[发明专利]一种不确定条件下多产品间歇过程生产调度方法

说明书

本发明公开了一种用于处理时间不确定条件下的多产品间歇过程生产调度方法。包括采用概率分布的方法来描述生产过程中产品处理时间；以最大完工时间期望为目标建立基于蒙特卡罗模拟的随机期望值模型；使用离散编码的组搜索算法对随机模型进行有效求解，获得不确定条件下的间歇过程生产调度方案。本发明为间歇过程处理时间不确定的调度提供了有效的方法，具有适应性广、有效性好、可靠性高的特点：采用随机模拟的目标值，可应对各种随机分布下的问题求解；采用离散编码的组搜索算法，确保了调度解搜寻的高效性；对无限中间储罐和无中间储罐类型的间歇过程，该方法都可在短时间内获得较好的生产调度方案。

技术领域

本发明属于生产调度技术领域，具体涉及一种处理时间不确定条件下的多产品间歇过程生产调度方法。

背景技术

由于间歇过程以分批的方式生产多个产品，其设备和时间的利用率比较低，同时在生产中不同产品或同一产品的不同批次可能会同时对某些设备提出加工要求，从而发生冲突。因此如何有效地安排生产过程，妥善地根据市场需求或生产任务分配设备及时间，对于提高间歇过程的生产效率和经济效益有很重要的作用，其中，企业非常关心的一个目标是最大完工时间。在实际生产过程中，经常存在产品的处理时间不确定的情况，使得由各种确定性模型得到的优化调度方案性能指标降低甚至不再可行。因此，必须充分考虑处理时间的不确定因素，以保证方案的可行性和最优性。然而，现有的调度系统一般只能应对确定性模型，对处理时间不确定的情况也通常作为确定性来处理。随着问题规模的增大和调度方案有效性和实时性要求的提高，对不确定条件下多产品间歇过程调度求解技术有着更高的要求。

作为一种新型群智能优化算法，组搜索算法是He等受动物集体捕猎行为启发而提出的。在组搜索算法中，种群中的个体按照“发现—参与”的不同分工扮演不同的角色。在种群中，发现当前最优位置的个体被称为发现者，参与并分享发现者成果的个体被称为参与者。为了防止算法陷入局部最优，组搜索算法引入了“游荡”策略，将参与者分成追随者和巡逻者，一旦发现者发现了猎物踪迹，追随者会快速向发现者靠近，同时巡逻者会在群体附近进行随机的游荡。考虑到组搜索算法在解决复杂优化问题时具有较高的有效性和鲁棒性，本发明将其引入到不确定条件下多产品间歇过程调度求解中，设计了组搜索算法的各个环节，以获得较优的调度方案，提高企业生产效率。

发明内容

本发明的目的是针对产品处理时间不确定条件下的多产品间歇过程生产调度问题，以最小化最大完工时间的期望为目标，提出一种基于组搜索算法的调度方法。

本发明采取如下的技术解决方案：

一种不确定条件下多产品间歇过程生产调度方法，包括以下步骤。

步骤1：准备阶段：实时载入各个产品各个工序的处理时间信息和多产品间歇过程的存储类型。

步骤2：随机模拟阶段：根据载入的各个工序的时间信息，采用逆变换法产生NS个服从对应随机分布的处理时间，NS为随机模拟抽样次数。

步骤3：算法初始化阶段：对多产品间歇过程，按照置换的情况进行处理，即每台设备上的产品加工次序是一样的。将算法的每个个体编码为产品序号的排列，对每个设备：排列在前面的产品先处理，排列在后的产品后处理。然后将组搜索算法种群进行如下初始化：一个解由NEH规则生成，其他popsize-1个解随机生成（popsize为种群大小），利用随机模拟数据评估每一个解。

步骤4：组搜索算法的进化阶段：沿用组搜索算法的优化思想，结合调度问题的邻域概念和智能算法的交叉变异算子，进行发现者、追随者和巡逻者的操作设计（该步骤中，若涉及评估调度解则利用步骤2产生的随机模拟数据）。