[发明专利]基于蚁群算法的集成调度方法、系统、设备和介质

说明书

本发明涉及调度技术领域，提供一种基于蚁群算法的集成调度方法、系统、设备和介质。所述集成调度方法包括步骤：初始化参数集，包括最大迭代次数、蚂蚁数量、机器集合、机器容量、工件集合J＝{J₁,J₂,...,J_n}、工件的库存概率和运输概率、及信息素矩阵；自第一迭代周期起，在每个迭代周期内依次获得每只蚂蚁的解；根据总成本最小，获得迭代至当前迭代周期的最优解；以及更新所述信息素矩阵、所述工件的库存概率和运输概率，进入下一迭代周期，直至迭代所述最大迭代次数后，输出全局最优解。本发明联合考虑集成调度问题中的生产、运输和库存因素，能够有效降低企业的生产、运输和库存的总成本。

技术领域

本发明涉及调度技术领域，具体地说，涉及一种基于蚁群算法的集成调度方法、系统、设备和介质。

背景技术

集成调度是调度领域重要的分支之一。现有关于生产与运输集成调度的研究往往忽略库存因素的影响，而实际生产中，产品加工完成没有立刻运输则需要存入仓库，因此库存也直接影响企业的整体运行效率。

另外，传统集成调度问题在求解时，往往分解成生产与运输两个子问题，然后分别进行求解。这种方法难以对各个阶段所得的求解信息进行有效地融合和利用。

根据上述分析可见，传统集成调度问题的研究存下如下缺陷：

一方面，传统集成调度问题的研究多数只考虑生产和运输，忽略了库存因素的影响；

另一方面，传统集成调度问题的研究通常对问题进行简化，不仅未考虑库存因素，对其他两阶段的研究也集中于考虑生产阶段的最优化，并且在求解时通常将生产和运输两阶段分开求解，使得各环节之间难以有效调整，导致集成调度方案在实际应用中效率低下，难以满足用户的需求。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种基于蚁群算法的集成调度方法、系统、设备和介质，联合考虑集成调度问题中的生产、运输和库存因素，能够有效降低企业的生产、运输和库存的总成本。

本发明的一个方面提供一种基于蚁群算法的集成调度方法，包括步骤：初始化参数集，包括最大迭代次数、蚂蚁数量、机器集合、机器容量、工件集合J＝{J₁,J₂,...,J_n}、工件的库存概率和运输概率、及信息素矩阵；自第一迭代周期起，在每个迭代周期内依次获得每只蚂蚁的解，包括：S10，采用n个非0元素初始化当前蚂蚁的禁忌列表；S20，所述当前蚂蚁自所述机器集合中确定一当前机器，自所述工件集合中随机选择一工件J_c添加至所述当前机器的当前批中，并更新所述禁忌列表，将所述禁忌列表中第c个元素替换为0；S30，基于所述当前机器的容量构建所述当前批的候选列表；S40，判断所述候选列表是否为空，若是执行S50，如否执行S60；S50，判断所述禁忌列表中各元素是否为0，若是执行S70，若否返回S20；S60，基于所述候选列表中的所有工件的状态转移概率，选择一状态转移概率最大的当前工件加入所述当前批中，并更新所述禁忌列表和所述候选列表，返回S40；S70，获得所述当前蚂蚁的解，计算所述解的生产成本；S80，基于所述工件的库存概率和运输概率，计算所述解的库存成本和运输成本，并获得所述解的总成本，作为所述解的目标值；根据目标值最小，获得迭代至当前迭代周期的最优解；以及，更新所述信息素矩阵、所述工件的库存概率和运输概率，进入下一迭代周期，直至迭代所述最大迭代次数后，输出全局最优解。

在一些实施例中，步骤S20中，根据如下公式确定当前机器M_i：