[发明专利]基于改进仿生智能优化算法的液压缸分布式制造调度方法

说明书

本发明提出一种基于改进仿生智能优化算法的液压缸分布式制造调度方法，基于液压缸分布式生产车间的运行特点，设定基本条件、基本参数和约束条件；基于基本条件、基本参数和约束条件，构建以最小化总成本为目标的分布式生产调度模型；基于工序阶段Xsubgt;J/subgt;、产品阶段Xsubgt;P/subgt;、车间阶段Xsubgt;F/subgt;和设备阶段Xsubgt;M/subgt;，对分布式生产调度模型的可行解进行四阶段的整数型编码；采用改进蝗虫算法对分布式生产调度模型进行求解，得到最优调度方案。增强局部搜索能力，更有效的寻找全局或局部的更优解，收敛速度快，不容易陷入局部最优，使得最终获得的调度方案更为精准。

技术领域

本发明涉及液压缸分布式制造调度技术领域，具体涉及基于改进仿生智能优化算法的液压缸分布式制造调度方法。

背景技术

随着经济全球化深入，生产规模逐步增大，单一车间制造模式已不能满足日益増长的市场需求，制造业正向分布式制造模式转变。在实际的生产中，一个产品往往是由多个零件组装而成，整个制造过程是由加工和装配两个阶段构成。在此背景下的分布式装配柔性作业车间调度问题DAFJSP被众多研究者所关注，DAFJSP是分布式车间调度与装配柔性作业车间调度问题的一个结合，目前已被证实是非决定性多项式集合问题NP-hard。而液压缸的生产就属于典型的DAFJSP，其生产过程采用机加工单件小批量离散分布的制造模式，覆盖零件加工和产品装配的全部环节，它呈现多品种、变批量、个性化定制特点，其工艺柔性大，产品定制化程度高且质量要求严格。

在现有技术中，通常采用蝗虫搜索算法GOA进行调度方案的求解，然而蝗虫搜索算法GOA作为一种模拟蝗虫在自然界中的种群迁移和觅食等生物行为的群智能优化算法，具有机制简单、参数少、寻优能力强等优点，GOA的寻优过程类似于蝗虫种群个体向最优个体聚集的过程，因此会导致引导个体数量过少，种群里集权化现象严重，弱化了不同层级个体之间的交流协作，使算法在求解时存在收敛速度慢、容易陷入局部最优，导致得到的调度方案并不精准，因此不适用于液压缸分布式制造企业。

发明内容

本发明提出了一种基于改进仿生智能优化算法的液压缸分布式制造调度方法，考虑液压缸在实际生产和装配过程中的库存成本，以包含零件加工成本、产品装配成本、零件库存成本和产品库存成本的最小化总成本为优化目标，解决液压制造企业分布式生产调度问题。

为解决上述技术问题，本发明提供了一种基于改进仿生智能优化算法的液压缸分布式制造调度方法，包括以下步骤：

步骤S1：基于液压缸分布式生产车间的运行特点，设定基本条件、基本参数和约束条件；

步骤S2：基于所述基本条件、基本参数和约束条件，构建以最小化总成本为目标的分布式生产调度模型；

步骤S3：基于工序阶段X_J、产品阶段X_P、车间阶段X_F和设备阶段X_M，对所述分布式生产调度模型的可行解进行四阶段的整数型编码，所述四阶段的整数型编码表示为X＝[X_J|X_P|X_F|X_M]；

步骤S4：采用改进蝗虫算法对所述分布式生产调度模型进行求解，得到最优调度方案。

优选地，所述基本参数包括：

n：零件数；

N：产品数；

i：工序数；

m：设备数；

f：车间数；

r_J：零件J的工序数；

J,J’：零件索引.J＝1,2…,n；J’＝1,2…,n；