一种基于改进粒子群优化的运输和生产协同调度方法
【专利摘要】本发明公开了一种基于改进粒子群优化的运输和生产协同调度方法，其特征是按如下步骤进行：1将工件进行组批；2设定算法参数；3产生初始种群；4计算适应度值；5判断终止条件是否满足，如果满足则输出全局最优解，否则继续；6更新局部最优解和全局最优解；7更新粒子位置和速度；8对各粒子进行交叉操作；9对各粒子进行移民操作；10调整粒子位置，返回步骤4。本发明能实现企业总体经济效益的优化，从而能降低企业成本，提升企业的服务水平。
【专利说明】
-种基于改进粒子群优化的运输和生产协同调度方法
技术领域
[0001] 本发明属于供应链领域，具体地说是一种基于改进粒子群优化的运输和生产协同 调度方法，用于企业的生产调度管理中。
【背景技术】
[0002] 在当前市场环境下，制造型企业的核屯、竞争力不再是简单的制造能力，而是供应 链协作能力。市场竞争的加剧，使企业之间的合作越来越密切。为了将技术、资源等集中在 生产的关键环节，企业往往将某些工序外包给多个制造商。不同的制造商往往位于不同的 地理位置，运就导致了企业和不同制造商之间存在不同的运输时间。企业只有与其他制造 企业一起协同将运输、生产等环节进行全局控制，进一步将生产系统和物流运输系统进行 联合优化，才能最大限度满足客户产品的及时供给，从而获得总体经济效益的最大化，提升 企业的竞争能力。
[0003] 协同调度是一类面向供应链的优化方法，采用精确调度的方式，设计供应链上各 环节的协同调度方案，实现企业总体经济效益的优化，从而提升企业的服务水平。
[0004] 目前，对协同调度问题的研究主要集中在传统生产模式下，在运类生产模式中，一 台设备可W同时处理一个作业或者一批固定数量的作业，但往往没有考虑到多个制造商分 布在不同地理位置的情况。在现实工业中，运类生产模式是存在的。而传统的调度方法往往 将运输时间忽略或者抽象为相同的，因此并不能适应当下的生产需求。
【发明内容】
[0005] 本发明是为了克服现有技术存在的不足之处，提供一种基于粒子群优化的生产配 送协同调度方法，W期能实现总体经济效益的最优化，从而能降低生产成本，提升工作效 率。
[0006] 本发明为解决技术问题采用如下技术方案：
[0007] 本发明一种基于改进粒子群优化的运输和生产协同调度方法的特点是，将处于工 件集合处的n个工件进行分批处理后，通过运输车辆送达到m台设备处进行生产加工;所述n 个工件构成的工件集合记为J= {Ji，J2，…，Jj，…，Jn}，Jj表示第j个工件，1《j《n;将第j个 工件Jj的尺寸记为Sj、加工时间记为Pj;所述m台设备记为M= {Ml，M2，…，Mi，…，Mm}，Mi表示第 i台设备，将第i台设备Mi加工工件的速度记为Vi，将从所述工件集合处到达第i台 设备Mi的运输时间记为ti;将运输车辆的容积和加工工件设备的容积均记为C;
[000引所述运输和生产协同调度方法是按如下步骤进行：
[0009] 步骤1、将所述工件集合J中的工件按加工时间非增的顺序进行排序，若加工时间 相同则按工件尺寸非增的顺序进行排序，从而获得排序后的工件集合r;
[0010] 步骤2、将所述排序后的工件集合r中的第1个未分配的工件放入能容纳所述第1 个未分配工件的尺寸且剩余空间最小的批中，批的剩余空间为容积C与放入相应批中所有 工件尺寸之和的差值;若批的剩余空间中不能容纳第1个未分配工件的尺寸，则生成容积为 C的新批，并将第I个未分配的工件加入新批中，直至所述工件集合r中的所有工件都分配 到相应的批中；
[0011]步骤3、将步骤帥得到的所有批按批处理时间非增序排列，得到批处理集合B = Ibi，b2，…，bq，…，bi}，bq表示第q个批，将第q个批的加工时间记为P W，第q个批bq的加工时 间pW是由第q个批bq中加工时间最长的工件决定;批次总数记为1
I表 示不小于X的最小整数；
[0012]步骤4、初始化粒子群算法的各个参数，包括:粒子总数N、迭代次数U最大迭代次 数Lmax、交叉概率P。谢Pe2, l《L《Lmax;并初始化L = 1 ;
[oou]步骤5、产生初始种群，获得第L代的第k个粒子的初始位置乂 "=站世，....瑣，…,.机 和初始速度皆)=姐>，哄，…，祇，…，皆}，诚哺游分别表示第L代中第k个粒子在第d维捜 索空间上的位置和速度，其中，
[0014] 步骤6、计算第L代中第k个粒子的适应度if >，从而获得第L代中第k个粒子的局部 最优解却?(边>，说)，…，祐巧，其中，说嗦示第L代中第k个粒子在第d维捜索空间 上的最优位置；
[0015] 步骤7、重复步骤6，获得第L代中N个綺子的局部最优解，并从中洗m最大适应度值 对应的最优解作为第L代的全局最优解，记为
，其中Pi?表示 第L代中整个粒子群体在第d维捜索空间上的最优位置；
[0016] 步骤8、根据第L代中第k个粒子的位置Afi和速度Pf i:，分别计算第L+1代的第k个 粒子的位置乂f+"和速度从而获得第L+1代粒子群中N个粒子的位置和速度；
[0017] 步骤9、调整所述第L+1代粒子群中N个粒子的位置，从而获得调整后的第L+1代的N 个粒子的位置；
[0018] 步骤10、计算第L+1代粒子群中第k个粒子的适应度巧并与第L代中第k个 粒子的适应度if >进行比较，将较大适应度值对应的粒子位置作为第L+1代中第k个粒子的 最优解/f ;
[0019] 步骤11、重复步骤10,从而获得第L+1代中N粒子的最优解并从中选出最大适应度 值对应的最优解作为第L+1代的全局最优解Pf "1;
[0020] 步骤12、将L+1赋值给L，判断L<Lmax是否成立，若成立，则执行步骤8;否则，表示完 成Lmax次迭代，并获得全局最优解W全局最优解所对应的调度方案作为最优调 度方案。
[0021] 本发明所述的基于粒子群优化的生产调度方法的特点也在于，
[0022] 所述步骤5创建初始种群的过程中，N-I个粒子是通过随机方式产生，剩下的一个 粒子是按如下步骤产生：
[002引步骤5.1、令^内表示第i台设备Mi上第q个批bq的完工时间，n康示第i台设备Mi上 加工的批的数量，Ai为第i台设备Mi的空闲时间；初始化G, [i] = O、ni = I、q = I、Ai = 0;
[0024]步骤5.2、判断q>l是否成立，若成立，则表示生成一个粒子;否则，执行步骤5.3; [002引步骤5.3、利用式（1)获得第q个批bq在第i台设备上的完工时间W，从而获得第q 个批bq在m台设备上的完工时间：
[0026]
(I)
[0027] 式(1)中，max{x，y}表示取X和y中的较大者；
[0028] 步骤5.4、从第q个批bq在m台设备上的完工时间中选择最小完工时间所对应的设 备，记为设备min,将第q个批次bq运输到设备min上进行加工；再将nmin+1赋值给nmin，
[I"耐赋值给Amin，q+1赋值给q后，执行步骤5.2。
[0029] 所述步骤8是按如下步骤进行：
[0030] 步骤8.1、将第L代的第k个粒子的初始位置為"=姑>，堪，…，端，...，.皆}赋值给 式…，其中，省…为与Zf)具有相同含义的变量，比较Zf)与巧("中对应元素的值是否相同， 若相同，则将乂f坤对应元素的值设置为0,若不同，则将;Tf i中对应元素值设置为/fi中 对应元素的值;从而获得更新的;Tf >，更新的_￥^>中的每个元素的值表示设备的序号;且每 个元素与批处理集合B中的每个批--对应；
[0031] 步骤8.2、将更新的义中非0值的元素所对应的批依次调度到非0值所代表的设 备上进行加工，并计算相应设备的完工时间；从而得到设备完工时间集合C^=IC/[1]，…， C/[i]，…，C/[m]}和批次数量集合n/={Vi，…，n^i,…，n\};C/[i]表示第i台设备Mi的完 工时间，r/ 1表示第i台设备Mi上加工的批的数量；
[0032] 步骤8.3、将r/ 1+1赋值给n/ i，C/山赋值给1，其中，变量1与Al具有相同含义；
[0033] 步骤8.4、将更新的Zfl中所有值为0的元素所对应的批次，按批处理时间非增序 排列得到批集合= {V 1，…，b/ qS…，b/ H，其中，1/表示更新的;^"坤值为0的元素的总 个数，即未分配的批总数；
[0034] 步骤8.5、令q'=l;
[0035] 步骤8.6、如果q/ >1/，表示完成对更新的Xf >进行再次更新，并执行步骤8.9;否 贝IJ，执行步骤8.7;
[0036] 步骤8.7、利用式(2)获得第q/个批次在第i台设备上的完工时间q;[/]，从而获 得第q/个批次b%'在m台设备上的完工时间：
[0037]
(2)
[003引步骤8.8、从第q/个批次b%'在m台设备上的完工时间中选择最小完工时间所对应 的设备，记为设备min/，将第q/个批次b%'运输到设备min/上进行加工;再将r/ min' +1赋值给 n' min'，（1;,.; [min']赋值给A' min'，q' +1 赋值给q'，执行步骤8.6;
[0039] 步骤8.9、通过贝努利分布获得一个由0和I组成的I维数组化，数组Ri中的每个元素 与再次更新的中的每个元素一一对应;若Ri中的元素为1，则再次更新的.rf I中对应元 素的值保持不变，若Ri中的元素为0,则再次更新的Xf 中对应元素的值设置为0;
[0040] 步骤8.10、将再次更新的Xf i作为更新的Zf i并代入步骤8.2-步骤8.8中执行，从 而获得第=次更新后的Xf >;
[OOW 步骤8.11、将乂;("作为碱勾，将if)作为片"并代入步骤8.1-步骤 8.10中执行，从 而获得第S次更新后的乂;W;
[00创步骤8.12、将第立次更新后的;Tf哺第立次更新后的义概率Pci进行贝努利交 叉，得到交叉后的第L代的第k个粒子的位置JTfW ;
[0043] 步骤8.13、将為与片概率Pci进行贝努利交叉，得到第L+1代的第k个粒子的 速度F
[0044] 步骤8.14、将If+6与乂W W概率Pci进行贝努利交叉，得到第L+1代的第k个粒子的 位置
[0045] 步骤8.15、将Zf + 4与全局最优解ffW概率Pe2进行贝努利交叉，获得两个交叉后 的粒子，比较交叉前的粒子义^"1>与交叉后的两个粒子的适应度，将适应度大的粒子作为第 L+1代的第k个粒子Zf+"的位置；
[0046] 步骤8. 16、计算第L+1代粒子群中每个粒子的适应度，将适应度值最低的 l_￡/X,iwX//2」个粒子用随机产生的粒子代替，k」表示不超过X的最大整数;从而更新第L+1 代粒子群的位置。
[0047] 所述步骤9是按如下步骤进行调整：
[004引步骤9.1、定义变量巧日h，定义局部捜索的最大长度为fmax;令f = l，i = l，h=m;
[0049] 步骤9.2、判断f<fmax是否成立，若成立，则将m台设备按完工时间非增序进行排 列，执行步骤9.3;否则，完成第L+1代粒子群中N个粒子位置Af 的调整.
[0050] 步骤9.3、选择第i台设备Mi;选择第h台设备Mh;
[0051] 步骤9.4、判断h>l是否成立，若成立，则执行步骤9.5;否则，完成第L+1代粒子群 中N个粒子位置+A的调整；
[(K)对步骤9.5、寻找任意第a个批ba，ba G Mi; W及任意第0个批be，be G Mh;如果第a个批ba 和第e个批be满足式（3)，则交换第a个批ba和第0个批be,并执行步骤9.6;否则，执行步骤 9.7:
[005：3]
0)
[0054] 式(3)中，pW表示第a个批ba的加工时间，C山表示第i台设备Ml的完工时间，pW表 示第0个批be的加工时间，C比]表示第h台设备Mh的完工时间，
[0055] 步骤9.6、将分配到同一设备上的批按批加工时间非增序排列，并计算各台设备的 完工时间，将f+1赋值给f，执行步骤9.2;
[0化6] 步骤9.7、将h-1赋值给h后，执行步骤9.4。
[0057] 与已有技术相比，本发明有益效果体现在：
[0058] 1、本发明在典型的差异分批制造模式下，研究制造企业的运输和生产两阶段协同 调度问题，通过采用改进的粒子群算法，首先针对差异工件进行分批然后基于运输时间、批 处理时间W及设备的加工速度提出相应的调度策略，得出粒子的位置和速度;再利用粒子 的当前位置和速度更新规则，更新粒子位置和速度，实现了多次迭代，最终获得最优解;粒 子群算法在时间有效性和结果的优化程度上，是一种性能更好的优化制造跨度的近似算 法;解决了现实工业中作业分批运输和生产的联合优化问题，实现了企业总体经济效益的 优化，降低了能耗，节省了成本，提升了企业的服务水平。
[0059] 2、本发明在产生初始种群的过程中基于运输时间、批次处理时间W及设备的加工 速度提出相应的策略，将批分配到使批最先完工的设备上，由此产生初始种群中的一个个 体，再结合随机的种群产生方式产生种群中的其他个体，既保证了初始种群的质量，也确保 了初始种群的多样性。
[0060] 3、本发明通过对每一次迭代得到的最优解进行更新，解决了算法捜索过程中过快 地集中到局部最优解的问题;在位置更新规则中加入遗传算法中的交叉算子W及一个自适 应的移民算子，在保证解得质量的同时，也保持了种群的多样性。
[0061] 4、本发明基于批处理时间W及设备的加工速度设计了粒子位置的调整策略;将设 备按完工时间非增序进行排序，然后将完工时间较长的设备与完工时间较短的设备上的批 次按约束条件进行调整，从而实现对每一次迭代的粒子的位置进行调整，提高了解的质量。
【附图说明】
[0062] 图1为本发明采用粒子群算法进运输生产协同调度的方法流程图；
[0063] 图2为本发明运输和生产过程图。
【具体实施方式】
[0064] 本实施实例中，一种基于粒子群优化的运输和生产调度方法，其流程如图1所示， 是针对工件体积和生产时间有差异、生产设备速度有差异并且不同运输路线上运输时间有 差异的运输、生产协同调度问题进行建模，然后通过一种改进粒子群算法进行求解，从而得 到一套运输生产调度的优化方案，W此大大降低目标企业的总运作成本，提高企业运作效 率。具体的说，是将处于工件集合处的n个工件进行分批处理后，通过运输车辆送达到m台设 备处进行生产加工;n个工件构成的工件集合记为J= Ui，J2，…，Jj，…，Jn}，Jj表示第j个工 件，将第j个工件Jj的尺寸记为sj、加工时间记为pj;m台设备记为M={Mi，M2,…， Mi，…，Mm}，M康示第i台设备，1《i《m;将第i台设备Mi加工工件的速度记为Vi，将从工件集 合处到达第i台设备Mi的运输时间记为ti;将运输车辆的容积和加工工件设备的容积均记为 C；
[0065] 基于粒子群优化的运输和生产调度方法是按如下步骤进行：
[0066] 步骤1、将工件集合J中的工件按加工时间非增的顺序进行排序，若加工时间相同 则按工件尺寸非增的顺序进行排序，从而获得排序后的工件集合r;
[0067] 步骤2、将排序后的工件集合r中的第1个未分配的工件放入能容纳第1个未分配 工件的尺寸且剩余空间最小的批中，批的剩余空间为容积C与放入相应批中所有工件尺寸 之和的差值;若批的剩余空间中不能容纳第1个未分配工件的尺寸，则生成容积为C的新批， 并将第1个未分配的工件加入新批中，直至工件集合r中的所有工件都分配到相应的批中； 该分批策略将加工时间接近的工件尽量分配在同一个批次中，同时使设备的剩余工件尽可 能小，能较大程度较少批的总数及批的加工时间。
[0068] 步骤3、将步骤2中得到的所有批按批处理时间非增序排列，得到批处理集合B = {bl，b2，. . .，bq，. . .，bl }，bq表示第q个批，将第q个批的加工时间记为。(9)笛。水肚心的巾日工时 间pW是由第q个批bq中加工时间最长的工件决定;批次总数记为1 「xl表 示不小于X的最小整数;通过将批按批处理时间非增序进行排列，使分配到每台设备上加工 的批在加工的过程中也是按批处理时间非增序进行加工的，在存在有运输时间的情况下， 运样可W减少机器的等待时间。
[0069] 步骤4、初始化粒子群算法的各个参数，包括:粒子总数N、迭代次数U最大迭代次 数Lmax、交叉概率Pel和Pe2, l《L《Lmax;并初始化L = 1 ;
[0070] 步骤5、产生初始种群，获得第L代的第k个粒子的初始位置嫂;=说,巧,...，墙1，…，姥 和初始速度巧"=地>，姆，…，做，…，皆}，诚嘴V皆分别表示第L代中第k个粒子在第d维捜 索空间上的位置和速度，其中，在产生初始种群的过程中，其中一个个体 通过将批分配到使批最早完工的机器上获得，其他的个体通过随机的方式产生，既保证了 初始种群的质量，保持了种群的多样性，也提高了算法的收敛速度，具体的说，
[0071] 步骤5.1、令Q W表示第i台设备Mi上第q个批bq的完工时间，n康示第i台设备Mi上 加工的批的数量，A功第i台设备Mi的空闲时间；初始化[i] = G、.ru = 1、q = 1、Ai = 0;
[0072] 步骤5.2、判断q>l是否成立，若成立，则表示生成一个粒子;否则，执行步骤5.3;
[0073] 步骤5.3、利用式(1)获得第q个批bq在第i台设备上的完工时间Q.[/]，从而获得第q 个批bq在m台设备上的完工时间：
[0074]
(I)
[0075] 式(1)中，max{x，y}表示取X和y中的较大者；
[0076] 步骤5.4、从第q个批bq在m台设备上的完工时间中选择最小完工时间所对应的设 备，记为设备min，将第q个批次bq运输到设备min上进行加工；再将nmin+1赋值给nmin， ([t"in]赋值给Amin，q+1赋值给q后，执行步骤5.2。
[0077] 基于设备速度，通过计算第q个批bq在m台设备上的完工时间，再选择最小完工时 间所对应的设备作为第q个批bq的加工设备，运样比将第q个批bq分配到最先空闲的设备上 进行加工求解结果更优。
[0078] 步骤6、计算第L代中第k个粒子的适应度^^，从而获得第L代中第k个粒子的局部 最优解
，其中，表示第L代中第k个粒子在第d维捜索空间 上的最优位置；
[0079] 步骤7、重复步骤6,获得第L代中N个粒子的局部最优解，并从中选出最大适应度值 对应的最优解作为第L代的全局最优解，记夫
，其中表示 第L代中整个粒子群体在第d维捜索空间上的最优位置；
[0080] 步骤8、根据第L代中第k个粒子的位置Zf和速度咬9,分别计算第L+1代的第k个 粒子的位置XfWl和速度+y;从而获得第L+1代粒子群中N个粒子的位置和速度；
[0081] 步骤8.1、将第L代的第k个粒子的初始位置為"=地>，也)，...，端，...，4巧赋值给 义;…:，其中，，为与蜂)具有相同含义的变量，比较Zf >与巧";中对应元素的值是否相同， 若相同，则将义;^中对应元素的值设置为0,若不同，则将中对应元素值设置为if >中对 应元素的值;从而获得更新的Xfi，更新的义中的每个元素的值表示设备的序号;且每个 元素与批处理集合B中的每个批一一对应；
[0082] 步骤8.2、将更新的Xf >中非0值的元素所对应的批依次调度到非0值所代表的设 备上进行加工，并计算相应设备的完工时间；从而得到设备完工时间集合C^=IC/[1]，…， C/[i]，…，C/[m]}和批次数量集合n/={Vi，…，n^i,…，n\};C/[i]表示第i台设备Mi的完 工时间，r/ 1表示第i台设备Mi上加工的批的数量；
[0083] 步骤8.3、将r/ 1+1赋值给n/ i，C/山赋值给1，其中，变量1与Al具有相同含义；
[0084] 步骤8.4、将更新的Jrf i中所有值为0的元素所对应的批次，按批处理时间非增序 排列得到批集合= {V 1，…，…，b/ r }，其中，1/表示更新的Jff)中值为0的元素的总 个数，即未分配的批总数；
[0085] 步骤8.5、令q'=l;
[00化]步骤8.6、如果q/ >1/，表示完成对更新的义进行再次更新，并执行步骤8.9;否 贝IJ，执行步骤8.7;
[0087]步骤8.7、利用式(2)获得第(1^个批次13%'在第1台设备上的完工时间鸣.1>']，从而获 得第q/个批次b%'在m台设备上的完工时间：
[008引
贷
[0089]步骤8.8、从第q/个批次在m台设备上的完工时间中选择最小完工时间所对应 的设备，记为设备min/，将第q/个批次b%'运输到设备min/上进行加工;再将r/ min' +1赋值给 。'。1。'，(、''.加虹']赋值给八\1。'，9'+1赋值给9'，执行步骤8.6;
[0090] 步骤8.9、通过贝努利分布获得一个由0和I组成的I维数组化，数组Ri中的每个元素 与再次更新的义中的每个元素一一对应;若Ri中的元素为1，则再次更新的乂中对应元 素的值保持不变，若Ri中的元素为0,则再次更新的?中对应元素的值设置为0;
[0091] 步骤8.10、将再次更新的Xf I作为更新的；Tf >并代入步骤8.2-步骤8.8中执行，从 而获得第=次更新后的
[0092] 步骤8.11、将作为疋…，将与"作为P严并代入步骤8.1-步骤8.10中执行，从 而获得第S次更新后的Xf >:
[009引步骤8.12、将第S次更新后的.Yf哺第S次更新后的瑣概率P。进行贝努利交 叉，得到交叉后的第L代的第k个粒子的位置;
[0094]步骤8.13、将马'<"与巧"W概率Pci进行贝努利交叉，得到第L+1代的第k个粒子的 速度巧;
[00对步骤8.14、将皆+0与if) W概率Pci进行贝努利交叉，得到第L+1代的第k个粒子的 位置Xf+":;
[0096] 步骤8.15、将；rf+li与全局最优解^f?W概率P。2进行贝努利交叉，获得两个交叉后 的粒子，比较交叉前的粒子if 与交叉后的两个粒子的适应度，将适应度大的粒子作为第 L+1代的第k个粒子Af ">的位置;通过对交叉前后的粒子进行适应度比较，可W保证将产生 的适应度值高的粒子保留下来，从而提高种群的质量。
[0097] 步骤8. 16、计算第L+1代粒子群中每个粒子的适应度，将适应度最低的 王/1 胃xW/2」个粒子用随机产生的粒子代替，l_x」表示不超过X的最大整数;从而更新第L+ l代粒子群的位置。通过^^^/4&、xW/2」计算每一次迭代的种群中需要用随机产生的粒子替 代的粒子数量，该公式随着迭代次数L增大，被随机产生的粒子代替的粒子数量随着迭代次 数增加逐渐增多，运样就可W在迭代前期增加局部捜索的能力，在迭代后期使种群具有较 大的多样性，避免陷入局部最优。
[0098] 步骤9、调整第L+1代粒子群中N个粒子的位置，从而获得调整后的第L+1代的N个粒 子的位置；
[0099] 步骤9.1、定义变量巧日h，定义局部捜索的最大长度为fmax;令f = l，i = l，h=m;
[0100] 步骤9.2、判断f<fmax是否成立，若成立，则将m台设备按完工时间非增序进行排 列，执行步骤9.3;否则，完成第L+1代粒子群中N个粒子位置义^^">的调整；
[0101] 步骤9.3、选择第i台设备Mi;选择第h台设备Mh;
[0102] 步骤9.4、判断h>l是否成立，若成立，则执行步骤9.5;否则，完成第L+1代粒子群 中N个粒子位置;rf+9的调整；
[010引步骤9.5、寻找任意第a个批ba，ba G Mi; W及任意第0个批be，be G Mh;如果第a个批ba 和第e个批be满足式（3)，则交换第a个批ba和第e个批be,并执行步骤9.6;否则，执行步骤 9.7:
[0104]
(巧
[0105] 式(3)中，pW表示第a个批ba的加工时间，C[i]表示第i台设备Mi的完工时间，pW表 示第e个批be的加工时间，C比]表示第h台设备Mh的完工时间；将满足公式(3)的批进行交换 可W缩短完工时间最长的设备的完工时间，并且不会使完工时间较小的设备的完工时间超 过交换前完工时间最长的设备的完工时间，因此该交换能够缩短制造跨度。
[0106] 步骤9.6、将分配到同一设备上的批按批加工时间非增序排列，并计算各台设备的 完工时间，将f+1赋值给f，执行步骤9.2;
[0107] 步骤9.7、将h-1赋值给h后，执行步骤9.4。
[0108] 步骤10、计算第L+1代粒子群中第k个粒子乂的适应度if并与第L代中第k个 粒子的适应度巧W进行比较，将较大适应度值对应的粒子位置作为第L+1代中第k个粒子的 最优解if+";
[0109] 步骤11、重复步骤10,从而获得第L+1代中N粒子的最优解并从中选出最大适应度 值对应的最优解作为第L+1代的全局最优解if ");
[0110] 步骤12、将L+1赋值给L，判断L<Lmax是否成立，若成立，则执行步骤8;否则，表示完 成Lmax次迭代，并获得全局最优解全局最优解/>^^""'>所对应的调度方案作为最优调 度方案，工件组批W及运输和制造过程如图2所示。
【主权项】
1. 一种基于改进粒子群优化的运输和生产协同调度方法，其特征是，将处于工件集合 处的η个工件进行分批处理后，通过运输车辆送达到m台设备处进行生产加工;所述η个工件 构成的工件集合记为J = {Ji，J2，…，Jj，…，Jn}，Jj表示第j个工件，1 < j;将第j个工件Jj 的尺寸记为以、加工时间记为W;所述m台设备记为M= {Mi，M2，…，Mi，…，Mm}爲表示第i台设 备，1 ;将第i台设备Mi加工工件的速度记为 Vi，将从所述工件集合处到达第i台设备Mi 的运输时间记为ti;将运输车辆的容积和加工工件设备的容积均记为C; 所述运输和生产协同调度方法是按如下步骤进行： 步骤1、将所述工件集合J中的工件按加工时间非增的顺序进行排序，若加工时间相同 则按工件尺寸非增的顺序进行排序，从而获得排序后的工件集合; 步骤2、将所述排序后的工件集合J'中的第1个未分配的工件放入能容纳所述第1个未 分配工件的尺寸且剩余空间最小的批中，批的剩余空间为容积C与放入相应批中所有工件 尺寸之和的差值;若批的剩余空间中不能容纳第1个未分配工件的尺寸，则生成容积为C的 新批，并将第1个未分配的工件加入新批中，直至所述工件集合y中的所有工件都分配到相 应的批中； 步骤3、将步骤2中得到的所有批按批处理时间非增序排列，得到批处理集合B={ln， b2,…，bq，…，hhbq表示第q个批，将第q个批的加工时间记为p(q)，第q个批b q的加工时间p(q) 是由第q个批bq中加工时间最长的工件决定;批次总数记为1:表示不 小于X的最小整数； 步骤4、初始化粒子群算法的各个参数，包括：粒子总数N、迭代次数L、最大迭代次数 Lmax、交叉概率Pc^PPu，1彡L彡Lmax;并初始化L = 1; 步骤5、产生初始种群，获得第L代的第k个粒子的初始位置; 和初始速度= 和^^分别表示第L代中第k个粒子在第d维搜 索空间上的位置和速度，其中，1彡d彡l;l<k彡N; 步骤6、计算第L代中第k个粒子的适应度FA(i)，从而获得第L代中第k个粒子的局部最优 解其中，；表示第L代中第k个粒子在第d维搜索空间上的 最优位置； 步骤7、重复步骤6，获得第L代中N个粒子的局部最优解，并从中选出最大适应度值对应 的最优解作为第L代的全局最优解，记戈^其中^^表示第L 代中整个粒子群体在第d维搜索空间上的最优位置； 步骤8、根据第L代中第k个粒子的位置JTf和速度F/￡)，分别计算第L+1代的第k个粒子 的位置XfW和速度从而获得第L+1代粒子群中N个粒子的位置和速度； 步骤9、调整所述第L+1代粒子群中N个粒子的位置，从而获得调整后的第L+1代的N个粒 子的位置； 步骤10、计算第L+1代粒子群中第k个粒子ΧΑ(?+1)的适应度Ff+1)并与第L代中第k个粒子 的适应度if >进行比较，将较大适应度值对应的粒子位置作为第L+1代中第k个粒子的最优 解if4" ； 步骤11、重复步骤10，从而获得第L+1代中N粒子的最优解并从中选出最大适应度值对 应的最优解作为第L+1代的全局最优解/f+u ; 步骤12、将L+1赋值给L，判断L<Lmax是否成立，若成立，则执行步骤8;否则，表示完成 Lmax次迭代，并获得全局最优解以全局最优解所对应的调度方案作为最优调度 方案。2. 根据权利要求1所述的基于粒子群优化的生产调度方法，其特征在于，所述步骤5创 建初始种群的过程中，N-1个粒子是通过随机方式产生，剩下的一个粒子是按如下步骤产 生： 步骤5.1、令表示第i台设备Mi上第q个批bq的完工时间，m表示第i台设备Mi上加工 的批的数量，Ai为第i台设备Mi的空闲时间;初始化G [?] _= 〇_、m = 1、q = 1、Ai = 0; 步骤5.2、判断q>l是否成立，若成立，则表示生成一个粒子;否则，执行步骤5.3; 步骤5.3、利用式（1)获得第q个批bq在第i台设备上的完工时间d]，从而获得第q个批 bq在m台设备上的完工时间：式（1)中，max{x，y}表示取X和y中的较大者； 步骤5.4、从第q个批bq在m台设备上的完工时间中选择最小完工时间所对应的设备，记 为设备min，将第q个批次bq运输到设备min上进行加工;再将nmin+1赋值给nmin，C^_[imn]赋值 给Amin，q+Ι赋值给q后，执行步骤5.2。3. 根据权利要求1所述的基于粒子群优化的生产调度方法，其特征在于，所述步骤8是 按如下步骤进行： 步骤8.1、将第L代的第k个粒子的初始位置;^ = ……,43赋值给, 其中，为与具有相同含义的变量，比较与/f >中对应元素的值是否相同，若相 同，则将>中对应元素的值设置为〇,若不同，则将中对应元素值设置为if >中对应元 素的值;从而获得更新的JTf1 ,更新的Xf5中的每个元素的值表示设备的序号;且每个元素 与批处理集合B中的每个批--对应； 步骤8.2、将更新的中非0值的元素所对应的批依次调度到非0值所代表的设备上 进行加工，并计算相应设备的完工时间；从而得到设备完工时间集合[1]，···，(/ [1]，~，(：/[ 111]}和批次数量集合11/={11/1，~，11/1，~，11、};(： /[1]表示第1台设备吣的完工 时间，r/ i表示第i台设备Mi上加工的批的数量； 步骤8.3、将Y i+Ι赋值给Y i，C [ i ]赋值给# i，其中，变量A' i与Ai具有相同含义； 步骤8.4、将更新的If1中所有值为0的元素所对应的批次，按批处理时间非增序排列 得到批集合V = {V i，…，1/ </，…，1/ r }，其中，V表示更新的>中值为0的元素的总个数， 即未分配的批总数； 步骤8.5、令Υ =1; 步骤8.6、如果Y ，表示完成对更新的Xf1进行再次更新，并执行步骤8.9;否则，执 行步骤8.7; 步骤8.7、利用式(2)获得第Y个批次在第i台设备上的完工时间，从而获得第 Y个批次V q'在m台设备上的完工时间：步骤8.8、从第Y个批次在m台设备上的完工时间中选择最小完工时间所对应的设 备，记为设备mir/，将第Y个批次b%'运输到设备mir/上进行加工；再将r/mW+1赋值给 ，Mf0￥i8.6; 步骤8.9、通过贝努利分布获得一个由0和1组成的1维数组Ri，数组Ri中的每个元素与再 次更新的Xf1中的每个元素一一对应;若心中的元素为1，则再次更新的Tf1中对应元素的 值保持不变，若心中的元素为〇,则再次更新的中对应元素的值设置为〇; 步骤8.10、将再次更新的If作为更新的Xf1并代入步骤8.2-步骤8.8中执行，从而获 得第三次更新后的Xf1: 步骤8.11、将;^"⑷作为Xf1，:将if}作为if;并代入步骤8.1-步骤8.10中执行，从而获 得第三次更新后的A了 步骤8.12、将第三次更新后的；^)和第三次更新后的工/(￡1以概率匕1进行贝努利交叉， 得到交叉后的第L代的第k个粒子的位置;q"(i>; 步骤8.13、将尤广)与!^)以概率?。1进行贝努利交叉，得到第1>1代的第1^个粒子的速度 步骤8.14、将ff+1)与Xf以概率心进行贝努利交叉，得到第L+1代的第k个粒子的位置 Zf+1); 步骤8.15、将zf+1>与全局最优解if}以概率心进行贝努利交叉，获得两个交叉后的粒 子，比较交叉前的粒子Xf+1)与交叉后的两个粒子的适应度，将适应度大的粒子作为第L+1 代的第k个粒子Zf +l)的位置； 步骤8.16、计算第L+1代粒子群中每个粒子的适应度，将适应度值最低的 个粒子用随机产生的粒子代替，表示不超过X的最大整数;从而更新第L+1代粒子群的位 置。4.根据权利要求1所述的基于粒子群优化的生产调度方法，其特征在于，所述步骤9是 按如下步骤进行调整： 步骤9.1、定义变量f和h，定义局部搜索的最大长度为fmax;令f=l，i = l，h=m; 步骤9.2、判断f<fmax是否成立，若成立，则将m台设备按完工时间非增序进行排列，执 行步骤9.3;否则，完成第L+1代粒子群中N个粒子位置Zf〇的调整； 步骤9.3、选择第i台设备Mi;选择第h台设备Mh; 步骤9.4、判断h>l是否成立，若成立，则执行步骤9.5;否则，完成第L+1代粒子群中N个 粒子位置;Tf+1)的调整； 步骤9.5、寻找任意第α个批ba，ba e Mi;以及任意第β个批be，be e Mh;如果第α个批ba和第β 个批be满足式(3)，则交换第α个批ba和第β个批be，并执行步骤9.6;否则，执行步骤9.7:(3) 式⑶中，Ρ(α)表示第α个批ba的加工时间，C[i]表示第i台设备I的完工时间，p(e)表示第 β个批be的加工时间，C[h]表示第h台设备Mh的完工时间， 步骤9.6、将分配到同一设备上的批按批加工时间非增序排列，并计算各台设备的完工 时间，将f+1赋值给f，执行步骤9.2; 步骤9.7、将h-Ι赋值给h后，执行步骤9.4。
【文档编号】G06Q10/04GK105956689SQ201610260236
【公开日】2016年9月21日
【申请日】2016年4月21日
【发明人】裴军, 蒋露, 刘心报, 范雯娟, 周谧, 刘林, 方昶, 周志平
【申请人】合肥工业大学