[发明专利]一种基于狮群算法的车间生产排产方法及系统

说明书

本发明涉及一种基于狮群算法的车间生产排产方法及系统，包括：步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；步骤2：针对某一条线体，确定初始狮群的个体比例；初始化整个狮群中每个个体的位置，并将整个狮群中个体的位置映射到线体任务序列中；步骤3：依照适应度值分配个体角色；步骤4：对整个狮群中个体的位置进行迭代更新；步骤5：将狮群中个体的角色重置；步骤6：输出末代狮群中狮王的位置，将狮王的位置映射为最佳线体任务序列；步骤7：输出生产排产时序表。本发明采用基于狮群算法，将离散的线体任务序列与连续的狮群位置之间的映射关系，不断进行狮群的位置更新，进而逼近全局最优解。

技术领域

本发明涉及一种基于狮群算法的车间生产排产方法及系统，属于生产车间生产计划管理领域。

背景技术

随着现代企业模式的不断发展，制造企业生产加工的时效要求越来越高。而以订单为核心的加工制造企业，其生产加工过程中的核心问题是合理安排生产时序。随着工业领域的信息化技术飞速发展，高效的排产方法成为解决生产排产计划问题的关键。

在目前，大多企业生产车间对整个排产过程依然使用人工排产的方式进行，人工排产方式的主要问题是：在进行排产计划制定时，由于是人工进行计算，导致计算效率低下；在排产计划制定完成或生产过程中，由于插单、撤单等事件的发生，其排产计划需要做动态调整，受影响的订单数量不定，使调整过程变得更加复杂；大量核算方式采用个人经验作为标准，人员状态或更替都对最终结果产生影响。

企业的生产排产问题已经被证明是一种最优化问题。针对生产排产的优化问题，已有不少学者运用分布估计算法、混合线性规划、分层优化算法等方法实现优化。但是传统的数学算法，不具有智能性，且并行性查，鲁棒性差，不具备全局搜索能力，操作复杂耗时，且适应性差。

目前，群体智能算法被广泛应用于最优化问题，通过模拟社会性生物的各种群体行为，利用群体中个体之间的信息交互和合作来实现寻优。这其中，狮群算法是在分析狮群协作捕猎这种行为特点的基础上，是一种通过模拟自然进化过程搜索最优解的过程。狮群算法是从一个包含了狮王、母狮和幼狮的种群开始的，狮王总是向最优食物源移动，而母狮和幼狮环绕在狮王周围，分别完成协同捕猎和学习捕猎以及进食的过程，种群中不断地进行三种类型狮子的位置更新，最后末代狮群中狮王的位置，即所求问题的近似最优解。

发明内容

针对现有技术的不足，本发明提供了一种基于狮群算法的车间生产排产方法，该排产方法通过狮群算法，将订单整合优化，通过狮王更新、母狮捕猎和幼狮学习捕猎等操作，结合不同的位置更新方式，具有全局搜索能力且简单高效，得到较优的生产车间排产所需的生产时序表，以提高生产效率与合理安排生产资源。

本发明还提供了上述基于狮群算法的车间生产排产方法的实现系统。

本发明的技术方案为：

一种基于狮群算法的车间生产排产方法，该方法包括：

步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；

步骤2：针对某一条线体，确定初始狮群的个体比例；初始化整个狮群中每个个体的位置，并将整个狮群中个体的位置映射到线体任务序列中；

步骤3：计算初始狮群中所有个体的适应度值，依照适应度值分配个体角色；

步骤4：对整个狮群中个体的位置进行迭代更新；个体的位置更新后，将整个狮群中个体的位置映射至线体任务序列，并将整个狮群中所有个体的适应度值存入特定序列中；特定序列用来存每次迭代中，线体任务序列对应的适应度值组成的序列；每次更新后都计算适应度值，计算出来的适应度值存入特定序列中，特定序列便于下次狮群位置更新中进行历史最优位置的判定，适应度值即转产总时间越小越好。