[发明专利]一种求解多工艺路线作业车间调度的分层优化算法

说明书

所属领域

本发明涉及计算机执行制造系统领域，具体地涉及多工艺路线作业车间调度领域。

背景技术

随着目前市场的急剧变化，制造业逐渐转变为多品种、小批量的生产模式。作为降低生产成本并提高资源利用率的重要手段，生产调度变得尤为重要。多工艺路线作业车间调度问题考虑了生产计划和调度过程中各个工件的多工艺路线，提高了生产过程的灵活性，优化了作业车间调度。不同于传统的柔性作业车间调度问题主要采用单一整体模型和算法来优化，多工艺路线作业车间调度问题具有选择工艺路线和调度优化的双重任务，所以迫切需要一个新的优化方法来解决这个问题。目前，研究者大多采用单层算法，如整数规划、基于规则的启发式搜索算法和遗传算法等，但随着问题规模的不断增加,建模和求解的难度不断增大，求解的时间已不能满足生产调度实时性的要求，效率很低。

发明内容

针对现有技术中存在的上述不足之处，根据多工艺路线作业车间调度的特征，本发明提出了一种基于目标级联法(Analytical Target Cascading，ATC)的分层优化模型及其相应算法。通过多层协调优化和制造单元聚类，结合改进的遗传算法搜索全局最优解，该方法可以实现在大型车间多单元协同调度，具有灵活的工艺路线、复杂度低和效率高等特点。

本发明的目的则是克服现有技术中存在的：选择工艺路线复杂度高；随着问题规模的扩大，建模和求解的难度不断增大，且搜索时间显著提高；搜索空间容易陷入局部最优的问题。

本发明为实现上述目的所采用的技术方案是：一种求解多工艺路线作业车间

调度的分层优化算法，该方法的实施步骤如下：

步骤1：初始化算法参数集，包括各层的允许误差值：ε₀、ε₁、ε₂，反馈给上层的响应值：迭代次数CN及进化代数VN；

步骤2：在工艺规划层，根据工件的多工艺设置路线选择变量x₀₁；

步骤3：在单元规划层，应用因子分析法构造虚拟制造单元及工件到制造单元的初始分布，组成动态工件族，通过基因谱描述其过程；

步骤4：在工件调度层，在各制造单元和工件族上，随机生成N个个体作为初始种群，应用择优选择、POX交叉、交换变异，以尽早加工为准则对各基因进行解码，计算其适应值，最终获得每个制造单元的最优调度方案；

步骤5：反馈各制造单元的完工时间给单元规划层，并计算反应偏差和全局目标值。如果偏差小于允许误差，发送单元规划层的响应值给工艺规划层，使其判断迭代次数是否超过CN，如果是则转步骤6，否则更新所有工艺路线，进行下一次优化；如果偏差超过允许误差，在制造单元对基因谱执行标准交叉算子然后转步骤4；

步骤6：输出保留最小总目标值的最优结果，优化结束。

本发明的有益效果是：

1、分层优化，模型简单。随着问题规模的扩大，求解的难度增加不大；

2、结合遗传算法的交叉、变异算子，增加了基因的多样性，提高了寻找最优解的概率；

3、工件到制造单元的聚类分布越合理，收敛速度越快，调度方案越优。

4、快速收敛，显著减少了搜索与求解时间。

附图说明

图1表示该分层优化算法流程图

图2表示ATC模型中元素P_ij的优化示例图。

图3表示分层优化模型示例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下，结合附图对本发明进行详细说明。

多工艺路线作业车间调度是一个考虑每个工件多条工艺路线的生产组织形式，包括工艺规划和作业车间调度的双重优化任务，旨在一些约束条件下确定每个工件的工艺路线和安排每台机器上的工序顺序，使调度结果最优。多工艺路线作业车间调度描述如下：n个工件J_i(i＝1，2，...，n)组成的工件集J；m台机器M_j(j＝1，2，...，m)组成的机器集M；工件J_i有p_i条可选工艺路线；路线k上有s_ik个工序；每个工序O_ikl可以在若干机器上加工(i＝1，2，...，n；k＝1，2，...，p_i；l＝ 1，2，...，s_ik)。存在以下假设：

(1)一个工序在一台确定的机器上开始加工就不能中断直至完成；

(2)一台机器在同一时刻只能加工一个工序；