[發明專利]基于遺傳算法的生產調度計劃優化方法在審
| 申請號： | 202010547306.4 | 申請日： | 2020-06-16 |
| 公開（公告）號： | CN111665808A | 公開（公告）日： | 2020-09-15 |
| 發明（設計）人： | 章國政;楊輝華;王海東;武沖;劉揚 | 申請（專利權）人： | 北京經緯紡機新技術有限公司 |
| 主分類號： | G05B19/418 | 分類號： | G05B19/418;G06N3/00;G06N3/12 |
| 代理公司： | 北京高文律師事務所 11359 | 代理人： | 徐江華;李寶玉 |
| 地址： | 100176 北京*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 遺傳 算法 生產 調度 計劃 優化 方法 | ||
本發明涉及一種基于遺傳算法的生產調度計劃優化方法，本發明在以訂單為驅動力的生產方式下，對設備已經相對成型的紡紗企業，就訂單生產線分配、以及生產順序進行優化，通過對不同種類紡織品加工順序和流程的調整，來提高生產效率。本發明包括生產計劃調度優化的詳細項目需求、模型的建立、針對提出模型的遺傳算法設計、具體的算法實現、來通過算法產成最優生產計劃調度結果。
技術領域
本發明涉及一種優化方法，尤其是涉及一種基于遺傳算法的生產調度計劃優化方法。
背景技術
遺傳算法是模擬達爾文進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。遺傳算法是從代表問題可能潛在的解集的一個種群開始的，而一個種群則由經過基因編碼的一定數目的個體組成。在初代種群產生之后，按照適者生存和優勝劣汰的原理，逐代演化產生出越來越好的近似解，在每一代，根據問題中個體的適應度大小選擇個體，并借助于自然遺傳學的遺傳算子進行組合交叉和變異，產生出代表新的解集的種群。這個過程將導致種群像自然進化一樣，后代種群比前代更適應于環境，末代種群中的最優個體對應作為問題近似的最優解。
遺傳算法的具體流程詳見圖1，首先針對問題，確定表示問題解答的染色體(編碼)，實現初始群體的形成，根據適應度函數的評價，判斷是否滿足終止條件，如果是，則輸出最優解；如果不是，則根據適應度值選擇種群，經過交叉變異處理后，返回到根據適應度函數的評價，進行下一次的判斷，直至得到最優解。
發明內容
本發明提供了一種基于遺傳算法的生產調度計劃優化方法，在以訂單為驅動力的生產方式下，本方法解決的問題是，對設備已經相對成型的紡紗企業，就訂單生產線分配、以及生產順序進行優化，通過對不同種類紡織品加工順序和流程的調整，提高生產效率。其技術方案如下所述：
一種基于遺傳算法的生產調度計劃優化方法，包括以下步驟：
S1：分析生產計劃調度優化的詳細項目需求，確定訂單的內容并根據訂單定義批次；
S2：將批次信息轉化模型參數，并確定批次的總量、完成日期、生產工序；
S3：構建采用遺傳算法的模型，并確定相關的約束條件；
S4：對上述模型利用遺傳算法處理，通過構造目標函數、變量初始化、交叉、賦值、變異步驟，直到產生最優解，即最優生產計劃表；
S5：將通過算法產成的最優生產計劃調度結果進行顯示。
進一步的，步驟S1中，當紡織企業接到短期內的不同訂單時，對訂單中的不同紡織品拆分批次，將不同訂單中的批次進行統一生產。
進一步的，步驟S2中，批次的總量是每個批次所需數量的總和。
進一步的，步驟S3中，約束條件包括工序約束、機器約束、完成時間約束：
(1)工序約束：同一生產線只有在上一道工序任務加工完成后，才能進行下一工序加工：
Cij(k+1)-Cijk-Pij(k+1)≥0(Xijk+Xij(k+1)＜＝1)
(2)機器約束：同一生產線，只有在上一個批次加工完成后，才能加工下一個批次：
C(i+1)jk-Cijk-P(i+1)jk≥0(X(i+1)jk+Xijk＜＝1)
(4)完成時間約束：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京經緯紡機新技術有限公司，未經北京經緯紡機新技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010547306.4/2.html，轉載請聲明來源鉆瓜專利網。
