[发明专利]基于改进粒子群与启发式策略的生产排产方法及系统

说明书

本发明公开了基于改进粒子群与启发式策略的生产排产方法及系统；方法包括以下步骤：提出约束条件；定义目标函数即适应度函数；粒子种群初始化：通过随机方式初始化种群粒子，包括位置、速度；迭代寻优：粒子速度、位置更新，寻找最优解；设定迭代终止条件为最大迭代次数，判断是否达到迭代终止条件，若是则输出全局最优解；若否，跳转至上一步继续寻找最优解；本发明的有益效果：它通过采用新型粒子编码方式，加快了算法的计算速度，它能够解决传统粒子群优化算法处理过程中出现的局部最优问题，极大程度的避免了不可行解现象的发生，实现生产排程的高效性与最优性。

技术领域

本发明属于离散制造行业生产排程应用领域，尤其涉及基于改进粒子群与启发式策略的生产排产方法及系统。

背景技术

离散制造行业逐渐由传统的单品种、大批量生产模式向“面向订单”的多品种、小批量的生产模式转化，生产过程仍普遍存在以下现象：A.生产计划制定依赖于人工经验，无科学依据。B.实际生产过程中的插单现象影响生产进度。C.随着生产过程的进行无法及时有效的评估剩余产能。D.存在严重的交货期拖延现象。

上述生产过程问题导致实际生产过程中的浪费现象严重，增加了生产成本，降低了企业利润。能否迅速高效的对目标订单做出生产计划排程，在考虑能力和设备的前提下，在物料数量一定的情况下，安排各生产任务的生产顺序，优化生产顺序，优化选择生产设备，使得减少等待时间，平衡各机器和工人的生产负荷。从而优化产能，提高生产效率，缩短生产生命周期，适应市场变化及成本控制，这关系着企业利益及长远发展。

目前已出现多种算法对生产计划排程及生产调度进行处理优化，如数学规划法、枚举法、分枝定界法、遗传算法等。数学规划法实现起来虽简单，但规则定义单一，无法贴合实际生产过程。枚举法只能处理简单问题，对于实际生产中面对的大规模问题无法在可以接受的时间内获得有指导意义的结果。分枝定界法在解决数据量庞大的生产问题上既耗时又耗内存。遗传算法以生物进化为原型，虽然具有收敛性高、鲁棒性好等特点，但算法实现过程中三个基本算子：选择、交叉和变异的选择依靠经验，严重影响解的品质。

CN 104392298A提供一种采用粒子群算法进行生产调度的方法，用于车间生产的排产与调度管理。该方法将车间所有工件的加工序列作为可行解，每一可行解作为一个粒子，全部可行解的集合构成粒子群，通过统计迭代过程中自身和群体发现的最优位置修正自身的寻优方向，从而求得最优解。其步骤为：(1)设定粒子群算法参数；(2)采用Giffler&Thompson算法产生初始解；(3)判断终止条件是否满足，如果满足则输出全局最优解，否则继续；(4)对各个粒子进行变异操作；(5)使用直接重构方法消解死锁解；(6)更新局部最优解和全局最优解，返回步骤(3)。

基于群体智能优化方法的粒子群算法实现过程基于计算模型，调试参数基于粒子个体经验与群体经验，可行解更可靠，该算法具有算法简单、收敛速度快、精度高、效率高等特点。但传统的粒子群算法仍存在以下缺点与不足：A.当粒子群算法运行先期收敛速度过快时，算法运行后期容易陷入局部最优，无法获得全局最优解。B.粒子随着生产过程工序的改变而产生的位置移动会产生无效粒子，从而导致出现无解。

发明内容

本发明的目的就是为了解决上述问题，提供基于改进粒子群与启发式策略的生产排产方法及系统，它通过采用新型粒子编码方式，加快了算法的计算速度，它能够解决传统粒子群优化算法处理过程中出现的局部最优问题，极大程度的避免了不可行解现象的发生，实现生产排程的高效性与最优性。

为了实现上述目的，本发明采用如下技术方案：

基于改进粒子群与启发式策略的生产排产方法，包括以下步骤：

步骤(1)：根据工单任务在工单加工过程中的时间先后逻辑关系和工单任务处理时间与处理工单任务的机器的可用时间段之间的关系提出约束条件；