[发明专利]一种用于烟草打叶复烤生产的排产方法及系统

权利要求书

1.一种用于烟草打叶复烤生产的排产方法，其特征在于，包括如下步骤：

步骤(1)，令原烟进行打叶复烤需要经过m个工序；所有的原烟打叶复烤生产需分为n个生产批次，之后将打叶复烤的实际生产过程建立为有限缓冲区流水车间的调度模型，同时将排产的目标确定为最小化最大完工时间，即Min f＝C_max(π)；

所述的有限缓冲区流水车间的调度模型如下：

D_π(1),1＝P_π(1),1

D_π(1),j＝D_π(1),j-1+P_π(1),j,j＝2,3,L,m

D_π(i),1＝D_π(i-1),1+P_π(i),1,i＝2,3,L,B₁+1

D_π(i),j＝max{D_π(i-1),j,D_π(i),j-1}+P_π(i),j,i＝2,3,L,B_j+1,j＝2,3,L,m-1

D_π(i),m＝max{D_π(i-1),m,D_π(i),m-1}+P_π(i),m,i＝2,3,L,n

所述的排产的目标函数为：

C_max(π)＝D_π(n)，m；

其中，π＝{π₁,π₂,...,π_n}为打叶复烤生产过程排产的一个排列顺序，π_i为排列顺序π中第i批进入生产线的原烟，D_π(i),j表示生产批次π_i离开工序j所在机器的时刻，且P_π(i),j对应完成该工艺所需要的时间；B_j是工艺j与工艺j+1间缓冲区的大小；

所述的m个工序包括回潮、切尖解把、振筛、润叶、打叶、烤片、定量和打包；

步骤(2)，采用探路者算法对排产的目标函数进行求解，以得到的近似最优解进行排产；

所述的探路者算法包括如下步骤：

Step1、设置相应参数：

设置烟草的批次数n、工序数m，算法的种群规模P_size和最大迭代次数gen_max；

Step2、编码方式及种群位置初始化：

探路者算法中的个体分为探路者和跟随者，每个个体的初始位置均为n维的实数向量X_j；由于打叶复烤生产批次的排产是排列模型，所以需要通过LOV(Largest-order-value)规则将位置向量转化对应的排列模型；其具体方法是：随机生成P_size个范围为[B_min,B_max]的n维的位置向量X_j＝[X₁,X₂,L,X_n]；然后将X₁，X₂，…，X_n按照降序的方式排序，得到中间序列表示对应实数X_j在降序排列X₁,X₂,...,X_n中的序号；最后根据得到排列顺序π_j＝[π₁,π₂,L,π_n]；

Step3、挑选探路者：

将目标值C_max(π)最小的个体挑选为探路者X^P，其他的则为跟随者X^F；

Step4、种群更新：

先对探路者的位置进行更新，探路者在位置更新后，对新位置的局部进行探索：从X^P(gen)所对应的排列顺序中的最后一个批次依次向前交换两个批次的位置，得到n-1个排列并评价其所对应为目标值，选择最优值并将其排列通过RLOV规则转换为对应的位置，替换为探路者X^P(gen)的新位置；之后对跟随者的位置进行更新；跟随者进行位置更新后，若新位置的目标值优于原位置的目标值则移动，否则停留在原位置；

具体方法为：

Step4.1、探路者的位置更新：

探路者的位置先更新：

式中，为当代探路者的位置，为上一代探路者的位置；D为步长因子；r为[0,1]内的随机数；u在区间[-2,2]服从均匀分布；gen为当前迭代的次数；

Step4.2、探路者的局部探索：

探路者在位置更新后，对新位置的局部进行探索：从X^P(gen)所对应的排列顺序中的最后一个批次依次向前交换两个批次的位置，得到n-1个排列并评价其所对应为目标值，选择最优值并将其排列通过RLOV规则转换为对应的位置，替换为探路者X^P(gen)的新位置；

Step4.3、跟随者的位置更新：

跟随者位置更新的方式为：

式中，均为当种群中的跟随者；跟随者是种群中随机选中的个体，用来表示跟随者之间的影响，其影响因子为r₁，为区间(0,1)内的随机数；R代表其对位置更新的跟随者的影响因子，其大小受跟随者与探路者X^P间目标值的差值有关，d为范围定值，即差值大于定值d时影响因子较小，小于等于d时影响因子较大；

跟随者进行位置更新后，若新位置的目标值优于原位置的目标值则移动，否则停留在原位置；

Step5、重新选择探路者：

重新计算所有种群个体的目标值，挑选目标值最小所对应的个体为新的探路者；

Step6、判断是否继续迭代：

判断是否达到设定的终止条件最大迭代次数gen_max，如果满足，则进入Step7；否则跳转至Step4，直到满足终止条件；

Step7、输出最优排列：

将最后一代探路者对应的排列顺序作为排产的目标函数的近似最优解输出。