一种求解多工艺路线作业车间调度的分层优化算法的制作方法

本发明涉及计算机执行制造系统领域，具体地涉及多工艺路线作业车间调度领域。

背景技术：

随着目前市场的急剧变化，制造业逐渐转变为多品种、小批量的生产模式。作为降低生产成本并提高资源利用率的重要手段，生产调度变得尤为重要。多工艺路线作业车间调度问题考虑了生产计划和调度过程中各个工件的多工艺路线，提高了生产过程的灵活性，优化了作业车间调度。不同于传统的柔性作业车间调度问题主要采用单一整体模型和算法来优化，多工艺路线作业车间调度问题具有选择工艺路线和调度优化的双重任务，所以迫切需要一个新的优化方法来解决这个问题。目前，研究者大多采用单层算法，如整数规划、基于规则的启发式搜索算法和遗传算法等，但随着问题规模的不断增加,建模和求解的难度不断增大，求解的时间已不能满足生产调度实时性的要求，效率很低。

技术实现要素：

针对现有技术中存在的上述不足之处，根据多工艺路线作业车间调度的特征，本发明提出了一种基于目标级联法(Analytical Target Cascading，ATC)的分层优化模型及其相应算法。通过多层协调优化和制造单元聚类，结合改进的遗传算法搜索全局最优解，该方法可以实现在大型车间多单元协同调度，具有灵活的工艺路线、复杂度低和效率高等特点。

本发明的目的则是克服现有技术中存在的：选择工艺路线复杂度高；随着问题规模的扩大，建模和求解的难度不断增大，且搜索时间显著提高；搜索空间容易陷入局部最优的问题。

本发明为实现上述目的所采用的技术方案是：一种求解多工艺路线作业车间

调度的分层优化算法，该方法的实施步骤如下：

步骤1：初始化算法参数集，包括各层的允许误差值：ε₀、ε₁、ε₂，反馈给上层的响应值：迭代次数CN及进化代数VN；

步骤2：在工艺规划层，根据工件的多工艺设置路线选择变量x₀₁；

步骤3：在单元规划层，应用因子分析法构造虚拟制造单元及工件到制造单元的初始分布，组成动态工件族，通过基因谱描述其过程；

步骤4：在工件调度层，在各制造单元和工件族上，随机生成N个个体作为初始种群，应用择优选择、POX交叉、交换变异，以尽早加工为准则对各基因进行解码，计算其适应值，最终获得每个制造单元的最优调度方案；

步骤5：反馈各制造单元的完工时间给单元规划层，并计算反应偏差和全局目标值。如果偏差小于允许误差，发送单元规划层的响应值给工艺规划层，使其判断迭代次数是否超过CN，如果是则转步骤6，否则更新所有工艺路线，进行下一次优化；如果偏差超过允许误差，在制造单元对基因谱执行标准交叉算子然后转步骤4；

步骤6：输出保留最小总目标值的最优结果，优化结束。

本发明的有益效果是：

1、分层优化，模型简单。随着问题规模的扩大，求解的难度增加不大；

2、结合遗传算法的交叉、变异算子，增加了基因的多样性，提高了寻找最优解的概率；

3、工件到制造单元的聚类分布越合理，收敛速度越快，调度方案越优。

4、快速收敛，显著减少了搜索与求解时间。

附图说明

图1表示该分层优化算法流程图

图2表示ATC模型中元素P_ij的优化示例图。

图3表示分层优化模型示例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下，结合附图对本发明进行详细说明。

多工艺路线作业车间调度是一个考虑每个工件多条工艺路线的生产组织形式，包括工艺规划和作业车间调度的双重优化任务，旨在一些约束条件下确定每个工件的工艺路线和安排每台机器上的工序顺序，使调度结果最优。多工艺路线作业车间调度描述如下：n个工件J_i(i＝1，2，...，n)组成的工件集J；m台机器M_j(j＝1，2，...，m)组成的机器集M；工件J_i有p_i条可选工艺路线；路线k上有s_ik个工序；每个工序O_ikl可以在若干机器上加工(i＝1，2，...，n；k＝1，2，...，p_i；l＝ 1，2，...，s_ik)。存在以下假设：

(1)一个工序在一台确定的机器上开始加工就不能中断直至完成；

(2)一台机器在同一时刻只能加工一个工序；

(3)一个工件同一时刻只能在一台机器上加工；

(4)所有工件相互独立，不存在优先级；

(5)所有机器在调度过程中都是可用的；

(6)只计算工序的加工时间，忽略物流时间。

为了在大型作业车间尽快地完成批量工件的加工，首先所有工件的工艺路线需要最佳选择，其次聚类分析所有机器和构造多个虚拟加工单元，然后每个工件被分配到每个加工单元组成动态工件族，在各自单元对每一个零件族优化排序，最后得到所有工件在所有机器上的最优调度方案。

一、基于目标级联法求解多工艺路线作业车间调度问题的分层优化模型，结合图1，图2，图3，描述如下：

(1)、目标级联法，结合图2、图3，可表述如下：

目标级联法是一种利用分层结构解决大规模组合优化问题的新方法，避免复杂的系统分析，并确保子系统的并行优化。它允许层次结构中各元素自主决策，父系统对子系统的决策进行协调优化以获得全局最优解。它包括两类模块：优化设计模块和分析模块。优化设计模块负责每个元素的目标优化，分析模块负责计算元素的响应。局部设计变量、参数和子系统的响应为其输入，而传递给优化设计模块的响应为其输出。

图2中P_ij的优化目标和和联系变量从父系统传递下来，P_ij优化结束后，把响应和联系变量反馈给父系统；同时将和传给子系统P_(i+1)j，作为其优化目标和联系变量。x_ij、y_ij和为分析模块的输入，R_ij为分析模块的输出。

根据ATC的优化原则，把多工艺路线作业车间调度问题分为三层，结合图3可看出：工艺规划层、单元规划层、工件调度层。工艺规划层为所有工件选择最佳工艺路线，单元规划层对所有机器聚类制造单元，工件调度层在各制造单元上调度工件。

(2)工艺规划层模型，结合图1、图3

车间作业调度的第一个问题是确定所有工件的加工路线，所以工艺规划层的任务是为每个工件选择最佳路线，目标是在所选路线下协调各制造单元的完工时间，使加工时间最短。步骤2的变量x₀₁选择方式如下：

0≤x₀₁≤l (4)

式1表示工艺规划层所有工件的最短完工时间；式2指该层的响应值，即制造单元最慢进度值；式3指该层的允许误差；式4指设计变量。式中：T₀指批量订单的交货期，为系统总目标；为工艺规划层的响应值，其值等于制造单元最长完工时间；指工艺规划层设置的制造单元M_k(k＝1，2，...，m)的响应值， 指单元规划层向工艺规划层反馈的响应值；ε₀指工艺规划层允许的误差；l指最大工艺路线数量。

(3)单元规划层模型，结合图1、图3

单元规划层为所有机器聚类和构建若干虚拟制造单位，然后在工艺规划层确定工艺路线后，分配工件到适当制造单元组成工件族。该层的任务是完成机器的聚类分析和工件到制造单元的分配，目标是在不同制造单元上的工件最少条件下，使制造单元完工时间最短，数学模型如下：

0≤x_1i≤D (8)

式5指该制造单元的完工时间最短；式6表示该制造单元最慢工件的加工进度值，其作为单元规划层的响应值；式7指该制造单元的进度；式8指局部设计变量；式中：指该制造单元的完工时间；指该制造单元设置的工件i的完工时间；ε₁指单元规划层允许的误差；D指制造单元的数量。

单元规划层中，用因子分析法将所有机器聚类为制造单元：首先建立相关系数矩阵，然后用主成分分析法确定矩阵的特征值和特征向量，最后通过因子旋转 获得最优制造单元。此外，通过基因谱描述工件到各制造单元的分配过程。

(4)工件调度层模型，结合图1、图3

划分制造单元与工件族后，工件调度层对各制造单元中相应机器上的工件进行最佳排序。该层的目标是使每一个工件的完工时间最短。数学模型如下：

c_ijk＝s_ijk+t_ijk，i＝1，...，n；j＝1，...，p_i；k＝，...，m (12)

s_ijk-c_i(j-1)l≥0x_ijk＝x_i(j-1)l＝1 (13)

s_ijk-c_ghk≥0x_ijk＝x_ghk＝1 (14)

x_ijk＝0或1 (15)

式9表示工件i在一确定的制造单元上的完工时间最短；式10指工件i的加工进度；式11指反馈给上层的完工时间，即工序的总完工时间；式12指各工序的完工时间，等于开始时间与加工时间之和；式13、14指路线与机器约束；式15指工件是否在机器上加工的判断系数。

确定工艺路线和机器的单元调度问题属于传统的作业车间调度问题，本发明采用基于工序编码与解码规则的改进的遗传算法，制造单元中各机器上各工件的工序顺序通过遗传算子获得。

基于ACT的多工艺路线车间作业调度是一个层次优化过程。工艺规划层根据系统总目标为单元规划层各制造单元设置完工策略，单元规划层为工件调度层各工件设置最小完工时间。工件调度优化过程完成后，各制造单元上工件的最小完工时间反馈给单元规划层，各制造单元的最小完工时间反馈给工艺规划层，连续迭代直到获得全局最优解。

上述结合附图对本发明的实施例作了详细描述，应该理解上述只是示例性的，因此，本发明的保护范围应当由所附的权利要求书的内容确定。