[發明專利]一種基于聚類小生境遺傳算法的車間生產作業排程方法

有效

• 申請號: 202010314303.6
• 申請日: 2020-04-21
• 公開（公告）號: CN111208796B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 季海鵬;劉晶;孫敬哲;袁夕霞;徐培
• 申請（專利權）人: 天津開發區精諾瀚海數據科技有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 石家莊知住優創知識產權代理事務所(普通合伙) 13131
• 代理人: 林艷艷

本發明公開了一種基于聚類小生境遺傳算法的生產作業排程方法，包括下述步驟：S1.建立多目標函數，提出多約束條件，建立生產作業排程優化數學模型；S2.基于粒子群權值優化方法對多目標函數進行加權處理，將多目標模型轉化為單目標函數的問題；S3.根據K?means均值聚類算法把種群分為K個聚類并確定聚類中心；S4.選擇、自適應交叉、自適應變異和小生境淘汰操作；S5.判斷是否滿足終止條件得到最終生產排產方案。本發明針對排程中現存的多目標求解難和易陷入局部最優解等問題，對基于聚類小生境遺傳算法的排程方法中的多目標函數確定權值、小生境半徑和交叉和變異算子這三個過程進行改進，并且有效顯著提高提高生產排程能力，而且還有效的節約了生產成本。

技術領域

本發明涉及車間生產作業排程技術領域，具體涉及一種基于聚類小生境遺傳算法的車間生產作業排程方法。

背景技術

隨著“德國工業4.0”，“美國工業互聯網”以及“中國制造2025”戰略目標的相繼提出，推動著傳統制造向智能制造的轉變。如何在保證加工時間要求和產品質量的前提下，降低成本和提高產品質量近來成為研究熱點。應用智能優化技術研究更有效、更科學和更便捷的作業排程方法是改變當前作業排程優化問題。

近年來，隨著客戶對產品個性化和多樣化的需求日益增長，產品更新換代的步伐也越來越快。傳統的單一品種或少品種大批量生產組織模式已經不再適應這復雜多變的競爭環境，取而代之的是多品種、小批量生產方式，越來越多的研究人員將智能優化方法應用于車間生產作業排程優化領域。傳統的生產排程優化算法大多為禁忌搜索方法、神經網絡、模擬退火、遺傳算法、蟻群算法等，這些方法能夠解決車間生產作業排程優化模型較為簡單的問題，但是在車間生產作業排程優化模型中約束條件越來越復雜情況下，難以得到最佳生產排產方案，且收斂速度較慢、易陷入局部最優，具有局限性，不適合處理復雜的車間生產作業排程優化模型。智能優化算法以其通用性強廣泛應用于生產調度和模式識別等領域。目前已有學者將智能優化算法應用于車間生產作業排程優化計算，有效的解決了傳統計算車間生產作業排程優化存在的問題。文章[黃澤峰. 面向制造車間的生產優化調度與執行技術研究及應用[D]. 2016.]實現車間生產作業排程的優化，建立了考慮時間最少、生產數量最多和設備利用率最高的優化模型，構建了一種融合蛙跳算法及遺傳算法的改進型粒子群算法；對生產排程數學模型進行多目標優化求解；該算法具有較好的尋優性能；能幫助計劃調度人員快速制定出最佳的生產作業計劃,提高生產效率。文章[屈新懷等. 基于最小成本的產品生產作業排程研究[J]. 機械設計與制造.]結合企業的生產能力、訂單狀況、庫存狀況等因素綜合考慮,建立一個模糊線性規劃數學模型,用于指導企業生產計劃排程,使企業生產按照成本最小的方式進行排程。文章[黃健等. 考慮生產線平衡的多目標混流裝配線排程問題研究[J]. 組合機床與自動化加工技術, 2014(8):156-160.]建立以產品變化率、超載時間和總切換時間最小化為優化目標的數學模型，采用遺傳算法求解混流裝配線的排序問題得到一組滿意解。隨著工廠的需求逐漸增加，傳統智能優化算法法出現了新的問題：不僅需要考慮生產成本的問題，也要同時考慮設備消耗成本和加工時間的問題，因此，如何求得多目標函數的最佳生產排產方案并滿足復雜的約束條件成為新的問題焦點。

發明內容

為了解決現有技術問題，本發明提供一種基于聚類小生境遺傳算法的車間生產作業排程方法，首先建立以生產成本、加工時間和設備消耗成本的目標函數，提出了生產工藝順序、訂單數量、設備有效時間等約束條件的多目標優化模型。其次，采用粒子群權值算法將多目標優化問題轉化為單目標優化問題。最后，根據工廠生產的實際執行因素，將基于改進的K-means聚類算法優化自適應小生境遺傳算法與實際工廠生產過程相結合，合理地生成生產排產方案，達到車間生產排程能力提高，而且還有效的節約了生產成本的效果。

為解決上述技術問題，本發明所采取的技術方案是：

一種基于聚類小生境遺傳算法的車間生產作業排程方法，包括下述步驟：