[发明专利]基于免疫遗传算法的单车型流水线物流运输调度方法

摘要

本发明公开了基于免疫遗传算法的单车型流水线物流运输调度方法，旨在解决多车场单车型的流水线生产物流运输调度问题。首先，建立多车场单车型的流水线物流运输调度模型。第一步，根据流水线生产方式的特点，确立了其物流运输调度问题的基本因素，包括生产物流运输调度的时间窗﹑配送周期性﹑货物关联性﹑车场多类型等。第二步，建立数学模型，包括目标函数以及约束条件。接着，针对所提出的数学模型，设计免疫遗传算法。最后，运用设计的免疫遗传算法求解数学模型。通过应用设计的算法，能过很好的解决多车型单配送中心的流水线生产的物流运输调度问题，算法的求解质量和收敛速度都得到一定程度的提高。

主权项

 基于免疫遗传算法的单车型流水线物流运输调度方法，其特征在于，包括以下步骤：步骤1：获取多车场单车型流水线生产的基本参数，包括：多个配送中心的位置、各个工序供货点的位置、各个供货点的工序生产速度、工序存放货物量、各工序要求的货物量、各种类型车辆的载重信息；步骤2：依据生产节拍速度与货物存放量确定一个周期内货物配送的时间窗表：工序配送点能滞留的最大货物量为件，生产物料放置区的生产物料会按照生产时间的推移逐渐减少，当物料减少到一定程度的时候，物料配送要开始配料，当物料为最大存储物料倍时，进入配货时间内，表示工序节拍器生产速度，取值为一般0.05‑0.2之间，加工时间矩阵，表示工序工件工序上加工所要求的时间，求得配货时间窗为[,+]，为当前时间，然后，求出每道工序的时间约束窗矩阵[，]，表示约束开始时间，表示约束结束时间；步骤3：建立多车场多车型运输调度数学模型：表示直接派出车辆运回成品所增加的资源损耗，对应车辆类型损耗系数，跟车场到末道配送点的距离有关，表示运输时间窗的惩罚部分，表示推迟到达时间窗的惩罚系数（非负），表示最后一部分表示工序与工序间的货物关联关系，表示车型，表示由车场派出去的类型的车从()行驶到()所花费的资源，表示求解目标函数的最小值，也就是指约束条件下函数的最优解，即满足流水线生产要求最优物流配送方案； 步骤 4：设计遗传免疫优化算法，对步骤3中的目标函数寻求最优解；步骤5：判断是否满足终止条件，若满足最大迭代次数或多次迭代产生相同解算法终止。