[发明专利]一种基于改进型粒子群算法的订单排产方法

说明书

本发明公开了一种基于改进型粒子群算法的订单排产方法，包括：建立生产费用目标函数和生产时间目标函数；对生产费用目标函数和生产时间目标函数进行归一化处理，并对归一化处理后的目标函数线性加权得到综合目标函数；根据所述综合目标函数建立手套订单排产数学模型；采用改进型粒子群算法求解所述手套订单排产数学模型，得到最优的手套订单排产方案。本发明能够解决现有标准粒子群算法由于粒子群多样性降低而导致粒子陷入局部极值的困扰，从而实现更全面的解空间搜索，具有较好的调度优化效果。

技术领域

本申请属于离散型制造系统的生产调度技术领域，具体涉及一种基于改进型粒子群算法的订单排产方法。

背景技术

生产调度作为一类复杂优化问题，由于其自身的随机性、复杂性、多约束性和多目标性等特点，使其成为具有较高挑战性的研究课题，尤其是在生产实际的车间里，由于其更接近实际生产，受到广大研究者的关注。

在手套针织企业的生产过程中，生产计划管理与调度工作占据较重要的地位，关系着产品质量，交货时间及设备的利用率等数据。但目前大部分的企业仍然依靠车间主任或者调度员多年来的经验，根据企业所需生产的订单量以及生产车间的生产状况，结合订单生产的优先顺序进行生产调度安排。但是手套针织行业大多数为多订单、多样式、小批量的生产模式，单纯依靠经验来排单对于管理人员的要求较高，且缺乏大数据的支持，会出现订单调度不及时，设备利用率低和灵活性差等问题。

在手套针织企业生产调度过程中，目标函数多数为非线性的。使用传统的数学规划方法无法求解。而基于群体智能算法的优化调度的求解方法无论在求解时间还是求解质量上面都有着较大的优越性，如遗传算法(GA)、粒子群算法 (PSO)、蚁群算法(ACA)等多种现代优化算法被广泛用于作业车间的生产调度问题中。蚁群算法是一种典型的概率算法，其中的参数需要通过大量的试验得出，而标准的粒子群算法求解时存在早熟收敛现象并且容易陷入局部极值的困扰，得到的解并不一定是全局最优解，不利于达到订单最优排产，使企业效益最大化。

发明内容

本申请的目的在于提供一种基于改进型粒子群算法的订单排产方法，能够解决现有标准粒子群算法由于粒子群多样性降低而导致粒子陷入局部极值的困扰，从而实现更全面的解空间搜索，具有较好的调度优化效果。

为实现上述目的，本申请所采取的技术方案为：

一种基于改进型粒子群算法的订单排产方法，所述基于改进型粒子群算法的订单排产方法，包括：

步骤S1、建立生产费用目标函数和生产时间目标函数；

步骤S2、对生产费用目标函数和生产时间目标函数进行归一化处理，并对归一化处理后的目标函数线性加权得到综合目标函数；

步骤S3、根据所述综合目标函数建立手套订单排产数学模型；

步骤S4、采用改进型粒子群算法求解所述手套订单排产数学模型，得到最优的手套订单排产方案；

其中，所述改进型粒子群算法中惯性权重w的动态计算公式如下：

w＝w_init(1-D_t)(1-E_t)

式中w_init为初始惯性权重，D_t为粒子群多样性，E_t为进化速度；

所述进化速度E_t表示当前全局最优解所对应的适应度与上一次迭代过程中的全局最优解所对应的适应度之比：

所述粒子群多样性D_t表示所有手套机生产设备在同一时刻加工各产品数据的差异程度，其计算公式如下：