CN101261702A - 一种基于逐层优化的排程方案评价及选择方法 - Google Patents

Abstract

本发明提供了一种基于逐层优化的排程方案评价及选择方法。此方法采用逐层优化的思想，即根据约束条件、主优化目标、次优化目标对已得排程方案进行多层评判实现多目标优化，并在评价过程中，对已得排程方案，通过约束条件检、适应度计算，进行评价，最终输出违反约束条件最少的排程方案作为最优排程方案。它实现了多目标优化，避免了优化目标权重等较难确定的参数；还通过设置可行解池和不可行解池，使得在选择父代种群时，选择到历代较优秀个体、保障父代种群的多样性。从而，为得到一个最优化排程方案奠定了良好的基础，以最终提高了企业生产资源的使用效率，降低了成本，增加了企业的竞争力。

Description

一种基于逐层优化的排程方案评价及选择方法

技术领域

本发明涉及一种排程方案的评价及选择方法，尤其是一种基于逐层优化的排程方案评价及选择方法。

背景技术

遗传算法是一种基于基因学和遗传学机理产生的直接搜索优化方法，它通过基因串的选择、交叉、变异，来寻求最佳解决方案。近年来，这种算法作为一种通用的优化算法，因其编码技术和遗传操作比较简单、优化不受限制性条件的约束、尤其是具有并行计算能力和全局解空间搜索能力，被广泛的应用在各行各业。生产排程问题——即如何合理利用有限的资源达到预期的生产目标，也可以通过这种算法进行优化解决。

在应用遗传算法来解决生产排程问题的过程中，通常会附带很多约束条件，情况比较复杂，如何对所得排程方案进行合理而高效的评价和选择，对已得排程方案执行优胜劣汰的删选，是最终获得高质高效的排程方案的重要一步。

发明内容

本发明的目的是提供一种基于逐层优化的排程方案评价及选择方法，在基于用户提供的对于排程方案的约束条件和优化目标下，对已得排程方案进行评价、优化最终选择出最佳实施方案。

此方法采用逐层优化的思想，即根据约束条件、主优化目标、次优化目标对已得排程方案进行多层评判实现多目标优化，并在评价过程中，对已得排程方案，通过约束条件检、适应度计算，进行评价，最终输出违反约束条件最少的排程方案作为最优排程方案，使得方法避免了无解情况，为用户在后续操作过程中，对排程方案进行调整奠定基础，具体步骤如下：

不同的工厂有不同的加工工艺，导致需要考虑的约束条件各不相同，有时候即使约束条件相同，工厂对各约束条件的重视程度也不同。当约束条件过多时，算法可能导致无法得到可行解，需要舍弃部分不重要的约束条件。这就使在生产排程***，约束条件也具有类似于优化目标的性质，甚至可以说时比优化目标更强的优化目标。因此用户必须对需要考虑的约束条件设置优先级，即给出约束条件的偏好关系。所以，

1.设置主优化目标、次优化目标和约束条件及其重要度等级；

2.对排程方案进行约束条件检验：对满足约束条件的排程方案，即可行解，按主优化目标进行适应度计算；对不满足约束条件的排程方案，即不可行解，按约束条件进行适应度计算；

3.设置可行解池和不可行解池两个精英解池，按适应度大小保留优秀个体；

4.对可行解池和不可行解池中的排程方案，根据主优化目标和次优化目标进行评判、逐层优化；

5.输出最优排程方案。

所述步骤1中的约束条件的重要度等级高于所述主优化目标和次优化目标。

所述步骤1中的约束条件分为订单级或工单级或工序级。

所述步骤1中的约束条件，每一条约束条件有一个对应的约束条件检验信息表，包括字段：约束代码、和/或约束优先级、和/或约束类型、和/或订单号、工单号、和/或工序号、和/或约束标志信息、和/或约束优劣信息。

所述步骤2中的约束条件检验是通过排程方案是否满足所有约束条件验信息表中的每一项来判定的。

所述步骤2中的按主优化目标进行适应度计算中，适应度函数的设计是按照优化目标的业务意义和数学意义，表示可以度量排程方案的形式。

所述步骤2中的按约束条件进行适应度计算，为计算排程方案所满足的约束条件的加权和，这里约束条件根据重要程度不同都有不同的权值，对不可行排程方案X的适应度值为

$F\left(X\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{F}_i,$

ω_i为第i类约束条件的权值，F_i为第i类约束条件的满足个数，N为约束条件的类数。

所述步骤3中可解池和不可解池可以存储的解是有限的。

所述步骤3中可解池和不可解池内的解按适应度的大小进行依次存放。

所述步骤4中根据主优化目标和次优化目标进行评判、逐层优化，分可行解池有解和可行解池无解两种情况。当可行解池有解，其过程包括以下步骤：i.对于可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体，个体的个数满足比例阈值的限定，ii.基于这批个体，选择一个最满足次优化目标的个体作为最优排程方案；当可行解池无解，其过程包括以下步骤：i.对于不可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体，个体的个数满足比例阈值的限定，ii.基于这批个体，选择一个最满足主优化目标的个体作为最优排程方案。

在本发明方法进行排程方案评价及选择时，将不可行解也作为参考的方案，并在需要的情况下进行选择。这是由于不可行解在生产排程中具有如下意义：一、从实际情况出发，不可行解即不满足约束条件的排程方案，有些约束条件不满足，如订单交货期约束，可以通过和客户的协商使得约束条件重新满足。故不可行解并不是绝对的“不可行”。二、通过对排程过程作交互式操作，适当调整排程方案或是少量更改排程计算的输入信息，不可行解有时是能够变成可行解的。三、由于生产排程方案空间是不规则的离散空间，有时候很难得到可行解，故当不可行解违法约束的程度不太强时，作为父代通过遗传算法的交叉、变异等操作，仍有可能产生可行的子代个体，使得遗传算法稳定运行。四、不可行解虽然意味着某几个工单不满足约束条件，但当这几个工单“人为地”被排除后，剩下的工单的排程计划也是具有意义的。

本发明的有益效果是提供了一种基于逐层优化的排程方案评价及选择方法，实现了多目标优化，且在当多个优化目标相互冲突时，能够在绝对保证主优化目标的前提下，针对次优化目标进行优化，避免了优化目标权重等较难确定的参数；还通过设置可行解池和不可行解池，使得在选择父代种群时，可以选择到历代较优秀个体，避免优秀个体丢失，同时又能够保障父代种群的多样性，防止陷入局部最优。从而，为得到一个最优化排程方案奠定了良好的基础，以最终提高了企业生产资源的使用效率，降低了成本，增加了企业的竞争力。

附图说明

图1是约束条件检验信息表。

图2是逐层优化排程方案的评价及选择流程图。

图3是分层优化方式实现多目标优化流程图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

在本实施例中，所涉及的优化目标包括：

1.准时交货，即尽量保证产品在接近交货期之前准时完工。

2.最小完工时间，即要求所有加工的工单尽量早完工。

3.最小流程时间工件，即从到达现场后开始加工到其完工时，其在***中所花费的时间减至最低。

4.最小车间生产成本，主要包括产品消耗原材料费用、人工成本费用、生产制造费用和管理费用等。

5.最小化生产准备时间。

6.最大化设备利用率。

7.优先级高的订单优先占用资源。

一种基于逐层优化的排程方案评价及选择方法，包括以下步骤：

1.设置主优化目标、次优化目标和约束条件的重要度等级；

a.设置主优化目标：

用户可以在***以上提供的多种优化目标中选择一种优化目标作为主优化目标，或自己重新定义主优化目标。

b.设置次优化目标：

次优化目标是在确定主优化目标的基础上，按照需要选择剩余的优化目标，并对次优化目标按照偏好排序。

c.设置约束条件：

对每一条约束条件设置一个条件检验信息表，内容请参阅图1，即本实施例的约束条件检验信息表。约束条件检验信息表包括约束代码、约束优先级、约束类型，订单号、工单号、工序号、约束标志信息、约束优劣信息等字段。其中，约束类型分为：

a)定单级约束，如交货期约束、定单最长在线时间约束、定单最短在线时间约束等。

b)工单级的约束，如工单最早开工时刻约束、工单最晚开工时刻约束、工单最早完工时刻约束、工单最晚完工时刻约束、工单最长在线时间约束、工单最短在线时间约束等。

c)工序级的约束，如当前时刻约束，指定开工时刻约束、工序最晚完工时刻约束、工序最大时间间隔约束、最小加工批量约束、物料入库期约束。

2.对排程方案进行约束条件检验和评价，流程请参阅图2，具体步骤如下

a.排程方案约束检验：

每个排程方案经过所有约束信息表的检验，就每一项进行对比是否符合，判断后，对相应标志信息进行赋值。

若不满足约束条件，其标志信息令为-1，否则令为1。约束优劣信息为违反该约束的程度：例如某工单脱期了三天，则交货期约束条件检验信息表中该工单标志信息为-1，优劣信息为3(天)。

b.判断排程方案是否满足所有约束条件，即是否所有的约束条件检验信息表中，标志信息都为1：如果是，继续步骤c；否则，继续步骤d。

c.该排程方案满足所有约束条件，为可行解，按照优化目标进行适应度计算，输出适应度值。排程方案检验与评价结束。

不同的优化目标，适应度函数不同。适应度值越大，则表示排程方案满足优化目标的程度越好。以准时交货为例，排程方案X的适应度函数为

$f\left(X\right)=\mathrm{Ln}\left(\frac{1}{\mathrm{\Δ}+\underset{j=1}{\overset{N}{\mathrm{\Σ}}}({T_j}^{\mathrm{due}}-{t_j}^{\mathrm{end}})}\right)$

函数Ln(x)是以指数e为底的对数函数，T_j ^due为定单j的交货期，t_j ^end为定单j计划完工时刻，Δ(0.04)为一个参数。

d.该排程方案不满足约束条件，即约束条件检验信息表中，有标志信息为-1，则该排程方案为不可行解。按约束条件进行适应度计算进行适应度计算，输出适应度值。排程方案检验与评价结束。

适应度运算如下：求排程方案满足的约束条件的加权和，这里约束条件根据重要程度不同都有不同的权值，则不可行排程方案X的适应度值为

$F\left(X\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{F}_i,$

ω_i为第i类约束条件的权值，F_i为第i类约束条件的满足个数，N为约束条件的类数。

3.设置可行解池和不可行解池两个精英解池，按适应度大小保留优秀个体：将步骤2所判断出的可行解和不可行解按适应度大小依次存入相应的可行解池和不可行解池。当解池中存储的个体达到了最大规模，删除解池中最后一个个体(基因串及其所对应的排程方案)。

4.从可行解池和不可行解池中的排程方案中选择适应度值最高的排程方案，流程请参阅图3，具体步骤如下：

a.设置最大选择比例阈值L。比例阈值为可行解池(不可行解池)中选择个体占可行解池(不可行解)个体总数的比值的上限。

b.判断可行解池是否为空：如是，继续下一步骤c；否则，执行步骤f。

c.采用统计学方法，通过计算可行解池中所有解的适应度值的方差，计算可行解池中个体适应度值的差异度；

d.对于可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体，个体的个数满足比例阈值的限定。

对于主优化目标，所选择的这批个体，是解池中最好的一批个体，且几乎是等价的。

e.基于这批个体，选择一个最满足次优化目标的个体作为最优排程方案，步骤4结束。

f.采用统计学方法，通过计算可行解池中所有解的适应度值的方差，计算不可行解池中个体适应度值的差异度；

g.对于不可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体，个体的个数满足比例阈值的限定。

对于约束条件，所选择的这批个体，是解池中满足约束条件最好且相近的一批个体。

h.基于这批个体，选择一个最满足主优化目标的个体作为最优排程方案。

对于排程方案而言，当不满足约束的程度较小时，其满足约束的部分排程方案仍然会被用户采用，避免了无解情况的产生，在实际应用中，将对不满足的部分作进一步的调整。

5.输出最优的排程方案。

综上所述仅为发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应为本发明的技术范畴。

Claims (13)

1.一种基于逐层优化的排程方案评价及选择方法，其特征在于所述方法包括以下步骤：

①设置主优化目标、次优化目标和约束条件及其重要度等级；

②对排程方案进行约束条件检验：对满足约束条件的排程方案，即可行解，按主优化目标进行适应度计算；对不满足约束条件的排程方案，即不可行解，按约束条件进行适应度计算；

③设置可行解池和不可行解池两个精英解池，按适应度大小保留优秀个体；

④对可行解池和不可行解池中的排程方案，根据主优化目标和次优化目标进行评判、逐层优化；

⑤输出最优排程方案。

2.根据权利要求1所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤①中的约束条件的重要度等级高于所述主优化目标和次优化目标。

3.根据权利要求1所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤①中的约束条件分为订单级或工单级或工序级。

4.根据权利要求1所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤①中的约束条件，每一条约束条件有一个对应的约束条件检验信息表，包括字段：约束代码、和/或约束优先级、和/或约束类型、和/或订单号、工单号、和/或工序号、和/或约束标志信息、和/或约束优劣信息。

5.根据权利要求4所述一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤②中的约束条件检验是通过排程方案是否满足所有约束条件验信息表中的每一项来判定的。

6.根据权利要求5所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤②中的按主优化目标进行适应度计算中，适应度函数的设计是按照优化目标的业务意义和数学意义，表示可以度量排程方案的形式。

7.根据权利要求5所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤②中的按约束条件进行适应度计算，为计算排程方案所满足的约束条件的加权和，这里约束条件根据重要程度不同都有不同的权值，对不可行排程方案X的适应度值为

$F\left(X\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{F}_i,$

ω_i为第i类约束条件的权值，F_i为第i类约束条件的满足个数，N为约束条件的类数。

8.根据权利要求5所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤③中可解池和不可解池可以存储的解是有限的。

9.根据权利要求5所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤③中可解池和不可解池内的解按适应度的大小进行依次存放。

10.根据权利要求1或6或7所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：

所述步骤④中的参与评判、优化的排程方案数量是通过比例阈值来控制的：可行解池(或不可行解池)中选择的个体占可行解池(或不可行解)个体总数比例的上限。

11.根据权利要求10所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：所述步骤④中根据主优化目标和次优化目标进行评判、逐层优化，分可行解池有解和可行解池无解两种情况。

12.根据权利要求11所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：当可行解池有解，其过程包括以下步骤：

①对于可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体，个体的个数满足比例阈值的限定；

②基于这批个体，选择一个最满足次优化目标的个体作为最优排程方案。

13.根据权利要求11所述的一种基于逐层优化的排程方案评价及选择方法，其特征在于：当可行解池无解，其过程包括以下步骤：

①对于不可行解池中的解，按适应度高低，选择适应度值的差异度较小的一批个体，个体的个数满足比例阈值的限定；

②基于这批个体，选择一个最满足主优化目标的个体作为最优排程方案。

Images