[發(fā)明專利]一種物料運(yùn)輸?shù)淖詣?dòng)調(diào)度方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011317989.0
• 申請(qǐng)日: 2020-11-23
• 公開（公告）號(hào): CN112508240B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 顧釗銓;孔祥袆;方濱興;賈焰;田志宏;殷麗華;仇晶;李樹棟;韓偉紅
• 申請(qǐng)（專利權(quán)）人: 廣州大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/08;G06Q50/04
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 雷芬芬;黃磊

本發(fā)明公開了一種物料運(yùn)輸?shù)淖詣?dòng)調(diào)度方法，包括：S1，獲取流程圖中的所有物料被加工成中間件，最終加工出成品的路徑集合；S2，根據(jù)物料加工場(chǎng)地順序以及其他參數(shù)，計(jì)算出每段運(yùn)輸區(qū)間的最短運(yùn)輸時(shí)間；S3，將每種物料生產(chǎn)時(shí)間和最短運(yùn)輸時(shí)間相加，得到每種物料生產(chǎn)運(yùn)輸時(shí)間，將一條路徑中的所有物料的生產(chǎn)運(yùn)輸時(shí)間相加，得到每條路徑生產(chǎn)運(yùn)輸?shù)淖疃虝r(shí)間；S4，將最短時(shí)間最長的路徑作為該流程圖的最長路徑，假設(shè)所有物料從第0天開始生產(chǎn)，根據(jù)每種物料生產(chǎn)運(yùn)輸時(shí)間使用貪心算法計(jì)算出所有物料運(yùn)輸時(shí)間不沖突的區(qū)間。本發(fā)明能大大提高計(jì)算效率并降低計(jì)算復(fù)雜度。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)與信息技術(shù)領(lǐng)域，具體涉及一種物料運(yùn)輸?shù)淖詣?dòng)調(diào)度方法。

背景技術(shù)

在物料生產(chǎn)加工過程中原材料需要在不同生產(chǎn)場(chǎng)地生產(chǎn)加工成中間材料，加工好的中間材料需要統(tǒng)一運(yùn)輸?shù)侥硞€(gè)生產(chǎn)場(chǎng)地進(jìn)行成品裝配。由于產(chǎn)品特性，不同的材料需要不同的車輛來運(yùn)輸。物料生產(chǎn)加工及運(yùn)輸?shù)南群箜樞蛲ǔＳ扇斯碚{(diào)度。隨著物料種類、生產(chǎn)數(shù)量的增多，人工調(diào)度工作量大，且容易造成中間物料生產(chǎn)完成時(shí)間相差較大，先生產(chǎn)好的中間物料需要堆積到倉庫等待其他中間物料生產(chǎn)好才可以進(jìn)行裝配，效率較低。為提高物料生產(chǎn)加工及運(yùn)輸?shù)男剩瑴p少人工調(diào)度的工作量，各個(gè)公司逐步采用自動(dòng)化的方式進(jìn)行物料調(diào)度，設(shè)計(jì)物料調(diào)度系統(tǒng)，根據(jù)物料生產(chǎn)速度、種類決定生產(chǎn)、運(yùn)輸順序，減少人工調(diào)度的工作量。

現(xiàn)有技術(shù)中，主要有兩類算法解決此類調(diào)度問題，一類是使用遺傳算法進(jìn)行物料調(diào)度；另一類是采用蟻群算法解決調(diào)度問題。

第一類算法是根據(jù)大自然中生物體進(jìn)化規(guī)律而設(shè)計(jì)提出的，是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。該算法通過數(shù)學(xué)的方式,利用計(jì)算機(jī)仿真運(yùn)算,將問題的求解過程轉(zhuǎn)換成類似生物進(jìn)化中的染色體基因的交叉、變異等過程。遺傳算法解決作業(yè)調(diào)度問題的步驟如下，1、初始化：依據(jù)每個(gè)種群的特征隨機(jī)生成第一代種群的全部個(gè)體；2、求個(gè)體適應(yīng)度：計(jì)算每個(gè)個(gè)體的適應(yīng)度；3、選擇過程：依據(jù)一定的選擇規(guī)范，選出一部分優(yōu)秀個(gè)體參與交叉和變異操作；4、交叉過程：群體中兩兩配對(duì)，交換部分染色體基因，完成交叉操作；5、變異過程：隨機(jī)改變個(gè)體中的部分基因，來實(shí)現(xiàn)變異操作；6、終止判斷：若新一代種群滿足終止條件，停止算法迭代，記錄此時(shí)的最優(yōu)解為問題的最優(yōu)解；否則，迭代次數(shù)加1，返回步驟2。

第二類算法的基本思路為：用螞蟻的行走路徑表示待優(yōu)化問題的可行解，整個(gè)螞蟻群體的所有路徑構(gòu)成待優(yōu)化問題的解空間。路徑較短的螞蟻釋放的信息素量較多，隨著時(shí)間的推進(jìn)，較短的路徑上累積的信息素濃度逐漸增高，選擇該路徑的螞蟻個(gè)數(shù)也愈來愈多。最終，整個(gè)螞蟻會(huì)在正反饋的作用下集中到最佳的路徑上，此時(shí)對(duì)應(yīng)的便是待優(yōu)化問題的最優(yōu)解。在多模式資源約束下的調(diào)度問題中，螞蟻是走在一個(gè)由活動(dòng)及其可選模式所構(gòu)成的圖上的，該情況下的項(xiàng)目調(diào)度問題的解是由活動(dòng)的序列及其模式所出現(xiàn)的順序所構(gòu)成的一個(gè)路徑圖，其目標(biāo)是希望所有活動(dòng)都完成所耗費(fèi)的時(shí)間最短，而螞蟻的信息素是釋放在活動(dòng)及其對(duì)應(yīng)選擇的模式上的。因此在蟻群算法的設(shè)計(jì)中，最短項(xiàng)目工期所構(gòu)成的路徑中，隨著信息素的更新，使得其各個(gè)路徑點(diǎn)的信息素含量會(huì)積累得最高，螞蟻選擇走的概率最大。

然而，第一種技術(shù)的編碼存在表示的不確定性，單一的遺傳算法編碼不能全面的將優(yōu)化問題的約束表示出來；遺傳算法的效率通常比傳統(tǒng)的優(yōu)化算法低，并且容易過早收斂。

另一種技術(shù)如果參數(shù)設(shè)置不當(dāng)會(huì)導(dǎo)致求解速度很慢且所得解的質(zhì)量特別差；該算法同樣存在計(jì)算量大，求解時(shí)間較長等問題；此外，該算法可能陷入局部最優(yōu)解。

因此，行業(yè)繼續(xù)研發(fā)一種使物料生產(chǎn)加工效率提高，同時(shí)減少人工成本的自動(dòng)化分配每種物料的生產(chǎn)時(shí)間、調(diào)度時(shí)間和調(diào)度車輛的方法或者系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的是為了克服以上現(xiàn)有技術(shù)存在的效率低，計(jì)算量大的不足，提供了一種提高物料生產(chǎn)加工效率，同時(shí)減少人工成本的物料運(yùn)輸?shù)淖詣?dòng)調(diào)度方法。

本發(fā)明的目的通過以下的技術(shù)方案實(shí)現(xiàn)：