[发明专利]基于遗传算法的粗细联输送系统库存管理与线路优化方法

说明书

技术领域：

本发明涉及企业生产管理技术领域，特别涉及一种基于遗传算法的粗细联输送系统库存管理与线路优化方法。

背景技术：

遗传算法是模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。在初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样，后代种群比前代更适应于环境，末代种群中的最优个体对应作为问题近似的最优解。如何将其应用到纺织企业生产管理中是人们需要解决的问题。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容：

本发明的目的在于提供一种基于遗传算法的粗细联输送系统库存管理与线路优化方法，从而克服上述现有技术中的缺陷。

为实现上述目的，本发明提供了一种基于遗传算法的粗细联输送系统库存管理与线路优化方法，其步骤为：

(1)构造目标函数JSPGA，确定输入、输出变量；

(2)变量初始化，根据所输入的订单矩阵O计算得出染色体X的存储空间；

(3)随机产生初始种群farm，在种群farm中，每一个染色体为随机产生的一组生产调度方案；

(4)交叉：在随机产生的众多生产调度方案中，选择两个父代方案进行交叉，将两个调度方案中的工件和工序相关信息进行交换，然后产生两个新的子代方案；

(5)选择复制：将产生的生产调度方案，以目标函数为标准，两两作比较，将较优的生产调度方案留下来；

(6)变异：通过随机的方法产生新的生产调度方案；

(7)重复(4)到(6)，直到适应度函数收敛，产生最优解。

与现有技术相比，本发明具有如下有益效果：

在以订单为驱动力的生产方式下，对设备已经相对成型的纺纱企业，就粗纱、细纱生产和空、满纺纱管链条存储方面以遗传算法进行优化，通过对不同种类纺织品加工顺序和流程的调整，来提高生产效率。

附图说明：

图1是本发明基于遗传算法的粗细联输送系统库存管理与线路优化方法流程示意图；

图2是本发明在实际应用中生成的最优生产计划图。

具体实施方式：

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。

如图1所示，基于遗传算法的粗细联输送系统库存管理与线路优化方法，其步骤为：

(1)构造目标函数JSPGA，确定输入、输出变量；

(2)变量初始化，根据所输入的订单矩阵O计算得出染色体X的存储空间；

(3)随机产生初始种群farm，在种群farm中，每一个染色体为随机产生的一组生产调度方案；

(4)交叉：在随机产生的众多生产调度方案中，选择两个父代方案进行交叉，将两个调度方案中的工件和工序相关信息进行交换，然后产生两个新的子代方案；

(5)选择复制：将产生的生产调度方案，以目标函数为标准，两两作比较，将较优的生产调度方案留下来；

(6)变异：通过随机的方法产生新的生产调度方案；

(7)重复(4)到(6)，直到适应度函数收敛，产生最优解。

实施例

在企业收到的某个订单当中，有i种纱织品(细纱)，将这i种纱织品分为“i批次”进行生产，各种批次的总量为N_i，这里总量定义为细纱机所需要生产的链数。不同批次纺织品依次经过三道工序，先在n_i台粗纱机(1、2、...n_max)上加工，然后存入库存待命，在满足生产细纱所需链数时，最后在m_i台细纱机(1、2...m_max)上加工完成，起始时不同种类纱的加工顺序需要服从生产计划的安排。调度的目标是最小化最大完工时间。基于以上分析，构建如下数学优化模型：

目标函数：