为：
8.根据权利要求1所述的纺织车间调度成本优化方法，其特征在于，所述多目标优化模型为：
【技术特征摘要】
1.一种纺织车间调度成本优化方法，其特征在于，包括：
2.根据权利要求1所述的纺织车间调度成本优化方法，其特征在于，所述调度数据包括生产任务、资源、设备、市场需求和库存数据；
3.根据权利要求1所述的纺织车间调度成本优化方法，其特征在于，采用蚁群算法对所述生产任务进行迭代优化包括：
4.根据权利要求3所述的纺织车间调度成本优化方法，其特征在于，所述启发因子为：
5....
【专利技术属性】
技术研发人员：晁永生，刘福凇，
申请(专利权)人：新疆大学，
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。