[发明专利]一种基于改进遗传算法的在制状态人员调度方法

权利要求书

1.一种基于改进遗传算法的在制状态人员调度方法，其特征在于具体步骤为：

步骤1、基于在制状态的人员调度问题建模，人员的在制状态指在进行人员调度时，人员已被安排部分任务；基于在制状态的人员调度是在不影响人员原有任务作业的基础上，为新建任务安排作业人员；基于在制状态的人员调度是实现任务与人员协同调度技术的关键，根据于当前工人状态对任务进行人员安排，确定任务在制造中的起止时间；

步骤2、利用改进遗传算法，实现在制状态人员调度的最优解的求解，

其中，所述步骤1中进行问题数学建模具体为：

步骤11、基于在制状态的人员调度问题描述：作业现场共有w个工人{W₁,W₂,...,W_w}，在不影响工人原有任务作业的前提下为b个新任务{B₁,B₂,...,B_b}安排作业人员；每个任务工艺路线预先确定，由一道或者多道序组成，每道工序有固定的工时在同一时刻选择多个对应工种和工人进行加工，每个工人掌握一种作业技能；通过确定最佳的工序作业顺序，并为每道工序选择最佳的人员组合，在满足所有工序对人员需求的条件下，获得最佳性能指标，是基于在制状态下人员调度的目标；

步骤12、基于在制状态的人员调度约束：

在人员调度过程中对人员提出如下约束：

①人员的初始状态为已安排部分作业任务；

②每个作业人员拥有独立的加工日历；

③每个人员在同一时刻只能加工一个任务的一道序；

④当确定作业人员的加工工序，其加工过程不能停止直至工序完成；

⑤每个人员掌握一种作业技能；

⑥忽略作业人员在任务间的流转时间；

对任务提出如下约束：

①任务的工艺路线约束：每个任务对应一道或者多道工序，工序的工艺路线预先确定；

②每道工序对应至少一个工种，工种至少一个工人；

③每道工序有固定的工时；

④工序可作业的条件为，工序对应的工种和工人数量同时满足需求；

⑤不考虑任务移出和移入车间的时间；

步骤13、基于在制状态的人员调度数学建模：

(1)基础数据定义

P_i,j表示任务B_i的第j道序；

[tpid¹,tpid²,...,tpid^k]表示所有工人工种的集合，tpid是工人工种对应功能种类的唯一标示符且tpid≠0，k表示种类的总数；

表示工人W_m的作业工种为tpid^k；

表示工序P_i,j所需工种的数量，取值为0到该种类资源数量的最大值，当取值为0时表示P_i,j不需要该种类资源；

表示P_ij作业开始时间，设每个任务由时刻0开始加工，因此

表示P_ij作业工时；

表示P_ij作业结束时间；

表示工序P_ij调度时工人的可用时间窗集合，其中表示在时刻与时刻之间对工序P_ij连续可用；

表示工序P_ij调度时工人的被占用的时间窗集合，其中表示在时刻与时刻之间连续被工序P_ij占用；

表示的工作日历

表示在工序P_ij调度时刻工人被占用时间与空闲时间的合集为工人的工作日历；

表示工序P_ij调度时刻工人被占用时间与空闲时间不重叠；

表示时间窗集合在时间段[ST,ET]之间的作业工时；

(2)工艺约束

表示工序必须满足加工工艺约束；

表示工序加工过程不允许中断；

(3)作业能力约束

工序P_ij加工需要一种或几种数量不为0的瓶颈资源；

为工序P_ij的可加工资源的充要条件为

设为工序P_ij选择的工人集合，对于集合中的任意元素在工序作业起止时间段内作业工时大于等于工序作业工时即

(3)目标函数

最大完工时间最短：

人力资源平均负荷：

适应度函数：

F＝ω₁f₁+ω₂f₂ (3)

其中ω₁,ω₂为f₁,f₂的加权值，

并且其中，所述步骤2包括：

步骤21、确定参数；包括种群规模、迭代次数、初始化、交叉概率、变异概率；

步骤22、初始种群；利用禁忌搜索思想，基于工艺约束与作业能力约束，建立候选工序集SP与人员集[S₁,S₂,...,S_K]，利用平衡人员之间负荷的伪随机方法生成初始种群；

步骤23、解码；利用基于启发式规则的解码算法对染色体进行解码生成面向人员调度的可行解；

步骤24、适应度值：评价种群中每个染色体个体的适应度值即目标值，本次种群中最优解为

步骤25、如果满足结束条件输出最优解或者近似最优解，并且结束运行；否则执行步骤26；

步骤26、SA局部搜索；设初始化温度为T₀，k＝0

While T_k＞T_endcount＝0

Whilecount＜L_max

在随机选取一道工序，利用基于启发式规则的解码算法重新选择作业资源，按照染色体中基因顺序重新排成计算新的适应度值f^new；

采用Metropolis准则决定是否接受新解；

If接受新解

以新解取代旧解转温度更新；

Else count＝count+1；

END

温度更新：T_k+1＝T_kα^k，其中α^k为温度衰减率；

k＝k+1

END

返回最终

步骤27：如果满足结束条件输出最优解或者近似最优解，并且结束运行，否则执行步骤28；

步骤28：对种群中满足交叉概率的染色体个体按照交叉策略进行交叉，对交叉得到的种群满足变异概率的染色体个体按照变异策略进行变异，利用扇形分割法选取得到新一代种群，返回步骤24；

终止条件为达到设定的迭代次数。