基于改进浣熊优化算法的柔性车间协同生产方法及系统与流程

本发明涉及车间智能协同生产，尤其涉及一种基于改进浣熊优化算法的柔性车间协同生产方法及系统。

背景技术：

1、在智能制造的大背景下，企业追求智能化精益生产。随着全球市场竞争的加剧和客户需求的多样化，传统的单车间生产模式逐渐不能满足企业的需求。柔性车间协同加工作为一种更为合理的生产模式应运而生，它可以通过优化资源利用、提高生产效率和响应能力，为企业带来巨大的竞争优势。

2、柔性车间协同加工是指多个车间之间相互协作、协同加工产品的一种生产方式。在柔性车间协同加工中，不同车间之间的生产资源可以进行共享和协同利用，以实现高效的生产调度和协同加工流程。这种模式的优势在于能够更好地满足市场需求的变化，提高资源利用率，缩短产品的交付周期。

3、在柔性车间协同加工中，需要解决的核心问题是如何合理调度和协调不同车间之间的生产活动，以实现最优的生产效率和资源利用。然而，目前大多数基于现有传统启发式算法的方法在面对这些复杂的问题时具有一些局限性，包括容易陷入局部最优解、收敛速度慢、参数设置大多需要调整等。上述这些问题均能够导致调度方案不够优化，无法充分利用资源和提高生产效率。

技术实现思路

1、为解决上述现有技术的不足，本发明提供了一种基于改进浣熊优化算法的柔性车间协同生产方法及系统，针对柔性车间协同加工的特点和需求，将改进浣熊优化算法(coati optimization algorithm，coa)应用在离散柔性车间协同生产问题的求解中，获取更优的生产调度方案，提高各车间设备资源利用率，缩短产品加工的总时间，进一步提升企业的竞争力和生产效率。

2、第一方面，本发明提供了一种基于改进浣熊优化算法的柔性车间协同生产方法。

3、一种基于改进浣熊优化算法的柔性车间协同生产方法，包括：

4、获取待加工产品的订单信息，以最小化车间机器的最大完工时间为目标函数，确定加工过程中所需满足的约束条件，描述并构建柔性车间协同生产问题模型，该问题包括工序排序问题和机器分配问题；

5、获取调度计划的基本信息，对工序排序问题和机器分配问题进行编码，并采用改进的浣熊优化算法对问题进行解码求解，求解得到最优生产调度方案；所述采用改进的浣熊优化算法对问题进行解码求解，包括：

6、采用改进的混沌映射初始化种群，形成初始解空间；其中，种群中的每个浣熊个体表示一个生产调度方案；

7、先后经过基于浣熊攻击猎物时策略的勘探阶段和基于浣熊逃离捕食者策略的开发阶段，对种群中的每个浣熊个体进行位置搜索更新，以更新的个体位置为当前解，基于变邻域搜索算法，持续搜索当前解邻域中的更优解，以搜索到的最优解作为当前迭代次的输出；

8、不断对种群中的每个浣熊个体进行位置迭代更新，更新输出的最优解，直至达到最大迭代次数，输出最终的最优解，即输出最优生产调度方案。

9、第二方面，本发明提供了一种基于改进浣熊优化算法的柔性车间协同生产系统。

10、一种基于改进浣熊优化算法的柔性车间协同生产系统，包括：

11、信息获取模块，用于获取待加工产品的订单信息；

12、车间协同生产问题模型构建模块，用于以最小化车间机器的最大完工时间为目标函数，确定加工过程中所需满足的约束条件，描述并构建柔性车间协同生产问题模型，该问题包括工序排序问题和机器分配问题；

13、生产调度方案生成模块，用于获取调度计划的基本信息，对工序排序问题和机器分配问题进行编码，并采用改进的浣熊优化算法对问题进行解码求解，求解得到最优生产调度方案；所述采用改进的浣熊优化算法对问题进行解码求解，包括：

14、采用改进的混沌映射初始化种群，形成初始解空间；其中，种群中的每个浣熊个体表示一个生产调度方案；

15、先后经过基于浣熊攻击猎物时策略的勘探阶段和基于浣熊逃离捕食者策略的开发阶段，对种群中的每个浣熊个体进行位置搜索更新，以更新的个体位置为当前解，基于变邻域搜索算法，持续搜索当前解邻域中的更优解，以搜索到的最优解作为当前迭代次的输出；

16、不断对种群中的每个浣熊个体进行位置迭代更新，更新输出的最优解，直至达到最大迭代次数，输出最终的最优解，即输出最优生产调度方案。

17、第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

18、第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

19、以上一个或多个技术方案存在以下有益效果：

20、1、本发明提供了一种基于改进浣熊优化算法的柔性车间协同生产方法及系统，根据柔性车间协同生产车间的生产特点，改进浣熊优化算法，将改进的浣熊优化算法应用到离散柔性车间协同生产问题中，以机器的最大完工时间最小化为目标，建立柔性车间协同生产问题模型，该算法基于模拟浣熊的自然捕食和逃离捕食者的自然行为，并通过不断更新位置公式，实现全局最优解的搜索，求解获取最优生产调度方案，实现根据输入的工件信息，输出合理调度计划的技术目的。

21、2、本发明对浣熊优化算法进行改进，针对种群初始化阶段，使用sin-tent混沌映射初始化策略使初始解尽可能均匀的分布在解空间内，并使算法具有更快的收敛速度；在每个种群的局部搜索位置更新中引入了差分进化算子，以提高搜索能力，提高算法的求解精度和效率；引入变邻域搜索结构，以增强算法的邻域探索能力，使算法可以更加灵活地探索搜索空间，有效地避免陷入局部最优解。

22、3、本发明所提出的改进浣熊优化算法全局搜索能力强，这一算法采用了浣熊觅食的策略，具有较强的全局搜索能力，能够在解空间中广泛探索，避免陷入局部最优解，并找到更优的排产方案；具备自适应调整能力，可以根据问题的复杂程度和搜索过程中的变化来调整算法勘探和开发阶段，这使得算法能够灵活应对不同的柔性车间排产问题，并在搜索过程中进行有效的调整和优化，提高解的质量和收敛速度；具有较强的鲁棒性和适应性，能够适应不同的问题特征和约束条件，这使得基于浣熊优化算法的柔性车间排产方法对于复杂的生产环境和变化的需求具有较好的适应性和稳定性；这一算法的原理相对简单，易于实施和应用，相比于其他复杂的优化算法，基于浣熊优化算法的柔性车间排产方法不需要大量的参数调整，使得其在实际应用中更具可行性和易操作性，并可以移植到其他单目标寻优应用场景中，具有一定的通用性和可拓展性。

23、4、本发明将改进的icoa算法应用于柔性协同排产优化中，具有快速的全局寻优能力，能够快速跳出局部最优解，同时可提升企业生产效率，保证企业的经济效益。

技术特征：

1.一种基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，包括：

2.如权利要求1所述的基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，所述调度计划的基本信息包括不同的加工车间信息，每个加工车间信息包含待加工工件的数量、每个工件的加工工序、加工机器数量及序号、机器加工时长。

3.如权利要求1所述的基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，所述采用改进的混沌映射初始化种群，包括：

4.如权利要求1所述的基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，所述先后经过基于浣熊攻击猎物时策略的勘探阶段和基于浣熊逃离捕食者策略的开发阶段，对种群中的每个浣熊个体进行位置搜索更新，包括：

5.如权利要求4所述的基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，还包括：

6.如权利要求1所述的基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，在经过两个阶段对种群中的每个浣熊个体进行位置搜索更新的过程中，采用自适应差分进化算子加强搜索位置更新。

7.如权利要求1所述的基于改进浣熊优化算法的柔性车间协同生产方法，其特征是，在利用变邻域搜索算法搜索当前解邻域中的更优解的过程中，改变多个邻域结构；所述多个邻域结构包括邻域结构n1、邻域结构n2和邻域结构n3。

8.一种基于改进浣熊优化算法的柔性车间协同生产系统，其特征是，包括：

9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7中任一项所述的一种基于改进浣熊优化算法的柔性车间协同生产方法的步骤。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-7中任一项所述的一种基于改进浣熊优化算法的柔性车间协同生产方法的步骤。

技术总结
本发明公开了一种基于改进浣熊优化算法的柔性车间协同生产方法及系统，该方法包括：获取待加工产品的订单信息，以最小化车间机器的最大完工时间为目标函数，确定约束条件，描述并构建柔性车间协同生产问题模型，该问题包括工序排序问题和机器分配问题；获取调度计划的基本信息，对工序排序问题和机器分配问题进行编码，并采用改进的浣熊优化算法对问题进行解码求解，得到最优生产调度方案。本发明采用sin‑tent混沌映射初始化、引入差分进化算子和变邻域搜索操作等对浣熊优化算法进行改进，将改进浣熊优化算法应用在离散柔性车间协同生产问题的求解中，获取更优的生产调度方案，提高各车间设备资源利用率，缩短产品加工的总时间。

技术研发人员：张让勇,顾笑言,刘琦,郭文杰,闫蕊
受保护的技术使用者：山东省计算中心（国家超级计算济南中心）
技术研发日：
技术公布日：2024/1/15