[发明专利]一种基于混合算法框架的混流装配调度控制方法

说明书

【技术领域】

本发明属于生产车间智能优化调度技术领域，涉及一种基于混合算法框架的混流装配调度控制方法。

【背景技术】

混流装配生产方式是制造业中常采用的一种生产方式，它是在不改变生产组织方式的前提下，在同一流水线上同时生产出多种不同型号、不同数量的产品。因此，相对于单一产品流水线而言，混流生产系统既可以大批量生产标准产品，又可以按照客户订单生产小批量非标准产品，因此具有更高的灵活性，可以满足客户对产品的多样化需求，企业对市场的快速响应不再仅依赖于产品库存。在汽车、家电等行业的生产过程中，大部分生产工序是相同的，更换产品品种时基本不需要调整生产线，因此，混流生产方式在这些行业中具有广阔的应用前景。

混流装配调度中，产品的生产排序调度问题是多约束NP-难问题。为了解决NP-难问题混流装配调度的算法也在不断的丰富和完善。由于研究方向的差异，各种算法及计算效率和适用范围也有一定的不同，主要分为分支定界法、动态规划法、目标追随法、基于线性松弛的启发式算法、领域搜索算法、NEH算法、遗传算法(GA)、蚁群算法、粒子群优化算法以及一些混合算法等。这些算法都在相关的领域得到了应用验证。

单一的算法往往存在部分缺陷，其中常用的遗传算法存在未成熟收敛，局部搜索能力差，随机游走等现象，因此需要探寻一种新的装配调度方法来接解决现有物流调度中存在的问题。

【发明内容】

为解决现有技术中存在的问题，本发明的目的是提供一种基于混合算法框架的混流装配调度控制方法，本发明的方法基于混合遗传算法和差分进化算法，并将其用于混流装配调度的实际问题中，解决了现有技术中存在的问题。

本发明所采用的技术方案是：

一种基于混合算法框架的混流装配调度控制方法，包括如下步骤：

步骤1，设置遗传算法和差分进化算法的初始参数；

步骤2，设置初始种群；

步骤3，通过适应度函数评价种群中个体的适应度；

步骤4，根据个体的适应度选出最优解并记录；

步骤5，判断最优解及其状态是否满足终止条件：

若满足，则输出最优解；

若不满足，则进行如下步骤：

步骤a，对基因的排序依次采用遗传算法的选择操作、交叉操作和变异操作；同时基因的数量依次采用差分进化算法的变异操作、交叉操作和选择操作；

步骤b，根据适应度函数评价新个体的适应度；

步骤c，将新个体与原个体置换形成下一代个体；

步骤d，重复步骤4至步骤5。

所述步骤1中，遗传算法和差分进化算法的初始参数包括初始种群数量、突变率、交叉率、约束条件和终止条件。

所述步骤a中，对基因的排序采用的交叉操作为顺序交叉的方式。

所述顺序交叉的方式的具体过程如下：

在父代的一方d1中随机选出一段染色体作为原始后代，再从父代的另一方d2中选出剩余的染色体按照顺序补充到新的子代1染色体上。

所述步骤a中，对基因的数量依次采用差分进化算法的变异操作、交叉操作和选择操作的具体过程如下：

步骤a.1，先选取种群中两个不同个体，将两个不同个体的向量差缩放以后再与待变异的个体进行向量合成；

步骤a.2，再对第g代种群及其变异的中间体进行个体间的交叉操作；

步骤a.3，再对比新个体和原始个体的适应度，选出适应度最优的个体。

所述步骤a.1具体过程的表达式如下：

其中，F为缩放因子，x_i(g)表示第g代中的第i个个体；

r₁、r₂和r₃为第g代中的个体的序号，且i≠r₁≠r₂≠r₃；

v_i(g+1)为变异的中间体；

在变异进化过程中，判断新产生的中间体是否满足边界条件，如果超出了边界，则要重新生成中间体。

所述步骤a.2的具体过程为：对第g代种群{x_i(g)}及其变异的中间体{v_i(g+1)}进行个体间的交叉操作：

当rand(0,1)≤CR或者j＝j_rand时

u_j,i(g+1)＝v_j,i(g+1)

反之