本發(fā)明屬于火箭貯箱裝配工序調(diào)度領(lǐng)域,具體涉及一種考慮可變資源的火箭貯箱裝配工序不相關(guān)并行機調(diào)度方法。
背景技術(shù):
1、貯箱是運載火箭的主要組成部分之一,既用于儲存液體推進劑,又承擔了大部分的結(jié)構(gòu)載荷,占據(jù)了箭體60%的質(zhì)量,是影響運載火箭性能的核心要素。在火箭貯箱的生產(chǎn)過程中,貯箱裝配工序是一個復雜且精細的過程,涉及多項任務(wù)和工人組合之間的協(xié)作。傳統(tǒng)的調(diào)度方法通常采用固定的資源分配策略,忽略了工人技能與任務(wù)的匹配性、技能的熟練度和工人組合的協(xié)作效率的差異。這會導致資源利用率低下,工人之間協(xié)調(diào)性不足,影響整體裝配效率,進而導致工期延誤。隨著火箭技術(shù)的快速發(fā)展,貯箱裝配工序?qū)π实囊笠苍絹碓礁?,如何在保證質(zhì)量的前提下,通過優(yōu)化調(diào)度提高裝配效率,已成為亟待解決的重要問題。因此,發(fā)明一種考慮可變資源的火箭貯箱裝配工序不相關(guān)并行機調(diào)度方法,以靈活應(yīng)對工人技能差異、熟練度差異以及協(xié)作效率等問題,對于提高整體裝配效率具有重要的實際意義和廣闊的應(yīng)用前景。
技術(shù)實現(xiàn)思路
1、針對上述現(xiàn)有技術(shù)中存在的問題,本發(fā)明提出一種考慮可變資源的火箭貯箱裝配工序不相關(guān)并行機調(diào)度方法,以綜合考慮工人的技能約束、技能熟練度以及工人組合的協(xié)作效率對調(diào)度優(yōu)化的影響,得到最優(yōu)調(diào)度方案。
2、為了實現(xiàn)上述技術(shù)目的,本發(fā)明提供如下技術(shù)方案:
3、一種考慮可變資源的火箭貯箱裝配工序不相關(guān)并行機調(diào)度方法,具體包括以下步驟:
4、s1、針對多品種、小批量的火箭貯箱裝配任務(wù),進行詳細的任務(wù)分析,識別每項任務(wù)的加工時間及其對工人組合的具體要求;
5、s2、記錄每位工人的技能集和熟練度數(shù)據(jù);所述技能集為每位工人能夠執(zhí)行的具體任務(wù),所述熟練度數(shù)據(jù)為每位工人完成這些任務(wù)的技能熟練度;
6、s3、綜合考慮工人的技能約束、技能熟練度以及工人組合的協(xié)作效率對調(diào)度優(yōu)化的影響,構(gòu)建一個以最小化完工時間為目標的,考慮可變資源的火箭貯箱裝配工序不相關(guān)并行機調(diào)度模型;所述技能約束即為工人能夠執(zhí)行的具體任務(wù);
7、s4、對步驟s3構(gòu)建的調(diào)度模型進行求解,得到最優(yōu)調(diào)度方案,并將所述調(diào)度方案應(yīng)用于火箭貯箱裝配工序,提高裝配效率。
8、進一步地,所述調(diào)度模型用三字段表示法表示,具體為:
9、
10、其中,rm表示機器環(huán)境為不相關(guān)并行機環(huán)境;表示所有任務(wù)的最大結(jié)束加工時間,用以評價優(yōu)化目標;為約束條件;
11、上述約束條件中,i、j分別表示任務(wù)和工人;fij表示工人j對任務(wù)i的熟練系數(shù),sij為參數(shù),用以評價工人j能否勝任任務(wù)i;w為工人集合,αij為決策變量,用以評價任務(wù)i是否分給了工人j;ri為任務(wù)i的工人人數(shù)上界;li為任務(wù)i的工人人數(shù)下界;
12、更為具體的,所述調(diào)度模型的優(yōu)化目標為:
13、
14、其中,為調(diào)度模型的目標函數(shù),ci為任務(wù)i結(jié)束加工時間,t為任務(wù)集合,以i為索引表示單個任務(wù);所述優(yōu)化目標即為最小化所有任務(wù)的最大結(jié)束加工時間。
15、進一步地,所述調(diào)度模型的約束條件具體包括:
16、
17、
18、上述約束條件的式子中,任務(wù)集合t={1,2,…,nt},由索引i或i'表示單個任務(wù),工作中心集合m={1,2,…,nm},由索引k表示單個工作中心,工人集合w={1,2,…,nw},由索引j表示單個工人;nt、nm、nw分別為任務(wù)、工作中心和工人的數(shù)量;
19、約束條件(1)確保每個操作只在一個工作中心完成,βik為0-1決策變量,如果任務(wù)i在工作中心k上完成,那么βik=1,否則為0;
20、約束條件(2)確保工人只有在勝任任務(wù)的情況下才會被分配到該任務(wù),αij為0-1決策變量,如果任務(wù)i分配給工人j完成,那么αij=1,否則為0;sij為參數(shù),sij=1表示工人j能勝任任務(wù)i,否則為0;
21、約束條件(3)、(4)確保分配給任務(wù)的工人人數(shù)在相應(yīng)的區(qū)間內(nèi),其中,ri為任務(wù)i的工人人數(shù)上界;li為任務(wù)i的工人人數(shù)下界;
22、約束條件(5)確保每位工人至少分配到一項任務(wù);
23、約束條件(6)至(8)確保每項任務(wù)的完成時間合理;其中,ui表示完成任務(wù)i的工人數(shù)的倒數(shù);fij表示工人j對任務(wù)i的熟練系數(shù),其取值區(qū)間為0.5至1.5,取值為1表示工人可按照標準時間完成任務(wù),熟練度越高,熟練系數(shù)fij取值越低;vi表示完成任務(wù)i的工人的平均熟練系數(shù);si表示任務(wù)i的開始加工時間;pik表示任務(wù)i在工作中心k的標準加工時間;任務(wù)i的實際協(xié)作處理時間由工作中心的標準加工時間pik和完成任務(wù)的工人組合的平均熟練系數(shù)vi共同決定;
24、約束條件(9)規(guī)定同一工作中心完成在前一項任務(wù)之前,不能開始下一項任務(wù),以確保工作中心在同一時間只能處理一項任務(wù);其中,si'表示任務(wù)i'的開始加工時間;n表示一個充分大正數(shù);xii'k為0-1決策變量;如果任務(wù)i和任務(wù)i'相鄰且在工作中心k上完成,并且任務(wù)i先于任務(wù)i',那么xii'k=1,否則為0;
25、約束條件(10)規(guī)定同一名工人在完成前一項任務(wù)之前,不能開始下一項任務(wù),以確保工人在同一時間只能執(zhí)行一項任務(wù);其中,yii'k為0-1決策變量,如果任務(wù)i和任務(wù)i'相鄰由工人j相繼完成,并且任務(wù)i先于任務(wù)i',那么yii'k=1,否則為0;
26、約束條件(11)至(15)確保決策變量在可行范圍內(nèi)。
27、進一步地,步驟s4中采用gurobi求解器對小規(guī)模調(diào)度進行優(yōu)化求解,采用混合粒子群優(yōu)化算法對大規(guī)模調(diào)度進行優(yōu)化求解;所述混合粒子群優(yōu)化算法具體包括以下步驟:
28、p1、初始化參數(shù),并采用三維編碼方案初始化種群;
29、p2、計算種群內(nèi)粒子的適應(yīng)度;
30、p3、更新個體歷史最優(yōu)位置和全局最優(yōu)位置;
31、p4、執(zhí)行遺傳算子更新粒子位置;
32、p5、判斷是否滿足迭代停止條件,如果是則輸出最優(yōu)調(diào)度方案,否則返回p2。
33、進一步地,步驟p1中所述采用三維編碼方案初始化種群具體包括:
34、每一個粒子包含任務(wù)序列、工作中心和工人分配信息;每一維的長度均為任務(wù)總數(shù);第一維對任務(wù)序列進行編碼,值為任務(wù)編號;第二維對工作中心進行編碼,值為完成該任務(wù)的工作中心編號;第三維對工人分配進行編碼,值為完成該任務(wù)的工人組合。
35、工作中心的任務(wù)加工順序、工人執(zhí)行任務(wù)的順序都由第一維中對應(yīng)的任務(wù)編號順序決定。
36、進一步地,步驟p4具體為:
37、p41、將種群中的每個粒子作為當前粒子,先執(zhí)行變異算子;
38、p42、生成一個在0到1之間的隨機數(shù)r,若r<0.5,則選擇所有粒子中的最優(yōu)位置gbest與當前粒子執(zhí)行交叉算子,否則,選擇當前粒子獲得過的歷史最優(yōu)位置pbest與當前粒子執(zhí)行交叉算子。
39、更為具體的,步驟p41中所述執(zhí)行變異算計具體包括:
40、p411、隨機選擇當前粒子a的兩個不同列;
41、p412、交換所選兩列的元素;
42、p413、對交換后的第三維工人分配信息重新組合,形成新的工人組合。
43、更為具體的,步驟p42中所述執(zhí)行交叉算子具體包括:
44、p421、以粒子a為基礎(chǔ)粒子,粒子b為插入粒子;
45、p422、隨機生成一個與粒子長度相同的0-1向量;
46、p423、根據(jù)0-1向量,將基礎(chǔ)粒子中對應(yīng)1的列按原位置順序保留在新粒子中;
47、p424、將插入粒子中剩余任務(wù)的列按順序依次插入至新粒子;
48、p425、交換粒子a和粒子b的角色,重復步驟p423和步驟p424,生成另一個新粒子。
49、基于上述的技術(shù)方案,本發(fā)明提出的一種考慮可變資源的火箭貯箱裝配工序不相關(guān)并行機調(diào)度方法具有以下有益效果:
50、針對多品種、小批量的火箭貯箱裝配任務(wù),該發(fā)明提出的方法綜合考慮了工人的技能約束、技能熟練度以及工人組合的協(xié)作效率對調(diào)度優(yōu)化的影響,構(gòu)建了以最小化完工時間為目標的不相關(guān)并行機調(diào)度模型。通過求解調(diào)度優(yōu)化模型,得到最優(yōu)調(diào)度方案,確保任務(wù)、工作中心和工人之間的合理匹配,提升工作中心的利用率和工人的協(xié)作效率,從而有效縮短裝配任務(wù)的完工時間。
51、本發(fā)明提出的方法還采用混合粒子群優(yōu)化算法,運用了三維編碼方案,能夠有效處理任務(wù)、工作中心和工人分配的復雜關(guān)系,提升了算法在多維度問題上的適應(yīng)性;結(jié)合了遺傳算法的變異和交叉算子,能夠更好地探索解空間,避免陷入局部最優(yōu)。通過該算法的優(yōu)化求解,不僅能在較短時間內(nèi)得到較優(yōu)解,且算法的穩(wěn)定性高,有效提高了調(diào)度效率。在滿足各項約束條件的前提下,將最優(yōu)調(diào)度方案應(yīng)用于火箭貯箱裝配工序,以提高裝配效率。