[发明专利]一种基于遗传变邻域算法的飞机装配线作业调度方法

说明书

本发明公开了一种基于遗传变邻域算法的飞机装配线作业调度方法，该方法首先建立资源受限的飞机装配线作业调度模型，将实际生产中的作业调度问题转化为优化求解的数学模型问题；其次以最小化装配作业总工期为优化目标，同时考虑紧前紧后约束、资源约束和空间约束，构建飞机装配线分部段作业调度模型；最后采用改进遗传变邻域算法进行求解。本发明设计了一种结合优先级规则的种群初始化方法以缩减解空间，采用一种结合接受阈值的变邻域局部搜索方式，构建三种考虑紧前紧后关系的邻域结构来确保搜索过程中产生合法解，以提高搜索能力，避免传统遗传算法陷入局部最优；通过本方法所得的飞机装配线作业调度方案可有效缩短装配作业总工期。

技术领域

本发明属于飞机装配线作业车间在资源、空间受限情况下的作业调度领域，具体涉及一种基于遗传变邻域算法的飞机装配线作业调度方法。

背景技术

飞机装配具有作业数量大、装配关系复杂等特点，且驾驶舱等部段区域可容纳资源的空间有限，所以飞机装配线作业调度问题可看作是一类具有特殊空间约束的资源受限项目调度问题(Resource Constrained Project Scheduling Problem,RCPSP)，该类问题已被证明为一类复杂的强NP-hard问题。

从求解角度来看，解决RCPSP及其扩展问题的算法可分为三大类：精确算法、启发式算法和元启发式算法(智能算法)，其中精确算法虽然能得到理论最优解，但仅适用于小规模求解，由此近似算法开始被应用于求解大规模RCPSP问题。自1963年调度生成方案后被提出后，各种启发式算法也相继被应用到该问题，但其不具备优化能力，往往受到问题本身的影响而得不到满意解。元启发式算法和智能算法的应用使问题的求解得到了新的发展，如引入局部搜索中的模拟退火算法(Simulated Annealing，SA)来求解RCPSP，进化算法(如遗传算法，Genetic Algorithm，GA)和群体智能算法(如蚁群优化算法，Ant ColonyOptimization，ACO)都在求解RCPSP问题上得到了广泛的应用。

飞机装配线调度问题属于传统RCPSP的扩展问题，其中作业活动除了受到紧前紧后约束和资源的约束外，在飞机的某些部段，众多满足资源的并行活动，常因空间的限制而无法同时进行，从而增加了问题空间和计算求解的复杂度。针对问题的复杂性，将元启发式算法进行混合以弥补各自算法缺点成为解决这类问题的新方法，通过算法混合既提高了问题求解的效率，同时能够在全局范围内得到更精确的解。

发明内容

为克服现有技术在解决飞机装配作业线调度问题中存在的不足，本发明提供一种基于遗传变邻域算法的飞机装配线作业调度方法。

本发明的一种基于遗传变邻域算法的飞机装配线作业调度方法，具体步骤如下：

步骤1：设定飞机装配线作业调度的相关参数

设飞机装配作业项目由活动集合J；J＝{0,1,2,…,n+1}组成，其中活动0和n+1为虚活动，仅代表项目的开始和结束，不占用时间和资源；活动j的紧前作业集合用P_j，j∈J表示，j的紧后作业集合用S_j表示；t_j表示活动j的持续时间，st_j表示活动j的作业开始时间；定义M为部段集合，M＝{1,2,…,z},m∈M为部段号，z为正整数，C_m表示在部段m中的活动集合，e_j表示作业活动j的空间占用量，各部段的最大空间容量为N_m；R＝{r₁,r₂,…,r_q,…,r_k}表示装配过程中的k种资源集合，用r_jq表示活动j对第q种资源单位时间的需求量，b_q为资源q单位时间的最大供应量；对时间进行离散化处理，d＝{1,2,…,T}为离散的时间节点，T表示装配作业总工期，A_d＝{j|st_jd≤st_j+t_j}为d时刻正在执行的作业活动集合。