[發明專利]一種資源約束下考慮隨機需求和操作時間的拆解調度方法

有效

• 申請號: 202110143868.7
• 申請日: 2021-02-02
• 公開（公告）號: CN112965374B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 周福禮;馬盼盼;何彥東;周林
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張真真

1.一種資源約束下考慮隨機需求和操作時間的拆解調度方法，其特征在于，其步驟如下：

步驟一：構建拆卸生產過程對應的數學模型及約束條件；

所述拆卸生產過程對應的數學模型為：

其中，TC表示拆卸生產過程的總成本，pc_it為t時段根項目i的采購成本，x_it為t時段根項目i的拆解數量，cd_i為根項目i的單位時間單位拆解成本，表示t時段葉項目k的庫存成本，E[·]為期望值函數，c_o為根項目i的單位庫存成本，c_s為葉項目k的單位延期交貨懲罰成本，N表示最大根項目數，k＝1,2,…,K，K表示最大葉項目數，t＝1,2,…,T，T表示最大周期數，I_kt-1表示t-1時段葉項目k的庫存數量，Q_kt為t時段葉項目k的產出量，L_i表示根項目i的拆解操作時間；

數學模型的約束條件為：

I_kt＝I_kt-1+Q_kt-D_kt

x_it≥0

其中，π_ik為t時段葉項目k的拆解產量，x_ij表示j時段根項目i的采購數量，F(·)為拆解作業時間的概率分布函數，j＝1,2,…,t表示時間變量，D_kt為t時段葉項目k的需求量，CP_t為t時段的資源約束；

步驟二：將遺傳算法、模擬退化算法和局部搜索算法進行融合構建了混合遺傳算法，并在約束條件的約束下利用混合遺傳算法對步驟一的數學模型進行迭代尋優，得到待拆卸的拆卸件數量的最優值；

利用混合遺傳算法對數學模型進行迭代尋優的方法為：

S2.1、初始化遺傳算法的參數值，包括種群規模、變異概率的范圍和交叉概率范圍；

S2.2、利用隨機貪心算法生成初始解種群，并利用適應度函數計算初始解種群的個體適應度值；

S2.3、對初始解種群進行選擇操作獲取個體；

S2.4、對步驟S2.3獲得的個體分別進行兩點交叉操作和多點變異操作產生子代個體；

S2.5、利用局部搜索算法對子代個體進行改善：針對每一個子代個體，隨機選擇子代個體的鄰近互換的鄰域搜索策略，遍歷該鄰域策略生成新的子代個體；

S2.6、根據步驟S2.5得到的新的子代個體更新個體適應度值，判斷更新后的個體適應度值是否小于初始解種群的個體適應度值，若是，則將步驟S2.5得到的新的子代個體作為當前迭代時的最優個體，否則按照Metropolis準則獲取新的子代個體作為當前迭代時的最優個體；

S2.7、更新模擬退火算法的退火溫度值T'，T'＝0.99T₀，T₀為初始溫度，判斷退火溫度值是否達到預定溫度，若是，則停止迭代，輸出最優個體，否則，返回步驟S2.3執行下一次迭代。

2.根據權利要求1所述的資源約束下考慮隨機需求和操作時間的拆解調度方法，其特征在于，所述t時段葉項目k的庫存成本的計算公式為：

其中，g(y)是需求的概率密度函數；

根據t時段葉項目k的庫存成本的計算公式將數學模型轉化為：

3.根據權利要求1所述的資源約束下考慮隨機需求和操作時間的拆解調度方法，其特征在于，所述適應度函數為：

其中，fitness(·)為適應度函數。

4.根據權利要求1所述的資源約束下考慮隨機需求和操作時間的拆解調度方法，其特征在于，所述步驟S2.3中選擇操作的計算方法為：

其中，S_j為單個解，p(S_j)為復制到下一代的選擇概率，f_j(S_j)是通過適應度函數得到的當前解的適應度函數值，j＝1,2,…,G_n表示個體，G_n為種群數量。