使用上述各实施例所提出的多邻域捜索算法与前述遗传算法结合， 构成混合遗传算法。VNS可W改进遗传算法产生的个体，有助于提高遗传算法的局部优化能 力和避免早熟收敛。但是VNS需要消耗较多的计算资源，如果使用VNS优化每个遗传算法生 成的个体，将极大地影响算法的效率。因此，本文设计的混合算法中仅当遗传算法的本代个 体比上代个体的进化水平低于预先设定的条件时，才会调用VNS优化参与交叉、变异操作的 个体。
[0128] 本领域普通技术人员还可W理解，实现上述实施例方法中的全部或部分步骤是可 W通过程序来指令相关的硬件来完成，所述的程序可W存储于一计算机可读取存储介质 中，所述的存储介质，包括R0M/RAM、磁盘、光盘等。
[0129] W上所述仅为本发明的较佳实施例而已，并不用W限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于混合遗传算法的MES生产计划排产方法，其特征在于，在所述MES生产计划 排产中存在一个或者多个订单，每个订单需由一个或者多个车间任务构成，而每个车间任 务由一个或者多个资源执行，排产过程为每一个车间任务确定执行资源并设定计划开始和 计划完成时间，所述方法包括： 根据订单优先度的生成方式和/或随机的生成方式，为预设数目的初始排产方案产生 符合任务间约束关系和遗传算法编码规则的车间任务序列； 根据任务最佳开始、结束时间分配，根据资源负荷平衡原则分配和随机分配中的一种 或者多种分配组合方式，为预设数目的初始排产方案中的每个车间任务设定执行资源； 将所述预设数目的初始排产方案经由编码过程转换为一系列染色体，作为混合遗传算 法的初始种群； 将所述初始种群带入混合遗传算法，并依据预先设定的优化目标计算出优化后的排产 结果。2. 根据权利要求1所述的方法，其特征在于，所述根据订单优先度的生成方式，产生符 合任务间约束关系和遗传算法编码规则的车间任务序列，具体包括： 步骤2.1:将订单按优先度从高到低排列，优先度相同的订单则以随机顺序排列其前后 位置； 步骤2.2:从完成排序后的订单序列中依次选取订单，若是正向排程的订单则将其下属 车间任务按照接续关系从首道任务至末道任务依次放入车间任务序列中；若是逆向排程的 订单则将其下属车间任务按照接续关系从末道任务至首道任务依次放入车间任务序列中； 步骤2.3:重复步骤2.2直至所有订单的下属车间任务已被放入车间任务序列中。3. 根据权利要求1所述的方法，其特征在于，所述根据随机的生成方式，产生符合任务 间约束关系和遗传算法编码规则的车间任务序列； 步骤3.1:将订单所包含的各车间任务按任意顺序放入车间任务序列中； 步骤3.2:生成一个可选车间任务集合Oa，将正向排程的订单中选取没有前任务的车间 任务，同时在未开始的逆向排程的订单中选取没有后续任务的车间任务，接着将这些车间 任务放入〇c中； 步骤3.3:从Oa中随机选择一个车间任务Oc放在车间任务序列的下一位，然后将Oc移出 Oa； 步骤3.4:若Oc属于正向排程的订单，找出Oc所有的后续任务;对每个后续任务判断其 所有前任务是否已经存在于车间任务序列中，是则将其加入〇a中；若Oc属于逆向排程的订 单，则找出〇c所有前任务，对每个前任务判断其所有后续任务是否已经存在于车间任务序 列中，是则将其加入〇a中； 步骤3.5:判断可选车间任务集合Oa是否还有车间任务，如果有则跳转至步骤3.3，否则 结束生成过程。4. 根据权利要求2或3所述的方法，其特征在于，所述正向排程和所述逆向排程具体为： 在正向排程中，一个订单的计划开始时间首先被确定，然后属于此订单的车间任务的 计划开始、完成时间将在此时间点之后按照各任务的所需工时依次被计算和确定，并在满 足其他约束条件的前提下让订单的计划完成时间尽可能地早； 在逆向排程中，一个订单的计划结束时间首先被确定，然后属于此订单的车间任务的 计划完成、开始时间将在此时间点之前按照各任务的所需工时依次被计算确定，并在满足 其他约束条件的前提下让订单的计划开始时间尽可能的晚。5. 根据权利要求1所述的方法，其特征在于，所述依据预先设定的优化目标计算出优化 后的排产结果，其中，优化目标具体包括： 订单按时完成数、延期订单的延期时间、车间任务的总共/最大/平均等待时间、订单的 总共/平均/最小提前时间和总共/平均/最大延期时间、总体加工时间、资源的总共/平均/ 最大空闲时间、资源利用率中的一项或者多项。6. 根据权利要求1-5任一所述的方法，其特征在于，将所述初始种群带入混合遗传算 法，并依据预先设定的优化目标计算出优化后的排产结果，其中，在混合遗传算法中具体包 括： 利用车间任务序列的交叉操作、变异操作，执行资源序列中的交叉操作、变异操作和/ 或变领域搜索操作不断生成新一代个体，并迭代直到达到预设算法终止条件，将得到最优 的个体解码为排产方案作为排产结果输出。7. 根据权利要求6所述的方法，其特征在于，设参与交叉操作的两个父个体为P1 = {On， 012，…，01(1}必={021，022，"_0 211}，车间任务数目为11，所有1^个订单的集合为1={^2，···， Jd，则所述车间任务序列的交叉操作具体包括： 步骤4.1:随机生成两个数目小于L/2的订单子集jp4pjp2,々丨^ ru:p2 = 0，m ￡1， JP2 ￡ I;有约束关系的订单需要在同一个订单子集中；将jpjpjp2中订单的下属车间任务的 集合记为OPi/OP〗，并生成两个长度为η的空车间任务序列 C1、C2; 步骤4·2:生成两组车间任务集合〇cii= {〇| 〇e〇Pi，〇Ερι}和〇⑴=〖〇丨〔）茫〇Ρι_，〇 .ε p2'}; 将〇。11中的车间任务放入Cl中，位置与在pi中的位置相同；将0。12中的车间任务按在P2中的先 后顺序放入(^中余下的空位，C1w为生成的第一个子个体的车间任务序列； 步骤4.3:生成两组车间任务集合Oc^FlOlOeOPLOep〗}和oe22 = {〇|〇 g 〇P2,〇 e Pl); 将〇。21中的车间任务放入C2中，位置与在P2中的位置相同；将0。22中的车间任务按在pi中的先 后顺序放入(32中余下的空位，(32即为生成的第二个子个体的车间任务序列。8. 根据权利要求7所述的方法，其特征在于，所述执行资源序列中的交叉操作具体包 括： 步骤5.1:产生两个随机数ri、r2,使关系0 < ri〈r2 < η成立;生成两个集合olsubi、olsub2， 使得： olsubi= {On I Οη^ρι ,π < i < Γ2} 〇lsub2= {〇2i I 〇2i^P2,ri < ? < Γ2} 步骤5.2:从左至右依次选中子车间任务序列C1*的车间任务;设选中的车间任务记为 Ocli，如果OcliGolsubl，则C1中的Ocli选用pi中该车间任务的执行资源，否则选用P2中该车间 任务的执行资源； 步骤5.3:从左至右依次选中子车间任务序列(32中的车间任务;设选中的车间任务记为 0c2i，如果Oc2i e 01 sub2，则C2中的Oc2i选用P2中该车间任务的执行资源，否则选用P1中该车间 任务的执行资源。9. 根据权利要求6所述的方法，其特征在于，所述变异操作具体包括： 步骤6.1:随机选出两个没有相互约束关系的订单J1、J2; 步骤6.2:从待变异的个体的车间任务序列里选取属于J1、J2的车间任务;设J 1的在车 间任务序列中出现的首工序在J2的首工序之前，则将J2的车间任务移到心的车间任务之前。 Ji、·^各自订单内的车间任务顺序和其他订单的车间任务的位置均保持不变。10.根据权利要求6所述的方法，其特征在于，所述变领域搜索中的邻域结构具体包括： 改变订单下属任务在任务序列中的位置的方式形成的领域结构；以及改变任务的执行资源 的方式形成的领域结构。
【专利摘要】本发明适用于车间生产计划管理技术领域，提供了一种基于混合遗传算法的MES生产计划排产方法，根据订单优先度的生成方式和/或随机的生成方式，为预设数目的初始排产方案产生符合任务间约束关系和遗传算法编码规则的车间任务序列；根据任务最佳开始、结束时间分配，根据资源负荷平衡原则分配和随机分配中的一种或者多种分配组合方式，为预设数目的初始排产方案中的每个车间任务设定执行资源；将预设数目的初始排产方案经由编码过程转换为一系列染色体，作为混合遗传算法的初始种群；将初始种群带入混合遗传算法，并依据预先设定的优化目标计算出优化后的排产结果。本发明提高了现有技术中MES生产计划排产结果的高效性。
【IPC分类】G05B19/418
【公开号】CN105629927
【申请号】CN201510961828
【发明人】周力, 杨亚菲, 余章勇
【申请人】武汉开目信息技术有限责任公司
【公开日】2016年6月1日
【申请日】2015年12月18日