一种基于决策块与蜂群算法的工件生产路径搜索方法
【技术领域】
[0001] 本发明涉及装备制造业领域中一种考虑运输能力受限的跨单元工件生产路径搜 索方法，属于先进制造生产控制优化领域。
【背景技术】
[0002] 在我国，多数装备制造企业已经建立了现代化生产线，但同时大量传统设备与先 进设备共存，多品种，混线生产长期存在。工件的加工路径跨多个单元，产生跨单元协作的 生产模式。
[0003] 以综合传动装置为代表的复杂产品生产中，有50%以上的工件需要跨单元协作完 成。然而，由于单元间缺乏高效的协同运作管理方法，导致大量的跨单元工件不能按期完 工。据统计，在延期工件中跨单元工件的比例高达70%以上。由此可见，建立有效的跨单元 路径搜索优化方法已成为一个亟待解决的问题。
[0004] 关于跨单元路径搜索的研宄可以分为两类，即跨流水单元路径搜索（Flowshop scheduling)和跨作业单元路径搜索（Jobshopscheduling)。
[0005] 在以往的研宄中，考虑了跨单元转移时间，但都假设单元间具有充足的运输能力， 因此工件在一个单元内完成相应的工序后，不需任何等待就能向下一个单元转移。然而在 装备制造业中，单元的布局分散，工件的体积、重量无法忽略，工件的跨单元转移需要由运 输工具来完成。一方面，在实际生产中，由于运输工具数量有限，工件在跨单元时需要等待 直至运输工具空闲，另一方面，各个工件的目的单元不同。因此，有必要在分析跨单元路径 搜索问题时考虑运输工具运输能力的限制以及运输过程的路径决策。跨单元路径搜索问题 面向的是由多个单元组成的平面结构，与传统单元制造系统路径搜索问题相比，不但具有 更高的复杂性，同时问题规模也急剧增加。
[0006] 在实际生产中，启发式规则由于其简单、易实施的特点而得到广泛应用。然而，由 于使用哪些规则都是根据人为经验事先指定，不具备优化能力，因此性能上无法满足复杂 问题的需要。
[0007] 相比之下，元启发式算法（如蚁群优化、模拟退火等）具有更强的优化能力，适于 解决复杂的优化问题。然而，由于跨单元路径搜索将问题规模扩展至多个单元组成的单元 链，实际生产中往往需要对数百种工件、上百台机器的规模进行在线路径搜索，导致元启发 式算法的搜索空间激增，无法在可接受时间内得到路径搜索结果。
[0008] 基于此，为了同时获得较好的优化性能和较高的计算效率，本发明采用近年发 展起来的超启发式算法解决跨单元路径搜索问题。超启发式算法是"搜索启发式的启发 式"(heuristicstosearchheuristics)，S卩，超启发式算法的搜索空间不是路径搜索问题 的解，而是适合于求解路径搜索问题的启发式规则。这样既避免了人工指定启发式规则的 主观性、提高了优化能力，同时也大幅缩小了搜索空间、提高了计算效率。
[0009] 如果说启发式规则虽然具有很高的计算效率、但由于优化能力差而不适用于跨单 元路径搜索这样复杂的问题，元启发式算法虽然优化能力较强、但由于计算效率低而不能 满足大规模问题在线路径搜索的需求，那么超启发式算法则相当于综合了二者的优势，即 用优化能力较强的元启发式算法选出合适的启发式规则，再用得到的规则进行高效率的在 线路径搜索。将超启发式的思想应用于跨单元路径搜索的研宄还很少见，本发明将超启发 式算法运用于实际生产中，为大规模复杂优化问题提供了一条有效途径。
【发明内容】
[0010] 本发明的目的是要提供一种基于决策块和蜂群算法的生产路径搜索方法，以解决 实际生产中效率低下的问题。
[0011] 1、一种基于决策块与蜂群算法的工件生产路径搜索方法，包括以下步骤：
[0012] 输入工件、工件的工序、生产单元和运输工具的名称、数量等生产所需的基本信息 并开始初始化；
[0013] 首先初始化食物源其中每个食物源包含划分决策块链、规则决策块链、食物源决 策块链及其对应的生产加工路径以及TWT指标等信息，每个食物源决策块链包括三段：工 序分派段决策块链、工件排序段决策块链和运输规划策略决策块链，各决策块链由若干决 策块组成，每个决策块内含不同编码；
[0014] 初始化结束会得到符合种群数量大小的食物源，同时，在后续操作中每一次得到 新的食物源决策块链都会更新一次决策块链上的规则对应的生产路径以及该生产路径的 完工时间和TWT指标以更新食物源；
[0015] 在雇佣蜂和观察蜂阶段对初始化路径的食物源进行邻域搜索，以更新初始化所得 到的食物源对应的生产路径，更新对应食物源中的所有信息，达到优化TWT评价指标的目 的；
[0016] 改进的侦察蜂阶段，在由于TWT评价指标过差而即将被抛弃的食物源周围进行邻 域搜索，更新将被抛弃的食物源及对应食物源的全部信息，同时不断更新当前最佳食物源， 以得到TWT评价指标较优路径；
[0017] 在更新次数达到根据实际要求所提出的上限，或者已经获得TWT评价指标足够好 的路径后，此时所有的食物源中携带最好的TWT评价指标路径的食物源被选出，即获得最 优工件加工生产路径。
[0018] 2、如权利要求1所述的基于决策块与蜂群算法的工件生产路径搜索方法，食物源 初始化的步骤中其特征在于，
[0019] 根据输入的工件、工序、生产单元数量和运输工具的名称、数量以及实际情况对生 成路径性能的期望确定种群大小，在食物源数量没有达到种群要求之前持续生成食物源；
[0020] 一个食物源生成步骤为：
[0021] 设计三种不同的决策块：划分决策块、规则决策块和食物源决策块；
[0022] 根据子问题的不同要求，分别得到平均每个工件所具有的工序数、平均每台机器 加工的工序数、平均每个单元加工的工序数，由此确定每个划分决策块的编码内容，并生成 划分决策块链；
[0023] 每个规则决策块在其子问题自身的规则集中选择启发式规则，生成规则决策块编 码，由这些决策块合成规则决策块链；
[0024] 通过每个划分决策块编码和规则决策块编码的合并，生成每个食物源决策块编 码，最终形成食物源决策块链；
[0025] 将三个子问题的食物源决策块链合成一条完整的食物源决策块链；
[0026] 根据食物源决策块链搜索到一条生产路径并同时计算最小化加权延迟总和；
[0027] -个包含划分决策块链、规则决策块链、食物源决策块链及其对应的生产加工路 径以及TWT指标等彳目息的完整食物源此时完成生成。
[0028] 3、如权利要求2所述的基于决策块与蜂群算法的工件生产路径搜索方法中划分 决策块链与规则决策块链合并生成食物源决策块链的方法，其特征在于，
[0029] 每个划分决策块依次对应一个规则决策块，将每个规则决策块按照其对应的划分 决策块中编码大小进行相应次数展开，并且保留与划分决策块相同的个数的规则编码，由 此即生成了食物源决策块链。
[0030] 4、如权利要求1中所述的基于决策块与蜂群算法的工件生产路径搜索方法，其特 征在于，
[0031] 对被选定的食物源决策块链的划分决策块链进行多个变换，再与原规则决策块链 按照权利要求3中方法进行合并，得到新的食物源决策块链，或者对被选定的食物源的规 则决策块链进行多个变换，再与原划分决策块链按照权利要求3中方法进行合并，得到新 的食物源决策块链，同时更新对应食物源中所有信息。
[0032] 5、如权利要求1中所述的基于决策块与蜂群算法的工件生产路径搜索方法，其特 征在于，
[0033] 对即将被抛弃的食物源进行邻域搜索；将得到的新的食物源与原有的食物源进行 TWT评价指标性能比较，以TWT评价指标较优性能的食物源进行对原有食物源的更新。
[0034] 6、如权利要求3中所述的基于决策块与蜂群算法的工件生产路径搜索方法中的 邻域搜索方法，其特征在于，
[0035] 对于即将被抛弃的食物源的划分决策块链行多次的邻域变换，将其划分决策块链 进行多次交换然后按照权利要求3中所述的方法与规则决决策块链进行合并，生成新的食 物源决策块链并更新食物源全部信息。
[0036] 本发明针对跨单元运输环境下、考虑运输能力受限的跨单元生产路径搜索的问题 提出解决方案。所提出的方法在决策过程中采用动态决策块策略，即通过超启发式算法的 优化，找到