一種基于遺傳算法的高級計劃排程系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于遺傳算法的高級計劃排程系統(tǒng)及方法，屬于計算機控制管理
技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 航空、航天等軍工企業(yè)屬于典型的離散制造業(yè)，車間生產(chǎn)普遍具有產(chǎn)品結(jié)構(gòu)復(fù)雜， 零部件多，多品種、小批量，批產(chǎn)與科研混線生產(chǎn)，影響生產(chǎn)因素多，計劃安排難度大等特 點。在實際生產(chǎn)中，計劃人員需要根據(jù)批產(chǎn)任務(wù)、科研任務(wù)、其他零星任務(wù)，需要結(jié)合庫存情 況、設(shè)備資源狀況、工裝工具保障情況、工藝準備情況、物料供應(yīng)情況、人員情況等進行車間 作業(yè)計劃的安排與調(diào)度。由于實際情況復(fù)雜，影響計劃的因素多，信息采集數(shù)據(jù)量大，很多 車間管理軟件大多以預(yù)先定義好的一些規(guī)則，如最短加工時間優(yōu)先、先到先服務(wù)、交貨期最 早優(yōu)先等，通過這種啟發(fā)式的規(guī)則進行有"側(cè)重點"式的搜索與排序，為車間生產(chǎn)管理者提 供計劃排產(chǎn)決策。但實際生產(chǎn)過程中通常具有生產(chǎn)要素的復(fù)雜性，影響計劃因素的隨機性， 生產(chǎn)條件的約束性，以及解決現(xiàn)場問題的多目標性等特點。因此，利用一般的規(guī)則運算方 法，在快速搜索最優(yōu)方案上，多目標優(yōu)化等方面已不能很好地解決這種被證明的Job Shop 類型的NP難題。
[0003] 高級計劃排程的方法有很多，主要包括基于規(guī)劃的排程方法，約束規(guī)劃CP，分枝定 界B&B，分解技術(shù)DT，禁忌搜索和遺傳算法。基于規(guī)劃的排程方法實現(xiàn)起來簡單方便，但是 規(guī)則單一，無法實現(xiàn)多約束的生產(chǎn)排程；約束規(guī)劃CP雖然考慮到了現(xiàn)實中的各種約束，但 是它主要是用來規(guī)則出不可行方案和削減大量的搜索空間，而要求的規(guī)則庫規(guī)模較大，無 法保證得到最優(yōu)解；分枝定界B&B避免了枚舉，使原始問題被分為較小的子問題，但是計算 耗時耗內(nèi)存；分解技術(shù)DT可以縮小優(yōu)化規(guī)模，有限時間內(nèi)得到較滿意的解，但是局限較多， 比如受限于視窗的長短和移動單位等。禁忌搜索和遺傳算法類似，但是禁忌搜索的初始解 對算法搜索性能影響較大，較難執(zhí)行。遺傳算法有較好的穩(wěn)健性，在NP問題中能在有限時 間內(nèi)收斂得到較理想的解。
[0004] 在生產(chǎn)計劃排程的研究中，遺傳算法也有較多的應(yīng)用。譚輝等（2005)和周昕等 (2010)研究了分布式生產(chǎn)模式下的生產(chǎn)排程問題，實例驗證的結(jié)果表明遺傳算法可以很好 地滿足分布式企業(yè)的排產(chǎn)要求。但是這些研究中的主要約束條件是分布在不同位置的工 廠，與離散型制造車間的約束條件差別很大。范英俐等（2002)結(jié)合遺傳算法和禁忌搜索求 解可重構(gòu)制造系統(tǒng)的生產(chǎn)計劃問題；李秀等（2001)研究了批量生產(chǎn)中遺傳算法在車間作 業(yè)計劃的應(yīng)用。這兩個研究均驗證了遺傳算法解決生產(chǎn)計劃問題的優(yōu)勢，但是一個偏重企 業(yè)生產(chǎn)計劃，一個偏重車間作業(yè)計劃，并沒有探討遺傳算法在生產(chǎn)排程的應(yīng)用。
[0005] 中國專利申請200710200861. 4,發(fā)明名稱：生產(chǎn)計劃自動排程系統(tǒng)及方法，申請 人：鴻富錦精密工業(yè)（深圳）有限責任公司。該專利公開了一種生產(chǎn)計劃自動排程系統(tǒng)及 方法，提供了系統(tǒng)的主機和數(shù)據(jù)庫，主機讀取數(shù)據(jù)庫中計劃排程相關(guān)的訂單、工站產(chǎn)能等信 息后，自動計算并輸出生產(chǎn)計劃排程結(jié)果。但是該專利并未提及如何實現(xiàn)生產(chǎn)計劃排程，也 沒有明確計劃排程的算法。
[0006] 中國專利申請201410506043. 7,發(fā)明名稱：物料生產(chǎn)排程仿真裝置，申請人：武漢 鋼鐵（集團）公司。該專利公開了一種物料生產(chǎn)排程仿真裝置，提供了統(tǒng)一的數(shù)據(jù)接口，實 現(xiàn)了排程算法服務(wù)器與數(shù)據(jù)庫、終端設(shè)備之間的無線傳輸。該專利解決的是硬件集成問題， 沒有涉及計劃排程的算法。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明技術(shù)解決問題：針對航空、航天等軍工企業(yè)的車間生產(chǎn)特點，對于計劃排程 難度大的問題，克服現(xiàn)有技術(shù)的不足，提供一種基于遺傳算法的高級計劃排程系統(tǒng)及方法， 利用遺傳算法中變異、種群進化特性，在潛在的解決方案種群中逐次產(chǎn)生最優(yōu)解方案，解決 航空企業(yè)生產(chǎn)車間的排程問題。
[0008] 本發(fā)明技術(shù)解決方案：基于遺傳算法的高級計劃排程系統(tǒng)，包括基礎(chǔ)設(shè)置模塊、數(shù) 據(jù)管理模塊和計劃排程模塊三部分，其中：
[0009] 基礎(chǔ)設(shè)置模塊：進行車間的物料基本信息、人員信息、設(shè)備及設(shè)備組信息、工作日 歷信息的輸入和維護、設(shè)置；對系統(tǒng)中的應(yīng)用人員進行操作權(quán)限設(shè)置；該模塊為數(shù)據(jù)管理 模塊和計劃排程模塊提供基礎(chǔ)信息和系統(tǒng)運行信息的支撐；
[0010] 數(shù)據(jù)管理模塊：輸入任務(wù)及其優(yōu)先級信息、加工工藝信息、加工資源信息和庫存信 息。其中加工工藝信息包括加工的工序信息、工序工時信息、工序加工單元信息、工序設(shè)置 信息，以及工序所需材料信息；加工資源信息包括設(shè)備及設(shè)備組信息、工序加工所需的工 裝、工具信息；
[0011] 計劃排程模塊：讀取系統(tǒng)基礎(chǔ)設(shè)置模塊中的工作日歷信息，讀取數(shù)據(jù)管理模 塊中的任務(wù)及其優(yōu)先級信息、加工工藝信息、加工資源信息和庫存信息。輸入排程參數(shù) N，T，Pc，Pm, N代表種群大小，T代表迭代次數(shù)，Pc代表交叉概率，Pm代表變異概率，調(diào)用排 程算法，輸出排程結(jié)果，即設(shè)備資源維度和任務(wù)維度的甘特圖。
[0012] 基于遺傳算法的高級計劃排程方法，包括初步排程和約束調(diào)整兩部分，其中：
[0013] 初步排程為：
[0014] (1)輸入排程參數(shù)N，T，Pc，Pm p讀取基礎(chǔ)設(shè)置模塊中的工作日歷信息，讀取數(shù)據(jù) 管理模塊中的任務(wù)及其優(yōu)先級信息、加工工藝信息、加工資源信息和庫存信息，為任務(wù)編 碼，隨機生成規(guī)模為N的初始種群A ;
[0015] (2)計算初始種群A中每條染色體的適度函數(shù)，以最短總加工時間作為評價標準， 將每條染色體的總加工時間取倒數(shù)后得到的結(jié)果作為該染色體的適度值；
[0016] (3)針對每條染色體的適度值賦予不同的選擇概率Ps(計算公式如下所示，其中i 代表某個染色體，其適度值記為fi)，采用輪盤賭的方式從初始種群A中選擇N條染色體，生 成新的種群A';
[0018] (4)根據(jù)輸入的交叉概率Pc，使種群A '中的父代染色體進行兩兩交叉，交叉后的 染色體需要進行合法性檢驗，合法的染色體保留，不合法的染色體丟棄；
[0019] (5)根據(jù)輸入的變異概率Pm,對父代染色體進行基因段重排，生成新的染色體后 同樣需要進行合法性檢驗；
[0020] (6)重復(fù)這個過程T次，得到初步排程的最優(yōu)解；
[0021] 約束調(diào)整為：
[0022] 出現(xiàn)插單、延誤或物料供應(yīng)發(fā)生變化時，需要相應(yīng)地增加任務(wù)、調(diào)整任務(wù)優(yōu)先級信 息、加工工藝信息、加工資源信息和庫存信息，重新排程并得到符合當前生產(chǎn)狀態(tài)的排程結(jié) 果。
[0023] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于：
[0024] (1)排程領(lǐng)域中的大部分問題都NP問題，目前的方法主要是基于規(guī)劃和窮舉方 法，只能解決小規(guī)模的排程問題，且收斂到最優(yōu)解較慢，距離實際應(yīng)用還有較大的問題。本 發(fā)明通過基于遺傳算法的高級計劃排程技術(shù)，利用遺傳算法中變異、種群進化特性，在潛在 的解決方案種群中逐次產(chǎn)生最優(yōu)解方案，解決航空企業(yè)生產(chǎn)車間的排程問題。
[0025] (2)本發(fā)明在充分考慮各種資源內(nèi)容（如基礎(chǔ)設(shè)置模塊中的設(shè)備及設(shè)備組、工作 日歷等，數(shù)據(jù)管理模塊中訂單、加工工藝、加工資源、庫存等）情況，并結(jié)合相關(guān)的參數(shù)配 置，運用遺傳算法，對車間的生產(chǎn)任務(wù)自動排程，為車間計劃人員每天的作業(yè)計劃決策提供 科學依據(jù)。本發(fā)明中基于遺傳算法的高級計劃排程技術(shù)，克服以往的利用特定優(yōu)先規(guī)則的 局部搜索或排序形成所謂的"最優(yōu)方案"缺點，這種最優(yōu)方案是在特定條件下所得到的非全 局化的最好答案。而利用遺傳算法，通過群體間的相互作用，保持已經(jīng)搜索到的信息，這是 基于單次搜索過程的優(yōu)化方法所無法比擬的，另外，遺傳算法使用的選擇、交叉、變異這三 個算子都是隨機操作，而不是指定的確定規(guī)則。
【附圖說明】
[0026] 圖1為本發(fā)明的組成框圖；
[0027] 圖2為圖1中基礎(chǔ)設(shè)置模塊的實現(xiàn)流程圖；
[0028] 圖3為圖1中數(shù)據(jù)管理模塊的實現(xiàn)流程圖；
[0029] 圖4為圖1中計劃排程模塊的實現(xiàn)流程圖；
[0030] 圖5為使用遺傳算法排程的實現(xiàn)流程圖；
[0031] 圖6為使用遺傳算法排