[发明专利]一种基于蜂社会自组织模型的混流装配生产调度控制方法

说明书

技术领域

本发明涉及一种基于蜂社会自组织模型的车间调度方法。

背景技术

生产调度是有序组织生产过程，合理安排生产的关键问题。通过生产调度，将生产过程中涉及到的加工资源、物流资源合理分配，提高企业生产效率和流畅度，并减少生产过程中产生的时间、空间的浪费。对微利时代企业的发展具有重要意义。

混流加工装配生产是目前汽车行业、家电行业等工艺过程离散的产品普遍采用的一种生产模式，也是发展中的生产模式。在许多以装配制造为主的生产企业中，由于各种原因，企业不但要进行产品总装，还要进行零部件的加工和装配，满足总装线生产需要。加工装配车间的生产主要包括作业型生产和装配型生产两类，对应的调度问题也分为作业加工车间和流水装配车间调度两类，涵盖了加工装配生产的主要过程。其中装配线生产是混流加工装配的重要组成部分。装配线将外协生产或采购的零部件与加工线生产的零部件在这里通过连续的生产单元组装成符合客户需求的最终产品，如图1所示。现代装配生产过程，在多品种小批量是生产影响下多采用了混流生产的组织方式。混流生产可以提高生产组织的柔性，快速响应市场和客户需求，减少生产线以及模具、加工成本、运输成本等投入，有效提高产能。但混流生产在提高系统生产柔性和生产效率的同时，加大了生产过程管理的难度，提高了生产停线、在制品积压的风险。因此，有效的混流装配生产调度成为现代管理研究的热点。

在求解复杂的组合优化问题上，群体智能优化算法(Population-basedIntelligent Optimization，PIO)是目前的研究热点。其特征是以群中个体代表问题的可行解，并根据个体适应度，通过群体间的互动寻优逐步得到满意解。PIO主要分为以遗传算法(GA)、进化规划(EP)、进化策略(ES)等为代表的进化算法(Evaluation Algorithm，EA)和以蚁群算法(ACO)、微粒群优化算法(PSO)等为代表的群智能算法(Swarm Intelligence，SI)。其中进化算法提出时间早，应用较为广泛，特别是遗传算法，在生产计划、调度等组合优化问题上已经得到了广泛的应用。群智能算法属于人工智能范畴，最早由Beni、Hackwood和Wang于1989年提出，用于描述离散自然或人工自组织系统的协作过程。在1999年，Bonbeau、Dorigo和Theraulaz拓展了这个概念：群智能不但用于描述群体之间的协作行为，而且任何受昆虫群体或其他动物群集的协作行为激发而进行的算法设计或分布式的问题解决策略设计过程均属于群智能。

基于蜂社会自组织模型的群智能算法是一类新兴的优化算法，算法利用蜂群觅食的社会行为模型，将蜂群觅食行为映射到组合优化问题中，通过蜂群自组织(Stigimergy)协调过程，实现问题的求解。Seeley T.D.于1995年最早提出了蜂群的群体行为模型。随后Theraulaz G等根据蜜蜂通过内部反应阈值和环境刺激信号进行的后代觅食工作模型。2001年 P和D在生物学研究和蜂群行为模型研究基础上，首次应用蜜蜂协作行为求解组合优化问题，并提出了蜂群优化(Bee Colony Optimization，BCO)。此后，一系列基于蜂群模型的优化算法相继提出，研究较多的有Karaboga D于2005年提出的人工蜂群算法(ArtificialBee Colony，ABC)用于求解连续优化问题；Pham D.T.于2006年提出的蜜蜂算法(Bee Algorithm，BA)求解复杂连续优化问题。此外，还有Abbas提出的基于蜜蜂婚配原理的MBO模型、Wedde等围绕觅食区域概念提出的蜂巢算法(BeeHive)、Drias等基于可满足性问题提出的蜂群优化(Bee Swarm Optimization)算法、Yang等提出的虚拟蜜蜂算法(Virtual Bee Algorithm，VBA)等。