[發明專利]一種基于混合螢火蟲算法的全流程排產與優化方法

有效

• 申請號: 201810344480.1
• 申請日: 2018-04-17
• 公開（公告）號: CN108665092B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 朱云龍;呂賜興
• 申請（專利權）人: 東莞理工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/04;G06N3/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于混合螢火蟲算法的全流程排產與優化方法，其特征在于，包括以下步驟：

S1：收集生產數據，所述的生產數據包括銷售訂單、產品數據、工藝流程、每個分廠的庫存數據、每個分廠的設備能力和每個分廠的停機數據；

S2：通過生產數據制定生產計劃；

S3：設置約束模型，所述的約束模型用于對生產計劃進行調整；

S4：利用混合螢火蟲算法對約束模型進行求解，得到在約束模型下關于生產計劃的最優解；

S5：根據生產計劃的最優解更新生產計劃，并執行更新后的生產計劃；

所述的S2包括如下流程：

S2.1：刪除的所有銷售訂單下所有計劃狀態的生產訂單，并釋放對應的庫存分配；

S2.2：對當前分廠進行初始化設置；

S2.3：按當前分廠的銷售訂單或生產訂單投料單收集需求，計算訂單需求量1，所述的訂單需求量1通過下式進行計算：

訂單需求量1＝訂單量-已分配庫存量；

S2.4：查詢在途訂單，計算訂單需求量2，所述的訂單需求量2通過下式進行計算：

訂單需求量2＝訂單需求量1-訂單需求在途量；

S2.5：分配庫存，通過銷售訂單匹配產品編碼，中間產品按相似度進行匹配，所述的中間產品指的是物料經過若干個程序，但未最終完成的產品；凈需求通過下式進行計算：

凈需求＝訂單需求量2–中間產品的庫存量；

S2.6：如果凈需求0，通過物料清單、產品工藝規程制定生產訂單；

S2.7：當前分廠所有需求計算完成后，如果不存在計劃狀態的生產訂單，全流程排產與優化方法結束；

所述的S3包括如下子流程：

S3.1：定義以下兩種決策變量用于表征生產順序和生產設備：

其中，i，j＝0,1,…,n；i，j＝0代表虛擬生產訂單，表示生產的開始和結束；l代表設備，l＝1,2,…,m；

S3.2：定義目標函數；

其中，定義生產調整時間：

其中，i≠j；i，j＝1,2,…,n，所述的n表示隨機正數；l＝1,2,…,m，所述的m表示隨機正數；t_ijl表示在加工設備l中，生產訂單i，j之間的生產調整時間；所述的T₁(X)表示生產調整時間；

定義生產時間：

其中，i＝1,2,…,n；l＝1,2,…,m；t_il表示生產訂單i在加工設備l中加工時間；所述的T₂(Y)表示生產調整時間

定義生產總時間：

所述的生產總時間等于生產調整時間和生產時間之和，生產總時間通過下式進行計算：

式中，所述的f₁(X,Y)表示生產總時間；

S3.3：定義約束條件：

S3.3.1：設備中訂單i之后有且只有一個訂單，通過下式表示：

所述的n為生產訂單的數量；

S3.3.2：設備中訂單j之前有且只有一個訂單，通過下式表示：

S3.3.3：一個訂單只能安排到一臺設備中或者不進行生產，通過下式表示：

S3.3.4：每臺設備的生產中都包括一個虛擬訂單，通過下式表示：

S3.3.5：正在生產的訂單總量不超出當前生產周期內設備的生產能力，通過下式表示：

其中，所述的表示生產周期內每臺設備生產能力的上限；所述的表示生產周期內每臺設備生產能力的下限，g_i,l表示訂單i在設備l上的生產時間；

所述的S4包括以下流程：

S4.1：對混合螢火蟲算法的參數和種群進行初始化；所述的參數包括種群大小，最大迭代次數T，隨機因子初始值α_s，隨機因子結束值α_e；

其中，個體編碼采用長度為生產訂單數量的實數編碼，結構如下：

[s₁,s₂,...,s_d,...,s_n]

S4.2：計算S3.2中目標函數的值，并使用約束模型修改目標函數值；

計算目標函數時將個體的實數編碼的序列轉換為整數編碼的序列，通過對實數編碼的序列進行降序排序后讀取在原序列的位置作為整數編碼的值；

將[s₁,s₂,...,s_d,...,s_n]進行降序排列，得到位置索引集合[φ₁,φ₂,...,φ_d,...,φ_n]，然后按下式得到[i₁,i₂,...,i_d,...,i_n]：

S4.3：通過混合螢火蟲算法的吸引算子更新個體位置，通過下式表示：

X_i＝X_i+β(X_j-X_i)+α·(φ-0.5)

α＝α_s-(α_s-α_e)*t/T

式中，所述的X_i與X_j是第i個與第j個螢火蟲個體的位置，實際隨機因子α的取值隨迭代次數線性由α_s下降至α_e；所述的t是當前迭代次數；所述的φ是隨機數，服從[0,1]上的均勻分布；所述的K為調節常量；所述的Dim為問題維度與個體編碼長度即生產訂單數量一致，所述的Range為變量取值范圍，變量取值范圍可由優化問題所定義；所述的β₀＝1，所述的γ＝1；所述的r_i,j是第i個與第j個螢火蟲個體之間的歐式距離；

S4.4：利用S4.2的方法計算目標函數值，更新種群的適應度；

S4.5：通過錦標賽選擇機制在種群中選擇精英個體；

S4.6：遍歷種群，隨機選擇兩個父個體，執行交叉算子：

newFirefly＝parentOne·β+parentTwo·(1-β)

式中，所述的newFirefly是新產生的螢火蟲個體,所述的β是隨機數字，β的取值范圍是(0,1)；所述的parentOne和parentTwo是兩個從精英群體中選擇的兩個個體。