[发明专利]基于免疫遗传算法的单车型流水线物流运输调度方法

说明书

技术领域

本发明涉及一种流水线生产中多车场单车型物流运输调度的方法。

背景技术

流水线生产物流运输调度问题是提高流水线生产效率的一个重要指标，然而中国物流现状不是非常乐观，《2013年物流运行情况分析与2014年展望》中显示，从产业结构来看，我国第一、二产业占比高而第三产业占比低。第三产业增加值占GDP的比重不仅远低于美国和日本70%以上的水平，也低于巴西60%以上的水平 。该文指出 物流发展面临的主要问题：物流成本偏高、物流盈利偏低；而成本偏高中一个很重要的原因就是应为物流运输的不合理造成的资源浪费，所以研究流水线生产物流运输调度是流水线生产时代背景下的使命。

流水线的生产方式作为现代社会一种高效的生产模式，在大量生产中受到重用。然而，这一切都是基于合理的物流运输调度前提下的。如果物流运输配送不合理，将造成供应链上作业的时忙时闲，同时也会造成物料堆积，影响作业。合理的物流运输调度，是使得流水线生产有序﹑合理﹑有效的根本前提，目前，在国内外对流水线物流运输调度的研究甚少，以往学者对流水线生产调度，往往涉及的都是流水线上工序调度、工序平衡的研究。本发明提供了一种求解流水线生产多车场单车型物流运输调问题的混沌免疫算法，用于解决流水线生产过程中多货物配送中心与多工序配送点之间物流运输的配送问题，求解配送过程中车辆路径规划与车辆出行时间时间，寻求最短配送路径与最优出行时间。遗传免疫算法在局部搜索能力和搜索精度上优于传统的人工免疫算法，它可以克服传统混沌算法在大范围内失效的缺点，使算法的求解质量和收敛速度都得到一定程度的提高。

发明内容

   本发明的目的是克服现有技术中的不足，提供一种高效率的多车场单车型的基于免疫遗传算法的流水线物流运输调度方法。

为实现上述目的，本发明所采用的技术方案是：

基于免疫遗传算法的单车型流水线物流运输调度方法，包括以下步骤：

步骤1：获取多车场多车型流水线生产的基本参数，包括：多个配送中心的位置、各个工序供货点的位置、各个供货点的工序生产速度、工序存放货物量、各工序要求的货物量、各种类型车辆的载重信息；

步骤2：依据生产节拍速度与货物存放量确定一个周期内货物配送的时间窗表：工序                                                配送点能滞留的最大货物量为件，生产物料放置区的生产物料会按照生产时间的推移逐渐减少，当物料减少到一定程度的时候，物料配送要开始配料，当物料为最大存储物料倍时，进入配货时间内，表示工序节拍器生产速度，取值为一般0.05-0.2之间，加工时间矩阵，表示工序工件工序上加工所要求的时间，求得配货时间窗为[,+]，为当前时间，然后，求出每道工序的时间约束窗矩阵[，]，表示约束开始时间，表示约束结束时间；

步骤3：建立于多车场单车型运输调度数学模型：

表示直接派出车辆运回成品所增加的资源损耗，对应车辆类型损耗系数，跟车场到末道配送点的距离有关。表示运输时间窗的惩罚部分，表示推迟到达时间窗的惩罚系数（非负），表示最后一部分表示工序与工序间的货物关联关系，表示车型，表示由车场派出去的 类型的车从()行驶到()所花费的资源。表示求解目标函数的最小值，也就是指约束条件下函数的最优解，即满足流水线生产要求最优物流配送方案；

    步骤4：设计遗传免疫优化算法，对步骤3中的目标函数寻求最优解；

步骤5：判断是否满足终止条件，若满足最大迭代次数或多次迭代产生相同解算法终止。

进一步地，所述步骤4的具体步骤如下：

步骤4.1：对目标问题分析，初始群体，产生抗原；

步骤4.2：计算抗体的浓度，抗原与抗体间的亲和度、抗体与抗体之间的相似度，抗体间的相识度，其中为抗体与的信息熵；

步骤4.3：编码：以实数编码直接编码代替二进制编码，省去频繁的编码解码过程；

步骤4.4：进行遗传操作，具体为选择交叉，变异操作；选择交叉，变异操作采用单点交叉的方法对抗体进行交叉操作，表示交叉概率，采用变异概率的变异方式对抗体进行变异操作；抗体的变异概率可表示为  ，式中是指抗体群中的最大适应度，其中，=0.9， =0.8；

 步骤4.5：进行免疫操作：接种疫苗，免疫选择，依据，，为种群中第等位基因上的符号通过设定伐值，选出疫苗；从父代群体中按照接种概率选择要进行接种的个体，将疫苗的基因片段依次接入，形成新的免疫种群。