[发明专利]一种基于制造过程多源异构数据的物料智能配送方法

权利要求书

1.一种基于制造过程多源异构数据的物料智能配送方法，其特征在于：该方法步骤如下：

步骤一：分析制造过程多源异构数据，从多源异构数据模型中读取其中的生产任务信息、运载车辆信息、运输道路信息，并设计针对这些多源异构数据读取方法，使其能在分析过程中使用；

步骤二：利用步骤一中的运输道路信息，建立地图模型，利用改进蚁群算法，计算各个工作地之间的最短运输道路；使得在后续算法中用此最短道路的距离作为各个工作地之间的运输距离；

步骤三：利用步骤一的生产任务信息、运载车辆信息和步骤二中建立的地图模型，将任务分配问题转化为图论问题，并通过图论结合退火算法，对每个运输车辆进行最优的任务分配；

步骤四：根据步骤三中对每个运输车辆最优的任务分配信息和步骤二中建立的地图模型，通过蚁群算法实现每个车辆的最优道路规划；

步骤五：结合步骤三和步骤四所述的优化信息，输出在任务约束、道路约束和车辆运载能力约束下的最优任务分配和每个车辆的最优道路规划；

其中，步骤二中所述的改进蚁群算法，是添加变异概率和分级蒸发策略的蚁群算法；变异概率是指每只蚂蚁走过的路径有一定的概率发生变异，不选择目前最近的道路，增加了随机性，避免陷入局部最优；分级蒸发策略是指将蚂蚁走过的路径与当前最短路径对比，越长的道路，信息素蒸发的越快，增加的算法的收敛速度；

改进蚁群算法具体步骤是：

第一步，设定最大迭代次数300次，设置初始信息素浓度为1，设置蚂蚁数为22，设置一只蚂蚁携带的信息素总量为20；

第二步，进入迭代，将蚂蚁置于起点，将起点加入禁忌表；

第三步，令其以转移概率随机爬向与目前节点有边连接且不在禁忌表中的节点，并转移后的节点加入禁忌表，转移概率的计算公式是：

其中τ_ij代表节点i到节点j间的信息素浓度；η_ij是启发函数，这里用节点i到节点j间的距离倒数表示，j表示所有可行节点；诱导因子α＝1，β＝4；

第三步，判断蚂蚁是否爬到终点，如果是记录这只蚂蚁的路线和路程，如果不是返回第二步继续寻找下一节点；

第四步，以0.2概率蚂蚁的爬行的路线进行变异，随机选取蚂蚁路线中的一个节点，将此节点的前一点与后一点找到，判断从前一点到后一点是否可以通过其他节点，如果可以则选择变异路线，记录变异后路线和路程；

第五步，计算本次迭代的最短路程，记录其路线，并且依据每只蚂蚁的路线更新信息素，更新信息素时采用分级蒸发策略，路程越长的路径蒸发越快，蚂蚁路程在最短路程1.3倍以下的路线蒸发率为0.3，蚂蚁路程在最短路程1.3倍到1.6倍的路线蒸发率为0.6，蚂蚁路程在最短路程1.6倍以上的路线蒸发率为0.9；

第六步，判断是否到达最大迭代次数，若没有到达，清空禁忌表，返回第二步，若达到最大迭代次数寻找各代最优解中路程最短的，输出最短路程及其路线。

2.根据权利要求1所述的一种基于制造过程多源异构数据的物料智能配送方法，其特征在于：步骤二所述的地图模型，是将各个工作地的坐标在地图上标记出来，将计算出的各个工作地之间的最短距离作为直线连接各个工作地；使得在后续算法中用此最短道路集的距离作为各个工作地之间的运输距离。

3.根据权利要求1所述的一种基于制造过程多源异构数据的物料智能配送方法，其特征在于：步骤三所述的任务分配问题转化为图论问题，是当任务较多时，需要多个车辆进行运输时，将任务分配问题转化为图论中求割经过边权重最大的问题；将各个工作地作为点，将工作地所需任务容量作为点的权重，将工序约束作为边，将运输工作地之间的距离作为边的权重，即形成有向图，完成问题的转化；问题转化后，运用退火算法对每个运输车辆进行最优的任务分配。