[发明专利]求解矩阵制造车间多自动轨道小车上料调度问题的人工蜂群算法

权利要求书

1.一种求解矩阵制造车间多自动轨道小车上料调度问题的人工蜂群算法，其特征在于，操作步骤如下：

（1）采用新的解的表示方法：

假设矩阵制造车间有n个任务单元和m辆AGV，将用长度为n+m-1的向量来表示解；在此向量中，1和n之间的n个自然数表示任务单元的编号，○表示仓库点，m-1个○表示每条AGV路线的起点，也是终点；任意两个相邻的AGV路线由○隔开；

（2）采用改进的最近邻启发式算法：

首先设定仓库点为AGV出发的起点和终点，然后选择一辆编号为1#的AGV，以仓库点为当前点搜索一个距离它最小的任务单元i，并将它插入到1#AGV路线的最前端，接下来以任务单元i为当前点寻找距离它最小的任务单元j，并将它插入到1#AGV路线的第二个位置；

以此类推，直到满足AGV的载重约束和任务单元的时间窗约束为止，将结束1#AGV路线的任务单元分配，并立即开始2#AGV路线的任务单元分配工作；当所有的任务单元分配到AGV们时，将得到一个解，即任务单元到AGV的分配方案；

（3）采用人工蜂群算法：

步骤31：从平衡初始解的优质性和多样性角度出发，利用改进的最近邻启发式算法，生成一个高质量初始解，利用随机生成的方法，生成剩余的初始解；

步骤32：在雇佣蜂阶段提出5个有效的邻域算子：合并邻域算子、路线内插入邻域算子、路线间插入邻域算子、路线内交换邻域算子和路线间交换邻域算子，邻域算法在雇佣蜂阶段随机采用合并邻域算子、路线内插入邻域算子、路线间插入邻域算子、路线内交换邻域算子和路线间交换邻域算子中的一种进行邻域搜索，来生成高质量的解；

步骤33：提出了一个基于随机插入的局部搜索方法，利用该方法使当前解在侦查蜂阶段进入一个更有希望的解空间搜索中，生成一个好的解来替换侦查蜂阶段中未改进次数最多的解，从而节约经典人工蜂群算法中随机生成的解进化成优质解的运算时间；

基于随机插入的局部搜索算法为：

每一步都会随机选择一个任务单元，将其插入到当前AGV路线的最佳位置，当当前AGV路线不能接受新的任务单元时，算法将结束当前AGV路线的任务单元分配工作，并以相同方法开始一条新的AGV路线的任务单元分配工作，直到所有任务单元分配完成为止。

2.如权利要求1所述求解矩阵制造车间多自动轨道小车上料调度问题的人工蜂群算法，其特征在于：所述的步骤（1）中，用长度为n+m-1的向量来表示解，来区分各条AGV路线，进行各条AGV路线间的任务单元的邻域优化操作。

3.如权利要求1所述求解矩阵制造车间多自动轨道小车上料调度问题的人工蜂群算法，其特征在于：所述的步骤（2）中，所有AGV都是从仓库出发，最后完成任务返回仓库；对于每个AGV来说，都是通过将距离当前任务单元最近的任务单元作为下一个服务的任务单元，如果符合AGV载重约束和任务单元的时间窗约束，则将其插入到AGV路线中，直到所有任务单元分配完成为止。