[发明专利]一种基于Lévy飞行的粒子群算法的生产计划优化方法

说明书

本发明为一种基于Lévy飞行的粒子群算法的生产计划优化方法，包括以下步骤：对生产计划进行数学建模；初始化粒子群的各种参数以及粒子的位置；计算各粒子的适应度值，对个体最优和全局最优进行更新；进行粒子位置更新，前期大概率采用本发明提出的基于Lévy飞行的改进粒子群算法，后期逐渐减小使用概率；不断迭代直至达到收敛条件，从而得到生产计划的解。本发明的优点是：将Lévy飞行与粒子群算法相结合并运用于生产计划的研究，有效防止粒子陷入局部最优，提高解的精度和收敛速度，可以适应于非线性问题。

技术领域

本发明属于生产计划优化领域，尤其涉及一种基于Lévy飞行的粒子群算法的生产计划优化方法。

背景技术

随着近些年来流程工业的整体市场情况的波动，间歇式生产模式逐渐兴起，其能够带给流程工业的优势也愈发明显。流程工业的企业面对复杂多变的市场环境，想要提高自身的竞争力，就必须根据市场需求制定合理的生产计划，生产计划的目的是要在充分考虑市场需求与企业生产能力的情况下，调整企业各部门间的协作关系来提高效益。生产计划的模型应由不同部门间的费用模型组建，包括生产费用、运输费用、短缺费用和仓储费用，并进行统筹规划，使得这些费用的总和最小。随着生产计划规模的扩大，生产计划求解的难度急剧加大，传统粒子群算法难以求得高质量的解，对于一些非线性问题传统解法也无能为力。

发明内容

本发明主要解决了基本粒子群算法优化生产计划易陷入局部最优、收敛速度慢、精度低的缺点，提供了一种能够提高生产计划求解的速度和精度，对于非线性问题亦有一定优势的基于Lévy飞行的粒子群算法的生产计划优化方法。

本发明解决其技术问题所采用的技术方案是，一种基于Lévy飞行的粒子群算法的生产计划优化方法，包括以下步骤：

步骤1：建立生产计划模型；

步骤2：初始化参数，该参数包括种群的粒子数N、维度d、学习因子c₁和c₂、迭代次数ger、初始概率P₀、结束概率P₁、初始惯性权重ω₀和结束惯性权重ω₁；

步骤3：初始化粒子的位置，并将粒子的个体最优位置p_id设置为当前位置；

步骤4：计算各个粒子的目标函数值，如果fit(x_id)优于fit(p_id)，则更新p_id为x_id的当前值，否则p_id不变；

其中，fit(x_id)和fit(p_id)分别为目标函数在x_id和p_id的适应度值，x_id为粒子在当前迭代中第d维的值，p_id为粒子在当前迭代过程中第d维的个体最优值；

步骤5：如果fit(x_id)优于fit(p_gd)，则更新p_gd为x_id的当前值，否则p_gd不变；

其中，fit(p_gd)为目标函数在当前全局最优点的适应度值；

步骤6：进行粒子位置更新；

步骤7：判断是否达到最大迭代次数/达到目标函数的收敛精度，若是，则结束，输出结果；若否，返回步骤4。

以生产计划模型中各个影响生产成本的因素集合为粒子群，通过粒子群算法求解各个因素最优值，以实现生产成本最优。

作为上述方案的一种优选方案，所述的目标函数如下：