[发明专利]一种基于虚拟工序的遗传算法车间排产方法

说明书

本发明提出了一种基于虚拟工序的遗传算法车间排产方法，其步骤如下：读取排产任务，抽取排产订单中的排产数据，将排产数据进行标准化处理；按照虚拟工序表示规则将标准化后的排产数据转化为虚拟工序排产数据；利用增加了移民策略和最优保存策略的遗传算法处理虚拟工序排产数据，将遗传算法输出的最优个体解码得到最优的车间排产结果；对输出的最优的车间排产结果在用户界面进行可视化的展示。本发明虚拟工序处理极大的简化了遗传算法在求解复杂排产问题的求解难度，提高了算法求解速度。本发明利用遗传算法对排产问题进行建模求解，降低订单交付延期、提高在制品周转率、克服人工排产缺陷；通过最优保存策略和移民策略保证了算法的全局收敛性。

技术领域

本发明涉及智能车间排产调度的技术领域，尤其涉及一种基于虚拟工序的遗传算法车间排产方法，构建多目标约束条件并通过遗传优化算法进行求解，优化车间排产。

背景技术

在智能车间排产调度领域，目前的主流技术方案是采用启发式算法，如遗传算法、粒子群算法、模拟退火算法等以及各种在这些启发式算法上进行改进的方法。以主流的遗传算法在车间排产为例，一般分为以下内容步骤：

1.编码，用一组特定规则表示的数据代表排产问题的可能解。

2.解码，按照预设的规则将求得的解转换为可理解的直观数据。

3.初始化种群，按照编码规则，随机生成若干个可能解（种群个体），作为遗传算法的初始种群。

4.适应度计算，按照预定的约束条件，如加工时间等，对种群个体进行评价，以此作为个体的适应度。

5.选择，在每一个连续的父代和子代中，子代继承父代的部分染色体，然后基于子代的适应度值来选择新产生的个体。

6.交叉：采用各交叉算子，如两点交叉算子。两个染色体的某一相同位置处基因被切断，前后两串分别交叉组合形成两个新的染色体。也称基因重组或杂交。

7.变异：复制时可能（很小的概率）产生某些复制差错，变异产生新的染色体，表现出新的性状。

8. 重复步骤4、5、6、7实现进化，直到达到指定的迭代次数，或获得指定的值。获得最优个体，解码产生最优排产方案。

现有的遗传启发式算法，需要根据排产问题设计复杂的编码方法，并且当产品、工序增多的时候，会导致解空间急剧增大，进而使得求解时间变长，甚至无法在短时间内求得满意解。另外，普遍采用传统的遗传算法在后期容易陷入局部极值，出现早熟的现象。

在中国发明专利CN202010962138中，提出了一种利用遗传算法进行机械加工车间智能排产优化的方法。具体步骤包括：1.针对车间调度任务，构建柔性作业车间调度问题数学模型；2.利用改进的遗传算法求解步骤1中的数学模型，获得并输出最优的机械加工车间智能化排产优化方案；3.判断车间调度任务是否更新，若是则返回执行步骤1。该专利为启发式算法在智能排产领域的一个典型应用，同样的，该方法存在着求解时间长的问题，传统遗传算法后期会陷入局部极值等问题，如果问题较为复杂，还可能导致编码设计困难。

在中国专利申请CN201911215900中，提出了一种优选的利用启发式算法的车间资源调度方法，其主要步骤为：1.接受输入数据并输入到算法中；2.设置约束条件，用来筛选结果；3.算法接受数据进行运算并输出结果。重要步骤集中在步骤2，步骤2中相对于传统的遗传算法，在初始化种群阶段，采用模糊聚类的方式，将加工数据分成多个簇或者类。该方法一定程度上降低了算法运行时间，提升了结果质量。同样的，排产问题较复杂时，聚类会产生的较多的簇或者类，算法运行时间仍然较长，且聚类算法运行效果依赖于聚类算法参数设置，为排产引入了新的不确定因素。

发明内容