[发明专利]一种基于聚类小生境遗传算法的车间生产作业排程方法

说明书

本发明公开了一种基于聚类小生境遗传算法的生产作业排程方法，包括下述步骤：S1.建立多目标函数，提出多约束条件，建立生产作业排程优化数学模型；S2.基于粒子群权值优化方法对多目标函数进行加权处理，将多目标模型转化为单目标函数的问题；S3.根据K‑means均值聚类算法把种群分为K个聚类并确定聚类中心；S4.选择、自适应交叉、自适应变异和小生境淘汰操作；S5.判断是否满足终止条件得到最终生产排产方案。本发明针对排程中现存的多目标求解难和易陷入局部最优解等问题，对基于聚类小生境遗传算法的排程方法中的多目标函数确定权值、小生境半径和交叉和变异算子这三个过程进行改进，并且有效显著提高提高生产排程能力，而且还有效的节约了生产成本。

技术领域

本发明涉及车间生产作业排程技术领域，具体涉及一种基于聚类小生境遗传算法的车间生产作业排程方法。

背景技术

随着“德国工业4.0”，“美国工业互联网”以及“中国制造2025”战略目标的相继提出，推动着传统制造向智能制造的转变。如何在保证加工时间要求和产品质量的前提下，降低成本和提高产品质量近来成为研究热点。应用智能优化技术研究更有效、更科学和更便捷的作业排程方法是改变当前作业排程优化问题。

近年来，随着客户对产品个性化和多样化的需求日益增长，产品更新换代的步伐也越来越快。传统的单一品种或少品种大批量生产组织模式已经不再适应这复杂多变的竞争环境，取而代之的是多品种、小批量生产方式，越来越多的研究人员将智能优化方法应用于车间生产作业排程优化领域。传统的生产排程优化算法大多为禁忌搜索方法、神经网络、模拟退火、遗传算法、蚁群算法等，这些方法能够解决车间生产作业排程优化模型较为简单的问题，但是在车间生产作业排程优化模型中约束条件越来越复杂情况下，难以得到最佳生产排产方案，且收敛速度较慢、易陷入局部最优，具有局限性，不适合处理复杂的车间生产作业排程优化模型。智能优化算法以其通用性强广泛应用于生产调度和模式识别等领域。目前已有学者将智能优化算法应用于车间生产作业排程优化计算，有效的解决了传统计算车间生产作业排程优化存在的问题。文章[黄泽峰. 面向制造车间的生产优化调度与执行技术研究及应用[D]. 2016.]实现车间生产作业排程的优化，建立了考虑时间最少、生产数量最多和设备利用率最高的优化模型，构建了一种融合蛙跳算法及遗传算法的改进型粒子群算法；对生产排程数学模型进行多目标优化求解；该算法具有较好的寻优性能；能帮助计划调度人员快速制定出最佳的生产作业计划,提高生产效率。文章[屈新怀等. 基于最小成本的产品生产作业排程研究[J]. 机械设计与制造.]结合企业的生产能力、订单状况、库存状况等因素综合考虑,建立一个模糊线性规划数学模型,用于指导企业生产计划排程,使企业生产按照成本最小的方式进行排程。文章[黄健等. 考虑生产线平衡的多目标混流装配线排程问题研究[J]. 组合机床与自动化加工技术, 2014(8):156-160.]建立以产品变化率、超载时间和总切换时间最小化为优化目标的数学模型，采用遗传算法求解混流装配线的排序问题得到一组满意解。随着工厂的需求逐渐增加，传统智能优化算法法出现了新的问题：不仅需要考虑生产成本的问题，也要同时考虑设备消耗成本和加工时间的问题，因此，如何求得多目标函数的最佳生产排产方案并满足复杂的约束条件成为新的问题焦点。

发明内容

为了解决现有技术问题，本发明提供一种基于聚类小生境遗传算法的车间生产作业排程方法，首先建立以生产成本、加工时间和设备消耗成本的目标函数，提出了生产工艺顺序、订单数量、设备有效时间等约束条件的多目标优化模型。其次，采用粒子群权值算法将多目标优化问题转化为单目标优化问题。最后，根据工厂生产的实际执行因素，将基于改进的K-means聚类算法优化自适应小生境遗传算法与实际工厂生产过程相结合，合理地生成生产排产方案，达到车间生产排程能力提高，而且还有效的节约了生产成本的效果。

为解决上述技术问题，本发明所采取的技术方案是：

一种基于聚类小生境遗传算法的车间生产作业排程方法，包括下述步骤：