[发明专利]一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质

说明书

本发明涉及一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质，该方法建立了以最小完工时间为优化目标的项目型产品装配人员调度的数学模型，通过结合了狮群算法和禁忌搜索算法的混合算法，将工人组与装配流程整合优化，通过狮王占领食物、母狮捕猎和幼狮学习捕猎等不同的位置更新方式，结合创建的禁忌表进行禁忌搜索，得到较优的装配车间人员调度方案，以提高装配效率与合理安排生产资源。

技术领域

本发明涉及一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质，属于装配车间生产计划管理领域。

背景技术

随着现代企业生产模式的不断发展，部分项目型产品制造企业的产品定制化需求也越来越多样化。项目型产品就是依照客户的个性化需求，以单件或小批量的模式进行生产和装配，其产品生产过程中最重要的环节就是装配，占据了总生产时间的50％以上。项目型产品一般由一定数量和等级的工人成组来进行装配，如何对工人资源进行配置就成为了项目型产品装配车间调度问题的关键。

在目前，大多项目型产品制造企业装配车间对人员调度仍然使用人工安排调度的方式，以工期为目标，以工人小组为单位，并行的完成产品装配，这样的人员调度模式的主要问题是：人工手动进行人员调度的效率低下，在装配步骤较多和工人小组较多的情形下计算量过大，且缺乏准确性；由于资源的受限或空间的约束，在装配过程中需要进行工人组的动态调整，使得调度过程变得更为复杂；在人工安排工人小组组成时，不易对工人能力这一指标进行定量核算，大量采取个人经验作为标准，易对最终结果产生影响。

针对制造企业装配车间的人员调度问题，已有不少学者运用混合线性规划、分层优化算法等方法实现优化调度，但是传统的数学算法，并行性差，鲁棒性差，且不具备全局搜索能力；还有部分学者运用了蚁群算法、遗传算法等智能化算法实现装配流程与人员的对应优化调度，但是没有对工人组这一现象进行建模，不适用于项目型产品的装配过程，且单一优化算法易陷入局部极值，适应性较差，不适用于项目型产品的多样化定制的装配过程。

目前，狮群算法和禁忌搜索算法都被广泛应用于优化问题。狮群算法是在分析狮群协作捕猎这种行为特点的基础上，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；禁忌搜索算法作为一种邻域随机搜索算法，在搜索过程中标记对应已搜索的局部最优解的一些对象，并在进一步的迭代搜索过程中尽量避开这些对象，从而保证对不同的有效搜索途径的探索。

发明内容

针对现有技术的不足，本发明提供了一种基于混合算法的项目型产品装配车间人员调度方法，该方法建立了以最小完工时间为优化目标的项目型产品装配人员调度的数学模型，通过结合了狮群算法和禁忌搜索算法的混合算法，将工人组与装配流程整合优化，通过狮王占领食物、母狮捕猎和幼狮学习捕猎等不同的位置更新方式，结合创建的禁忌表进行禁忌搜索，得到较优的装配车间人员调度方案，以提高装配效率与合理安排生产资源。

本发明还提供了一种计算机设备和存储介质。

本发明的技术方案为：

一种基于混合算法的项目型产品装配车间人员调度方法，该方法包括：

步骤1：基于装配工序流程与装配工序流程对应的工人组的类型，生成初始调度方案序列；

步骤2：构建初始狮群，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初始调度方案序列的工序序列中；

步骤3：以最小完工时间为优化目标，计算初始狮群中所有个体的目标函数值，依照目标函数值分配个体角色；