[发明专利]一种基于布谷鸟搜索算法解决作业车间工艺瓶颈问题

说明书

技术领域

本发明涉及调度领域，具体地涉及用算法解决作业车间工艺瓶颈问题。

背景技术

在企业的整个经营过程中,总有某一个环节制约着企业的产销率,我们将其称为“瓶颈”。企业的目标就是在现在或将来赚取更多的利润,所以要不断的进行改进和突破,让瓶颈不再成为企业增收的障碍。但是在改进的过程中,旧的瓶颈消失了,新的瓶颈又将产生。所以对企业来说,对瓶颈的改造和突破是一个循环往复、持续改进的过程。

通过对以上定义的分析,可以发现,判别某资源是否为瓶颈资源时,有以下六种典型情况：

1.部分生产资源的生产能力低于市场需求。

2.所有生产资源的生产能力低于市场需求。

3.所有生产资源的生产能力均高于市场需求。

4.添加新的生产资源或改进工艺时,对瓶颈资源产生的影响。

5.通过外包加工提高生产能力时,对瓶颈资源产生的影响。

6.通过营销等措施使市场需求提高时,对瓶颈资源产生的影响。

约束理论认为应该平衡系统中的物流,而不是平衡系统中的能力,那些占极少数的瓶颈资源是控制物流的关键,决定了占大多数的非瓶颈资源的利用程度,同时决定了系统的有效产出。因此,理论的工具、原则就成为瓶颈资源识别的关键技术之一。本章主要研究瓶颈资源的识别方法,以便科学合理、快速有效地识别出系统中的瓶颈资源。瓶颈资源限制了整个系统的有效产出,是系统能力最薄弱的地方。

布谷鸟搜索(Cuckoo Search,CS)算法是一种新的现代启发式算法，由剑桥大学Yang和拉曼工程学院Deb于2009年提出的。该算法基于某些布谷鸟种类的巢寄生繁育行为和鸟类、果蝇等的莱维飞行(Levy flight)行为特征提出。布谷鸟搜索算法是模拟布谷鸟为寻找合适的产卵的鸟窝而随机游走的寻窝过程。在这个宿主的选择过程中，布谷鸟在繁殖期寻找与孵化期和育雏其相似的雏鸟食性基本相同、卵形与颜色易仿的宿主。多数情况下，宿主一旦识别出寄生卵，就将寄生卵扔出或弃巢，在其他地方另建新巢。而布谷鸟在下一次选择宿主的时候也会放弃该鸟巢而重新选择。为了便于模拟布谷鸟的寻窝方式，Yang和Deb提出了一下3个假设：(1)布谷鸟一次只产一个蛋，并随机选择鸟窝位置进行孵化；(2)在随机选择的一组鸟窝中，最好的鸟窝位置将被保留到下一代；(3)可利用宿主的鸟窝数量n是固定的，宿主发现一个外来鸟蛋的概率为Pa。Pa可以近似看作n个位置较差的鸟窝被随机产生的几个新鸟窝替换的概率，通常设Pa为一个固定值。布谷鸟具有很好的全局最优搜索能力，算法参数少易于实现，但是该算法搜索速度不够快，计算精度不够高，算法应用范围不够大，搜索活力不足。

K_means算法在大量数据处理中有着非常广泛的应用，它的主要思想是通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立。

发明内容

针对现有技术的上述不足，本发明要解决的技术问题是提供一种基于布谷鸟搜索算法解决作业车间工艺瓶颈问题。

本发明的目的是克服现有技术中存在的问题：作业车间产能供不应求,存在工艺瓶颈问题；布谷鸟搜索算法搜索速度不够快，计算精度不够高，算法应用范围也不够大，以及没有一种算法能够直观地给出作业车间调度方案的算法。

本发明为实现上述目的所采用的技术方案是：一种基于布谷鸟搜索算法解决作业车间工艺瓶颈问题。该算法的步骤如下：

步骤1：识别瓶颈：瓶颈的识别方法如下：

步骤1.1：根据TOC原理判断瓶颈资源。

步骤1.2：当需求超过能力时,排队最长的机器就是瓶颈。

步骤2：优化瓶颈：利用改进的布谷鸟搜索算法优化车间瓶颈工艺加工的调度。具体流程如下：

步骤2.1：初始化瓶颈鸟窝数量n。

步骤2.2：利用改进的K_means算法对这些鸟窝进行聚类，分出安全性和飞行时耗不同的鸟窝群体。具体方法如下：

1.初始化数据集：初始化鸟窝集。

2.选择初始解。随机产生一组中心解,有k个中心。

3.聚类。把安全性和飞行时耗时相近的鸟窝聚为一类。具体为：

(1)计算每个鸟窝的安全性和飞行时耗。

(2)计算鸟窝相异度。相异度用鸟窝的安全性和飞行时耗刻画，在这里用作业车间工件工序的执行时间刻画。

(3)如果ρ_i≤ε，则，第i个国家就聚到相应的c中心一类中。

步骤2.3利用改进的布谷鸟搜索算法在不同类中进行调度。具体如下：