[发明专利]一种资源约束下考虑随机需求和操作时间的拆解调度方法

权利要求书

1.一种资源约束下考虑随机需求和操作时间的拆解调度方法，其特征在于，其步骤如下：

步骤一：构建拆卸生产过程对应的数学模型及约束条件；

所述拆卸生产过程对应的数学模型为：

其中，TC表示拆卸生产过程的总成本，pc_it为t时段根项目i的采购成本，x_it为t时段根项目i的拆解数量，cd_i为根项目i的单位时间单位拆解成本，表示t时段叶项目k的库存成本，E[·]为期望值函数，c_o为根项目i的单位库存成本，c_s为叶项目k的单位延期交货惩罚成本，N表示最大根项目数，k＝1,2,…,K，K表示最大叶项目数，t＝1,2,…,T，T表示最大周期数，I_kt-1表示t-1时段叶项目k的库存数量，Q_kt为t时段叶项目k的产出量，L_i表示根项目i的拆解操作时间；

数学模型的约束条件为：

I_kt＝I_kt-1+Q_kt-D_kt

x_it≥0

其中，π_ik为t时段叶项目k的拆解产量，x_ij表示j时段根项目i的采购数量，F(·)为拆解作业时间的概率分布函数，j＝1,2,…,t表示时间变量，D_kt为t时段叶项目k的需求量，CP_t为t时段的资源约束；

步骤二：将遗传算法、模拟退化算法和局部搜索算法进行融合构建了混合遗传算法，并在约束条件的约束下利用混合遗传算法对步骤一的数学模型进行迭代寻优，得到待拆卸的拆卸件数量的最优值；

利用混合遗传算法对数学模型进行迭代寻优的方法为：

S2.1、初始化遗传算法的参数值，包括种群规模、变异概率的范围和交叉概率范围；

S2.2、利用随机贪心算法生成初始解种群，并利用适应度函数计算初始解种群的个体适应度值；

S2.3、对初始解种群进行选择操作获取个体；

S2.4、对步骤S2.3获得的个体分别进行两点交叉操作和多点变异操作产生子代个体；

S2.5、利用局部搜索算法对子代个体进行改善：针对每一个子代个体，随机选择子代个体的邻近互换的邻域搜索策略，遍历该邻域策略生成新的子代个体；

S2.6、根据步骤S2.5得到的新的子代个体更新个体适应度值，判断更新后的个体适应度值是否小于初始解种群的个体适应度值，若是，则将步骤S2.5得到的新的子代个体作为当前迭代时的最优个体，否则按照Metropolis准则获取新的子代个体作为当前迭代时的最优个体；

S2.7、更新模拟退火算法的退火温度值T'，T'＝0.99T₀，T₀为初始温度，判断退火温度值是否达到预定温度，若是，则停止迭代，输出最优个体，否则，返回步骤S2.3执行下一次迭代。

2.根据权利要求1所述的资源约束下考虑随机需求和操作时间的拆解调度方法，其特征在于，所述t时段叶项目k的库存成本的计算公式为：

其中，g(y)是需求的概率密度函数；

根据t时段叶项目k的库存成本的计算公式将数学模型转化为：

3.根据权利要求1所述的资源约束下考虑随机需求和操作时间的拆解调度方法，其特征在于，所述适应度函数为：

其中，fitness(·)为适应度函数。

4.根据权利要求1所述的资源约束下考虑随机需求和操作时间的拆解调度方法，其特征在于，所述步骤S2.3中选择操作的计算方法为：

其中，S_j为单个解，p(S_j)为复制到下一代的选择概率，f_j(S_j)是通过适应度函数得到的当前解的适应度函数值，j＝1,2,…,G_n表示个体，G_n为种群数量。