[发明专利]一种基于PSO-GA混合优化算法的单目标多生产线调度控制方法

说明书

技术领域

本发明涉及一种基于粒子群优化算法(Particle Swarm Optimization，以下简称PSO)和遗传算法(Genetic Algorithm，以下简称GA)的混合优化算法的多生产线调度控制方法，属于企业管理工程与信息技术领域。

背景技术

目前已有一种基于遗传算法的可重组生产线调度方法，包括未完成的加工任务的排序和设备的分配，在工件的排序中，利用遗传算法对一条包含一台可移动设备和一台可变结构设备的可重组生产线的n个未完成加工任务进行最优排序，得到加工任务的最优排序，然后根据该排序进行设备重组。常见的应用于调度理论的智能优化算法包括粒子群算法(PSO)、禁忌搜索(TS)、分散搜索(SS)、遗传算法(GA)、模拟退火(SA)、人工免疫系统(AIS)和蚁群算法(ACO)等。

发明内容

为了克服已有现有的多生产线调度控制方法的调度结果较差的不足，本发明提供一种实现调度优化的基于PSO-GA混合优化算法的单目标多生产线调度控制方法。

本发明解决其技术问题所采用的技术方案是：

一种基于PSO-GA混合优化算法的单目标多生产线调度控制方法，所述控制方法包括以下步骤：

步骤1：建立多生产线作业协调调度问题的数学模型，其中，多生产线作业协调调度的符号定义如下：

U：共U条生产线；

n：共n种工件；

TT(i，l)：判断第i种工件是否可以在第1条生产线上加工，若可以加工该值为1，若不可以加工该值为0(l＝1，2，...U)；

n′：所有工件共分成n′批；

QF(i，k′)：第i种工件第k′批的批量；

m′(i)：第i种工件被分成m′(i)批；

Q_i：第i种工件的需求量；

Q_lk：第1条生产线第k批工件的批量；

m(l)：第1条生产线加工的工件批数；

number(l)：工件在生产线l上加工时，需在number(l)台机器上进行加工；

t_il：为第i种工件在生产线l上开工时的加工准备时间；

t′_ijl：在生产线l上，前一批为第i种工件，后一批为第j种工件的换模时间；

r_lk：生产线l上加工第k批工件的开工时间；

r_lkdw：生产线l上加工第k批工件第d个工件第w个工序的开工时间；

L(l，k)：在生产线l上加工的第k批工件种类号，L(l，k)∈{1，2，...，n}；

P₁(i，w)：第i种工件在第1条生产线上加工时的第w个工序的加工时间；

P_L(l，k)：第k批工件在生产线l上加工的单件工时；

P′_L(l，k)，w：第k批工件在生产线l的第w个工序生产单件工件所需工时；

B(i)：第i种工件的产品族号；

C_lk：生产线l上第k批工件加工任务的完工时间；

C_max：所有工件完工时间；

W_i：第i种工件的完成时间；

Wu_i、Wd_i：第i种工件的最早交货期和最晚交货期；

输入不同工件可选生产线、首批加工时的相应准备时间、不同工件在可选生产线的换模时间、不同工件在可选生产线上的加工时间、单一目标函数和加工分批策略；

步骤2：采用随机编码，包括编码控制基因x_i和参数基因z_i；并初始化运行参数，包括设定粒子种群规模N、迭代次数M、n、惯性权重w、学习因子c₁、社会因子c₂、交叉概率最小值P_c1和最大值P_c2、变异概率最小值P_m1和最大值P_m2、退火常数λ；

步骤3：初始化种群，按种群规模和约束条件随机生成偶数个组成的种群P(t)；

步骤4：将P(t)分割成粒子规模相等的两个A、B子种群，粒子分别存储在P₁(t)、P₂(t)；

步骤5：设定迭代次数t＝0；