[发明专利]一种基于蚁群算法的生产配送调度方法

摘要

本发明公开了一种基于蚁群算法的生产配送调度方法，针对体积和生产时间有差异的生产配送联合调度问题进行建模，然后通过一种改进蚁群算法进行求解，从而得到一套生产配送调度的优化方案，以此大大降低目标位制造企业的总运作成本，提高企业运作效率。本发明同时针对具体问题，给出了实用的程序开发方案，使企业能高效率的获得适合其的最优调度方案。

主权项

一种基于蚁群优化的生产配送调度方法，其特征是按如下步骤进行：步骤1、假设存在n个批需要进行生产和配送，生产各个批的设备容积记为B；配送各个批的车辆容积记为V；由所述n个批构成一个批集合，记为U＝{b₁,b₂,…,b_k,…,b_n}，b_k表示第k个批；且将第k个批b_k的尺寸记为S_k；将第k个批b_k的生产时间记为T_k；将加入同一辆车中进行配送的所有批记为一个组；1≤k≤n；步骤2、将所述批集合U中的尺寸相同的批分为一类，从而获得a个分类；记为W＝{w₁,w₂,…,w_z,…,w_a}，w_z表示第z个分类；所述第z个分类w_z中的批总数记为f_z；步骤3、初始化蚁群算法的各个参数，包括：m表示第m只蚂蚁，并初始化m＝1；M表示蚂蚁总数、L表示迭代次数，并初始化L＝1；L_max表示最大迭代次数；步骤4、定义变量为l，并初始化l＝1；定义第k个批b_k的标识符为flag_k，并初始化flag_k＝0；步骤5、创建第L次迭代的第m只蚂蚁的第l个组和与其对应的第l个候选表并使得第L次迭代的第m只蚂蚁能将所述n个批分配到不同个组中进行配送；并第L次迭代的第m只蚂蚁对所有批次完成分组所使用的车辆总数步骤6、将m+1赋值给m，并返回步骤5执行，直到m＝M为止，从而获得第L次迭代的所有M只蚂蚁对所有批次完成分组所使用的车辆总数集合步骤7、从所述车辆总数集合中选取最小值作为第L次迭代的局部最优解，记为π_L；步骤8、利用式(1)更新第L次迭代的第i个候选批b_i′和第j个已加入到第l个组中的候选批b_j′之间的信息素τ_ij(L)，从而获得第L+1次迭代的信息素τ_ij(L+1)：${\mathrm{\τ}}_{ij}(L+1)=(1-\mathrm{\ρ}){\mathrm{\τ}}_{ij}\left(L\right)+m_{ij}\left(L\right)\▿{\mathrm{\τ}}_{ij}---\left(1\right)$式(1)中，ρ表示信息素的蒸发速率；m_ij(L)表示第L次迭代中第i个候选批b_i′和第j个已加入到第l个组中的候选批b_j′被分到同一组的次数；并有：步骤9、利用式(3)和式(4)判断τ_ij(L+1)是否满足信息素浓度限定区间[τ_min,τ_max]，若满足，则保留第L+1次迭代的信息素τ_ij(L+1)，并执行步骤11；否则，执行步骤10：${\mathrm{\τ}}_{max}\≤\frac{1}{(1-\mathrm{\ρ})f\left({\mathrm{\π}}^{*}\right)}---\left(3\right)$${\mathrm{\τ}}_{\min }=\frac{{\mathrm{\τ}}_{max}(1-\sqrt[a]{0.05})}{(a/2-1)\sqrt[a]{0.05}}---\left(4\right)$式(3)和式(4)中，π^*表示当前已获得的所有局部最优解中的最小值；步骤10、若τ_ij(L+1)≥τ_max，则将τ_max赋值给τ_ij(L+1)；若τ_ij(L+1)≤τ_min，则将τ_min赋值给τ_ij(L+1)；步骤11；将L+1赋值给L，判断L＜L_max是否成立，若成立，返回步骤4执行，否则完成L_max次迭代，并获得全局最优解π_best，即为L_max次迭代中的所有局部最优解的最小值；以全局最优解π_best所对应的配送方案作为最优配送方案；步骤12、将最优配送方案中每一组中的批按照生产时间进行降序排序，获得的排序结果作为批生产的次序，从而获得最优生产和配送联合调度方案。