[发明专利]一种基于混合萤火虫算法的全流程排产与优化方法

权利要求书

1.一种基于混合萤火虫算法的全流程排产与优化方法，其特征在于，包括以下步骤：

S1：收集生产数据，所述的生产数据包括销售订单、产品数据、工艺流程、每个分厂的库存数据、每个分厂的设备能力和每个分厂的停机数据；

S2：通过生产数据制定生产计划；

S3：设置约束模型，所述的约束模型用于对生产计划进行调整；

S4：利用混合萤火虫算法对约束模型进行求解，得到在约束模型下关于生产计划的最优解；

S5：根据生产计划的最优解更新生产计划，并执行更新后的生产计划；

所述的S2包括如下流程：

S2.1：删除的所有销售订单下所有计划状态的生产订单，并释放对应的库存分配；

S2.2：对当前分厂进行初始化设置；

S2.3：按当前分厂的销售订单或生产订单投料单收集需求，计算订单需求量1，所述的订单需求量1通过下式进行计算：

订单需求量1＝订单量-已分配库存量；

S2.4：查询在途订单，计算订单需求量2，所述的订单需求量2通过下式进行计算：

订单需求量2＝订单需求量1-订单需求在途量；

S2.5：分配库存，通过销售订单匹配产品编码，中间产品按相似度进行匹配，所述的中间产品指的是物料经过若干个程序，但未最终完成的产品；净需求通过下式进行计算：

净需求＝订单需求量2–中间产品的库存量；

S2.6：如果净需求0，通过物料清单、产品工艺规程制定生产订单；

S2.7：当前分厂所有需求计算完成后，如果不存在计划状态的生产订单，全流程排产与优化方法结束；

所述的S3包括如下子流程：

S3.1：定义以下两种决策变量用于表征生产顺序和生产设备：

其中，i，j＝0,1,…,n；i，j＝0代表虚拟生产订单，表示生产的开始和结束；l代表设备，l＝1,2,…,m；

S3.2：定义目标函数；

其中，定义生产调整时间：

其中，i≠j；i，j＝1,2,…,n，所述的n表示随机正数；l＝1,2,…,m，所述的m表示随机正数；t_ijl表示在加工设备l中，生产订单i，j之间的生产调整时间；所述的T₁(X)表示生产调整时间；

定义生产时间：

其中，i＝1,2,…,n；l＝1,2,…,m；t_il表示生产订单i在加工设备l中加工时间；所述的T₂(Y)表示生产调整时间

定义生产总时间：

所述的生产总时间等于生产调整时间和生产时间之和，生产总时间通过下式进行计算：

式中，所述的f₁(X,Y)表示生产总时间；

S3.3：定义约束条件：

S3.3.1：设备中订单i之后有且只有一个订单，通过下式表示：

所述的n为生产订单的数量；

S3.3.2：设备中订单j之前有且只有一个订单，通过下式表示：

S3.3.3：一个订单只能安排到一台设备中或者不进行生产，通过下式表示：

S3.3.4：每台设备的生产中都包括一个虚拟订单，通过下式表示：

S3.3.5：正在生产的订单总量不超出当前生产周期内设备的生产能力，通过下式表示：

其中，所述的表示生产周期内每台设备生产能力的上限；所述的表示生产周期内每台设备生产能力的下限，g_i,l表示订单i在设备l上的生产时间；

所述的S4包括以下流程：

S4.1：对混合萤火虫算法的参数和种群进行初始化；所述的参数包括种群大小，最大迭代次数T，随机因子初始值α_s，随机因子结束值α_e；

其中，个体编码采用长度为生产订单数量的实数编码，结构如下：

[s₁,s₂,...,s_d,...,s_n]

S4.2：计算S3.2中目标函数的值，并使用约束模型修改目标函数值；

计算目标函数时将个体的实数编码的序列转换为整数编码的序列，通过对实数编码的序列进行降序排序后读取在原序列的位置作为整数编码的值；

将[s₁,s₂,...,s_d,...,s_n]进行降序排列，得到位置索引集合[φ₁,φ₂,...,φ_d,...,φ_n]，然后按下式得到[i₁,i₂,...,i_d,...,i_n]：

S4.3：通过混合萤火虫算法的吸引算子更新个体位置，通过下式表示：

X_i＝X_i+β(X_j-X_i)+α·(φ-0.5)

α＝α_s-(α_s-α_e)*t/T

式中，所述的X_i与X_j是第i个与第j个萤火虫个体的位置，实际随机因子α的取值随迭代次数线性由α_s下降至α_e；所述的t是当前迭代次数；所述的φ是随机数，服从[0,1]上的均匀分布；所述的K为调节常量；所述的Dim为问题维度与个体编码长度即生产订单数量一致，所述的Range为变量取值范围，变量取值范围可由优化问题所定义；所述的β₀＝1，所述的γ＝1；所述的r_i,j是第i个与第j个萤火虫个体之间的欧式距离；

S4.4：利用S4.2的方法计算目标函数值，更新种群的适应度；

S4.5：通过锦标赛选择机制在种群中选择精英个体；

S4.6：遍历种群，随机选择两个父个体，执行交叉算子：

newFirefly＝parentOne·β+parentTwo·(1-β)

式中，所述的newFirefly是新产生的萤火虫个体,所述的β是随机数字，β的取值范围是(0,1)；所述的parentOne和parentTwo是两个从精英群体中选择的两个个体。