[发明专利]基于变邻域和遗传算子的生产组装协同调度方法及系统

说明书

本发明提供一种基于变邻域和遗传算子的生产组装协同调度方法，针对高端装备制造的生产组装协同调度问题，设计了基于启发式算法和变邻域搜索算法的优化算法，首先运用启发式算法将零部件进行组批和排序，再通过编码确定组装机器分配和产品组装排序，最后通过组装阶段的启发式算法和算法的迭代改进并找到近似最优解。本发明采用与启发式算法相结合的变邻域搜索算法，一方面为变邻域搜索算法提供了更加有效的邻域结构，另一方面，保证了搜索过程的高效率，既保证了算法的收敛性，又保证了算法的简洁性，能在较短的时间内解决实际问题。

技术领域

本发明涉及装备制造和生产组装协同调度技术领域，具体来说是一种基于变邻域和遗传算子的生产组装协同调度方法及系统。

背景技术

近年来，协同制造的快速发展加剧了企业的全球化竞争，各类高端装备(飞机，农机设备和汽车等)的制造需要来自全球的制造和组装企业共同完成，根据各企业的目标来制定相应的生产组装协同调度决策对于提高产能，降低生产成本具有重要意义。在实际的生产过程中，机器的运行效率会随着其运行时间的增长而有所降低，从而导致后加工的工件产生额外的加工时间；相对应的，组装生产线上的加工人员会随着加工进程的推进不断熟练操作过程，故后组装的产品所需的实际时间会相应减少。以上两种加工时间的描述在学术上被称为恶化和学习效应(Wang 2007)。在一些零部件的生产过程中，往往会采用批量化加工的方式来提高生产效率，减少机器的装载次数，故在生产组装协同调度问题中考虑批处理方式是必要的。面对复杂的实际问题，现有的精确算法难以给出合理的协同调度方案，所以，本专利运用了智能优化算法和多种启发式算法，设计了一种基于变邻域和遗传算子的生产组装协同调度方法。在以往的研究中，Zhang等学者提出了一种基于变邻域搜索算法的钢材生产批调度算法；Roshanaei等学者提出了基于变邻域搜索算法的job-shop调度方法；Pezzella等学者提出了一种遗传算法用于解决灵活车间调度问题。这些研究主要局限于特定的生产情形，其方法往往不适用于解决高端装备制造过程中的复杂的优化问题。

基本的变邻域搜索算法的步骤一般包括：(1)初始化参数，随机产生一个解；(2)在一个邻域产生多个解；(3)判断是否产生了更好的解，若是，继续使用初始邻域结构，否则，更新邻域；(4)判断终止条件是否满足，若满足，结束搜索，否则返回步骤(2)。通过以上步骤不断迭代，寻找最优解。

以上论述的技术缺陷如下：

(1)在研究问题上，传统的调度算法基于某一特定的生产情形，未能从全局考虑产品由半成品加工到运输再到组装的全过程，而在当前的全球化制造背景下，只有考虑了制造系统中多个离散企业的目标，才能有效实现各企业的协同，从而提高产能，降低成本。在以往的研究中，实际生产过程中的加工时间变化规律，即恶化和学习效应，也往往得不到足够的重视，从而导致一些理论上可行的算法在实际生产过程中难以发挥有效的作用。

(2)在研究方法上，变邻域搜索算法在解决一些基本的调度问题时展现出较好的性能，但是在解决一些复杂的协同制造问题时，仅仅以常见邻域结构为搜索手段往往难以在有限的时间能找到较好的解。

Wang,X.,Cheng,T.E.(2007).Single-machine scheduling withdeteriorating jobs and learning effects to minimize the makespan.EuropeanJournal of Operational Research,178(1),57-70.

Zhang,B.,Pan,Q.K.,Gao,L.,Zhang,X.L.(2018).A hybrid variableneighborhood search algorithm for the hot rolling batch scheduling problem incompact strip production.ComputersIndustrial Engineering,116,22-36.