[發(fā)明專利]基于混沌免疫算法的多車型流水線物流運輸調度方法

在審

• 申請?zhí)枺?/td>: 201410290560.5
• 申請日: 2014-06-26
• 公開（公告）號: CN104036380A
• 公開（公告）日: 2014-09-10
• 發(fā)明（設計）人: 蔡延光;樂峰;蔡顥
• 申請（專利權）人: 廣東工業(yè)大學
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06Q50/28
• 代理公司: 廣州市南鋒專利事務所有限公司 44228
• 代理人: 劉媖

技術領域

本發(fā)明涉及一種流水線生產中多車場單車型物流運輸調度的方法。

背景技術

流水線的生產方式作為現(xiàn)代社會一種高效的生產模式，在制造生產中受到重用。流水線生產是一個非常精細的工藝生產，具有很高的生產效率。然而，這是基于合理的物流運輸調度前提下的。如果物流運輸配送不合理，將造成供應鏈上作業(yè)的時忙時閑，同時也會造成物料堆積，影響作業(yè)。具體體現(xiàn)在1.供應過剩浪費造成物料積累，物料的積累會影響流水線生產的正常進行，甚至導致流水生產癱瘓。2.資源浪費。不合理的物流配送會導致人力﹑車力等資源浪費，使得生產成本加大。3.不良修正浪費。不合理的配送造成二次搬運浪費﹑庫存浪費﹑占用空間加大﹑物料管理損耗增多等。可見，合理的物流運輸調度，是使得流水線生產有序﹑合理﹑有效的根本前提，提高流水線生產效率的一個重要保障。在我國內高效流水線的生產方式與低效、繁雜的物流配送還存在著矛盾，雖然物流配送能夠順利的配送到生產線，但是操作并沒有在適當?shù)臅r間只配送適當數(shù)量與質量的物料到適當?shù)牡攸c，會有少量的余量，這使得生產料積累余料會不停的增加，堆放在生產線旁邊，有事會嚴重的影響后續(xù)物料的配送，甚至導致短時間的停產。目前，在國內外對流水線物流運輸調度的研究甚少，以往學者對流水線生產調度，往往涉及的都是流水線上工序調度、工序平衡的研究。寶斯琴塔娜、陳紅霞等研究了基于FLEXSIM的流水線生產物流優(yōu)化問題，提出了切實可行的方案[詳見：寶斯琴塔娜，陳紅霞.基于FLEXSIM的流水線生產物流優(yōu)化[J].工業(yè)工程與管理，2008，77（4）:106-108]，李云研究的混合裝配流水線物流系統(tǒng)的優(yōu)化與仿真[詳見：李云.混合裝配流水線物流系統(tǒng)的優(yōu)化與仿真[D].上海大學，2004]，對流水線的研究都具有很大促進作用。本發(fā)明用于解決流水線生產過程中多貨物配送中心與多工序配送點之間物流運輸?shù)呐渌蛦栴}，求解配送過程中車輛路徑規(guī)劃與車輛出行時間時間，尋求最短配送路徑與最優(yōu)出行時間。算法在局部搜索能力﹑搜索精度﹑求解質量和收斂速度都得到一定程度的提高。

發(fā)明內容

???本發(fā)明的目的是克服現(xiàn)有技術中的不足，提供一種高效率的多車場單車型的基于混沌免疫算法的流水線物流運輸調度方法。本發(fā)明運用混沌免疫算法來求解流水線生產的多車場多配送中心模型的物流運輸配送，在多個工序配送物料﹑一個周期內多次配送中尋求多車場多車型函數(shù)模型車輛路徑規(guī)劃與出車時間表的最優(yōu)解。

為實現(xiàn)上述目的，本發(fā)明所采用的技術方案是：

?基于混沌免疫算法的多車型流水線物流運輸調度方法，包括以下步驟：

步驟1：獲取多車場多車型流水線生產的基本參數(shù)，包括：多個配送中心的位置、各個工序供貨點的位置、各個供貨點的工序生產速度、工序存放貨物量、各工序要求的貨物量、各種類型車輛的載重信息；?

步驟2：根據(jù)生產節(jié)拍速度與貨物存放量確定一個周期內貨物配送的時間窗表工序???????????????????????????????????????????????，配送點能滯留的最大貨物量為件，生產物料放置區(qū)的生產物料會按照生產時間的推移逐漸減少，當物料減少到一定程度的時候，物料配送要開始配料，當物料為最大存儲物料的?倍時，進入配貨時間內，表示工序節(jié)拍器速度，取值為一般0.05~0.2之間；加工時間矩陣，表示工序工件工序上加工所要求的時間，求得配貨時間窗為[,?+]，為當前時間，由此，求出每道工序的時間約束窗矩陣[，]，表示約束開始時間，表示約束結束時間；

步驟3：建立多車場多車型運輸調度數(shù)學模型：

，

表示求解目標函數(shù)的最小值，指約束條件下函數(shù)的最優(yōu)解即滿足流水線生產要求最優(yōu)物流配送方案,式中表示運輸損耗與車場以及工序及工序間的距離相關，表示運輸時間窗的懲罰部分，表示推遲到達時間窗的懲罰系數(shù)（非負），表示最后一部分表示工序與工序間的貨物關聯(lián)關系，表示車型，表示由車場派出去的?類型的車從()行駛到()所花費的資源；

步驟4：設計混沌免疫優(yōu)化算法，對步驟3目標函數(shù)尋求最優(yōu)解。

?

進一步地，所述步驟4包括以下步驟：

步驟4.1：初始算法的參數(shù)：初始參數(shù)如下：表示抗體種群規(guī)模、選擇克隆細胞數(shù)量，表示最大迭代次數(shù)，克隆倍數(shù)、免疫補充量、變異率、免疫伐值；

步驟4.2：利用混沌迭代生成混沌序列作為初始抗原，計算抗體集中每一個抗體的濃度、對抗原適應值、抗體間的親和力，抗體間的相識度，其中為抗體與的信息熵；

步驟4.3：對不滿足終止條件適應度的抗體，利用混沌更新策略進行變異、交叉，產生新的抗體：