[发明专利]考虑多约束的车间双行智能布局的两阶段方法

权利要求书

1.一种考虑多约束的车间双行智能布局的两阶段方法，其特征在于，包括以下步骤：

步骤1、建立布局的最小化物流成本函数为目标函数，同时建立该函数模型的包括位置约束、排序约束以及关系约束在内的约束条件，并根据最小化物流成本函数模型以及其约束条件建立LP模型；

步骤2、采用随机初始化方法生成设施的双行排列编码序列的初始种群，并根据LP模型计算初始种群中每个个体的适应度值，并将适应度值作为当前最优解；

步骤3、根据VNS技术和PMX对种群中的个体持续寻优，应用精英保留策略更新最优方案的目标函数值和最优序列；

步骤1中，所述LP模型包括：

最小化物流成本函数为：

式中，i，j均为设施的编号；c_ij为设施i和设施j之间的物流量；d_ij为设施i和设施j之间的距离；

约束条件包括：

式中，x_ik为设施i的物流互交中心在k行的横坐标上；y_ik表示设施是否分配到k行，如果是，则k＝1，如果不是，则k＝0；M为常数，I为n个设施的集合；K＝{U,L}，U、L分别对应上行和下行；

上述两个约束条件用于避免两个相邻设施之间的重叠，式中，l_i为设施的长度；a_ij为设施i和设施j之间的最小间隙；表示设施i，j是否均分配到k行，且设施i在设施j左边，如果满足前述条件，则如果不满足，则

上述两个约束条件用于计算设施i和设施j之间的距离；

上述约束条件用于表示x_ik的取值范围；

上述约束条件用来约束设施的定位，式中，且

2.根据权利要求1所述的方法，其特征在于，步骤2中，具体步骤为：通过建立种群中的个体，可以获得该个体中y_ik、和β_ij的取值，将这些值带入LP模型中，随后通过CPLEX求解器即可求出最小化物流成本函数的值，并将其作为当前最优解。

3.根据权利要求1或2所述的方法，其特征在于，步骤3中，对种群中的个体，采用VNS技术和PMX对个体进行交叉变异生成新的个体，计算出新个体中y_ik、和β_ij的取值，将这些值带入LP模型中，随后通过CPLEX求解器即可求出最小化物流成本函数的值，同时采用精英保存策略用于比较新解与当前最优解的适应度值，接受适应度相对更优的解，从而保证可行解为优的。