[发明专利]一种基于改进遗传算法的设备排产和场内物流调度优化方法

权利要求书

1.一种基于改进遗传算法的设备排产和场内物流调度优化方法，其特征在于，包括以下步骤：

步骤(1)：获取订单信息、设备信息和AGV状态；订单信息包括订单编号、订单内产品的种类和数量、订单产品的工序种类和总数、每个工序可以使用的设备和在不同设备上的加工时间、不同状态的物料所需的装卸时间；根据订单划分产品批次，同一批次内的产品种类相同，以批次作为排产调度的基本单位；在获得所有批次产品的工艺路线后，确定工序和对应的运输任务并编号；设备信息包括设备种类、数量和位置坐标，并给每台设备唯一编号；AGV状态包括正常工作的AGV编号，以及根据AGV当前性能计算出的在不同设备之间的行驶时间；

步骤(2)：根据需求设定优化目标，选择对应的遗传算法种群适应度函数；

步骤(3)：设置种群大小、最大迭代次数和收敛阈值，初始化一个种群用于求解最优的设备排产方案；使用MSOS编码方法，每个个体由一条设备选择串和一条工序顺序串组成；使用遗传算法对种群进行迭代优化，具体操作包括解码计算适应度、选择操作、交叉操作和变异操作；特别地，在将染色体组解码为排产方案、递推各工序的起止时间时，同一产品的相邻工序之间需要插入时间片，长度为预估的运输时间；当停止迭代的条件满足，输出适应度最高的个体对应的染色体组；

步骤(4)：设置种群大小、最大迭代次数和收敛阈值，重新初始化一个种群用于求解当前最优排产方案下最优的AGV调度方案；每个个体由四条染色体子串组成，包括设备选择串、工序顺序串、AGV选择串和运输顺序串，其中设备选择串和工序顺序串为步骤(3)输出的最优个体染色体组，AGV选择串和运输顺序串按照MSOS编码规则随机生成；使用遗传算法对种群进行迭代优化，但迭代过程中只对AGV选择串和运输顺序串执行交叉和变异操作；重复迭代直至停止条件满足，输出适应度最高的个体对应的排产调度方案。

2.根据权利要求1所述的方法，其特征在于，步骤(2)所述优化目标为最小化整个排产调度方案的执行时间，即最小化所有产品完成加工并运输到仓库的时间第一项为产品n完成最后一道加工工序的时刻；O_np为工序标号，代表产品n的第p个工序，产品n的工序总数为P_n；第二项为产品n装载上AGV所用时间；为0-1变量，当工序在编号为j的设备上加工则为1，否则为0，TD_j0是AGV从设备j行驶到仓库所用时间，从而公式第三项代表AGV从加工工序的设备处行驶到仓库所用时间；第四项是卸货时间；优化目标是使T_max最小，取作为适应度函数，C＞0为常数，将优化目标转换为最大化f。

3.根据权利要求1所述的方法，其特征在于，步骤(3)所述过程可具体表示如下：

步骤(3.1)设置种群大小、最大迭代次数和收敛阈值，初始化一个种群用于求解最优的设备排产方案，使用MSOS编码方法，每个个体由一条设备选择串和一条工序顺序串组成；

步骤(3.2)将种群中的染色体解码为具体的排产方案，计算每个个体的适应度；在将染色体组解码为排产方案、递推各工序的起止时间时，同一产品的相邻工序之间需要插入时间片，长度为预估在两工序执行设备之间运输所用时间；

步骤(3.3)根据精英保留策略，保留种群中适应度最高的个体；再对当前种群应用二元锦标赛选择算子，选出适应度更高的个体加入新一代种群；

步骤(3.4)按照设定的概率，随机对种群中的染色体进行交叉和变异操作，得到新的种群；

步骤(3.5)当种群迭代进化的总次数达到最大迭代次数，或者收敛性参数达到收敛阈值，结束迭代并输出适应度最高的个体；否则，更新收敛性参数，返回步骤(3.2)。