[发明专利]一种面向返工风险的再制造调度优化方法

权利要求书

1.一种面向返工风险的再制造调度优化方法，其特征在于，所述面向返工风险的再制造调度优化方法，包括：

对于具有I种再制造产品和J条非等同并行加工路线的批量再制造调度，采用区间灰数描述再制造过程中的变量，通过含返工风险的期望加工时间构建最大完工时间的数学模型；

构建求解数学模型的粒子表示方案，所述粒子表示方案包括两个部分，第一部分编码了分配给每条加工路线的产品信息，第二部分编码了操作排序信息；

根据粒子表示方案初始化初始种群，对数学模型进行迭代求解，获取最优再制造调度方案。

2.根据权利要求1所述的面向返工风险的再制造调度优化方法，其特征在于，所述数学模型如下：

其中，表示处理完所有再制造产品的总时间，表示第j条加工路线中的第N_j个机器加工第i个产品的结束时间，第N_j个机器是第j条加工路线中的最后一个机器；

其中，表示第j条加工路线中的第n个机器加工第i个产品的开始时间，表示第j条加工路线中的第n个机器加工第i个产品的含返工风险的期望加工时间，Q_ijn表示在第j条加工路线中的第n个机器上加工第i种再制造产品的数量；

其中，表示第j条加工路线中的第n个机器在第k次加工第i个产品时的加工时间，k＝1,…,∞，其中k＝1表示是第一次加工，否则表示为返工过程；表示第i个产品需要在第j条加工路线中的第n个机器进行第k次加工的概率。

3.根据权利要求1所述的面向返工风险的再制造调度优化方法，其特征在于，所述根据粒子表示方案初始化初始种群，对数学模型进行迭代求解，获取最优再制造调度方案，包括：

步骤F1、初始化种群和参数；

步骤F2、计算当前自适应概率，对粒子的第一部分根据自适应概率选择执行变异算子，所述变异算子包括DE/rand/1、DE/rand/2、DE/L_best/1和DE/U_best/1四个变异算子；

步骤F3、执行交叉算子；

步骤F4、更新粒子中每条路线上各类产品的数量分配信息；

步骤F5、对粒子的第二部分执行位置更新机制；

步骤F6、执行局部搜索策略；

步骤F7、更新粒子中产品的路径选择和操作排序信息；

步骤F8、判断是否满足重启条件，如果满足则进入下一步，否则进入步骤F10；

步骤F9、执行重启机制重新初始化部分种群；

步骤F10、判断是否满足停止条件，如果满足，则停止迭代，输出最优调度方案，否则返回到步骤F2，重新进行迭代。

4.根据权利要求3所述的面向返工风险的再制造调度优化方法，其特征在于，所述DE/L_best/1和DE/U_best/1算子，分别表示如下：

其中和是从第t代种群中随机选择出来的个体，且b≠c；和分别代表种群中具有最小上下界的个体；V_i^t是通过变异算子生成的第i个个体；F_i^t是第i个个体的缩放因子，服从均匀分布。

5.根据权利要求3所述的面向返工风险的再制造调度优化方法，其特征在于，所述对粒子的第二部分执行位置更新机制，其中位置更新机制通过变异算子和交叉算子来更新粒子的位置，在每次执行交叉算子时，按照第一概率与pbest粒子进行交叉操作，按照第二概率与gbest粒子进行交叉操作。

6.根据权利要求4所述的面向返工风险的再制造调度优化方法，其特征在于，所述执行局部搜索策略，包括在每次迭代中对质量排名前预设数量的调度方案以及和执行基于两种邻域结构的局部搜索策略，两种邻域结构分别为交换邻域结构和插入邻域结构。

7.根据权利要求3所述的面向返工风险的再制造调度优化方法，其特征在于，所述重启机制，包括：

如果在预设次数迭代后全局最优的解没有变得更好，则从种群中随机选取预设比例的粒子重新进行初始化。