[发明专利]一种基于遗传算法的作业车间物流配送路径优化方法

权利要求书

1.一种基于遗传算法的作业车间物流配送路径优化方法，其特征在于，包括步骤如下：

(1)通过物联网技术实时采集各离散式机床节点的物流信息，确定相应机床所需的信息；

(2)考虑需要经过的各节点优先级，即当离散式机床节点产生需求，先取料后送料，同时构建物流配送的路径距离目标函数；

(3)以路径最优为目标函数构建作业车间物流配送模型；

(4)改进传统遗传算法；

(5)以作业车间内布局图和节点邻接矩阵为基础，距离最优为目标函数，物流物料信息为导向，运用步骤(4)中改进的算法来求解物作业车间物流配送路径；

所述步骤(3)中作业车间物流配送模型表示为：物流配送工具处在任意节点位置，各节点的位置和物料信息已知，相应的物料取料节点位置已知，要求当随机产生一个及以上的机床需求节点时，合理规划车间内物流配送路线，使得目标函数最小，并满足约束条件：路径规划中需要经过的各节点存在优先级，且在每次路径规划中优先级有所不同，即满足先取料后送料；以s表示起始节点，e表示目标节点，V表示所有节点的集合，t_i表示经过节点i的时间点，v表示配送车辆的速度；则构建的物流配送路径规划模型如下所示：

t_j＝t_i+d_ij/v,(i,j)∈V² (6)

t_i≥t_j，(i，j)∈(p，o) (7)

x_ij＝0或x_ij＝1 (8)

由于起始点在一条路径中经过至少一次，故式(2)表示路径从起始点出发的次数比返回起始点的次数多一次；同理，式(3)表示路径从目标节点出发的次数比到达目标点的次数少一次；V\{s,e}是所有除了起始节点和目标节点的集合，式(4)表示路径中所有进入节点t和从节点t出发的次数相同；式(5)表示路径必须经过取料节点p∈{p₁，p₂，···，p_n}和送料节点o∈{o₁，o₂，···，o_n}；式(6)表示到达节点的时间等于处于上一个节点的时间点加上经过弧的时间；式(7)表示先取料后送料的约束；式(8)为变量x_ij的取值范围，当时表示路径不经过弧(i，j)时x_ij＝0，反之当路径经过弧(i，j)，x_ij＝1；

所述步骤(4)具体包括：在已经构建了满足约束节点优先级的种群的前提下，对每次任意选择的两条染色体父代parent1和parent2进行交叉时，随机找到两条染色体中具有相同起始节点和目标节点的子路径A1和B1，其中，起始节点和目标节点是路径必须经过的节点；判断A1和B1起始节点和目标节点是相同还是相反，若相同，则直接交换这两条路径，否则，取反后再交换，当得到新的子代满足节点优先级的要求时，即输出子染色体SA和SB，否则重新选择子路径进行交换，直到满足要求为止；在每次选择任意一条染色体chrome进行变异操作时，找到chrome中所有取/配料节点的位置，从中随机选择两个相邻的节点，调用最短路径算法随机重新确定一条两节点之间的最短路径，即构建了作业车间多目标节点物流配送路径优化算法。

2.根据权利要求1所述的基于遗传算法的作业车间物流配送路径优化方法，其特征在于，所述步骤(1)中相应机床所需的信息包含：物料、工具以及取料的节点。

3.根据权利要求1所述的基于遗传算法的作业车间物流配送路径优化方法，其特征在于，所述步骤(1)中物联网技术指通过射频识别、红外感应器、全球定位系统及激光扫描器将任何物品与互联网相连接，进行信息交换和通讯。