[发明专利]基于改进人工蜂群算法的生产调度方法及系统

说明书

基于改进人工蜂群算法的生产调度方法及系统，本发明实施例公开了恶化情形下一种基于改进的人工蜂群算法的平行机批调度方法及系统，该方法能针对恶化工件情形下考虑维修的平行机批调度问题，求得近似最优解，本发明中的模型来源于实际生产过程，考虑了实际生产中的机器维修和组批加工方式，以及工件和机器随着时间的延长会出现额外的加工和维修处理时间，本发明对该问题的解决有利于在复杂的现实生产环境中为企业生产和维修提供可靠的决策支持，降低企业运营成本，提高企业生产效率，推动企业现代化智能工厂的构建。

技术领域

本发明实施例涉及软件技术领域，具体涉及一种基于改进人工蜂群算法的生产调度方法及系统。

背景技术

恶化工件调度问题最初由Gupta和Gupta(1988)提出，是一个典型的组合优化问题，在近年来得到广泛的重视和研究。它广泛存在于现代化生产的各行各业，如：钢铁加工业、医疗行业、环境治理等领域。与传统调度问题中每个工件具有固定的加工时间不同，恶化情形下，越早开始加工，工件的加工持续时间会越短。而且在实际生产中，一台机器通常可以同时处理一定数量的工件，但是为了保证机器的持续有效性和产品的质量水平，机器在加工过程中需要进行检修，合理有效的利用工件加工规律，设计相应的工件和维修安排规则，将显著提升当前复杂环境下企业的生产效率，提高企业的市场竞争力。因此，对恶化情形下考虑维修的平行机批调度问题进行研究具有很强的现实意义。

在以往的研究中，智能算法被广泛应用于解决各类平行机调度问题，一种方法运用遗传算法解决了一般情形下的平行机调度问题。另一种方法运用粒子群算法解决了模糊环境下的平行机调度问题。还有一种方法在前者的研究基础上提出了混合遗传粒子群算法，并通过实验证明了所提混合算法在搜索能力和鲁棒性要求上均优于前者。

然而，在进行发明创造的过程中发明人发现，现有技术存在以下缺陷：在传统调度模型中，一般假设工件加工时间是固定并已知的，但是在复杂生产环境中，由于机器的恶化和人的疲劳，工件的加工时间会随着工件开始加工时间的延长而延长，而且在加工过程中机器还会存在维修等情况，虽然近年来也有很多文献开始研究机器恶化调度问题，但是同时考虑恶化和平行批处理机的研究较少，而且通过文献调查，没有发现研究者将恶化，维修，平行批加工和不相关平行机同时考虑而构建复杂的调度模型，而实际生产环境中，这些因素可能会同时存在，这一复杂问题的解决是破解企业生产难题的关键，而传统的调度模型并不能解决这一问题。除此之外，在方法上，人工蜂群算法存在着容易陷入局部最优缺点，但是在与其它智能算法相结合时展现出良好的性能，包括在某些特定问题中与启发式算法的结合，传统的人工蜂群算法很难适用于解决当前复杂生产问题。

发明内容

本发明实施例提供了一种基于改进人工蜂群算法的生产调度方法及系统，用以解决上述至少一个技术问题。

第一方面，本发明实施例提供一种基于改进人工蜂群算法的生产调度方法，包括：

S1、输入每个机器的容量和工件的一般加工时间，设定改进人工蜂群算法参数，包括最大迭代次数t_max，全局最优解gbest，蜜源搜索限制UP，雇佣蜂数量SN，迭代次数t＝1；

S2、初始化种群；考虑共有SN个蜜源，第q个蜜源的位置定义为q＝1,2,...,SN,其中表示第q个蜜源在第j维上的位置，表明第j个工件被分配至第个机器；

S3、计算解集中每个蜜源的适应度值，更新全局最优解gbest；

S4、计算当前代的邻域选择概率设定变量q＝1；