本发明涉及预制梁生产，具体涉及基于多目标麻雀搜索算法的预制梁排产方法及系统。
背景技术：
1、传统预制梁生产线调度方法一般包括基于经验的人工排程安排、静态规则的调度算法、循环调度排程算法和交替调度排程算法等，这类调度方法较大程度上依赖人工经验和制定的规则，当生产任务复杂，涉及机器、人力、时间以及需要优化的因素较多时，传统的调度方法无法解决复杂环境因素和不确定因素带来的影响，难以制定出符合实际情况的调度方案，从而导致生产计划不够精确，进而导致生产效率低下，出现生产资源浪费和成本增高的现象。
2、因此，亟需提出一种新的方案来解决上述问题。
技术实现思路
1、本发明提供了基于多目标麻雀搜索算法的预制梁排产方法及系统，解决了现有技术中复杂环境因素和不确定因素带来的影响，难以制定出符合实际情况的调度方案，从而导致生产计划不够精确，进而导致生产效率低下的问题。
2、本发明提供了一种基于多目标麻雀搜索算法的预制梁排产方法，包括以下步骤：
3、获取预制梁生产订单，对订单数据进行标准化处理，并对待生产的预制梁进行编号，获取预制梁实际生产的生产资源配置数据；
4、将待生产的预制梁编号进行随机排序，将随机排序后的每一组编号作为初始排产结果列表，将所述初始排产结果列表作为麻雀搜索优化算法的初始种群；
5、根据所述生产资源配置数据和实际约束条件，构建基于优化目标的多目标函数和约束条件；
6、采用多目标麻雀搜索算法对所述多目标函数进行求解，实现对初始种群进行搜索和子代更新，对所述预制梁排产方案结合实际场景需求进行调整，得到符合实际需求的生产计划；
7、对所述生产计划进行微调，得到符合实际的生产计划甘特图。
8、进一步地，所述麻雀搜索优化算法的初始种群包括最大迭代次数itermax，麻雀搜索算法中的探索者数量pd，侦查者数量sd，安全值st。
9、进一步地，所述多目标函数包括优化生产线完工时间目标函数、优化生产线台座总负载目标函数和优化生产线台座总管理成本目标函数；
10、其中优化生产线完工时间目标函数为：
11、
12、eti为梁i的最终加工完成时间；
13、所述优化生产线台座总负载目标函数为：
14、
15、m为生产线包含的加工台座数；n为待加工预制梁数，qi为第i榀梁的工序数，qi≥1；tijk为工序pij在台座k上的加工时间；xijk为工序pij在台座k上加工则1，否则为0；
16、所述优化生产线台座总管理成本目标函数为：
17、
18、ck为台座k的管理成本。
19、进一步地，所述约束条件包括：
20、梁开始生产时间与加工时间应不大于完成时间，即：
21、
22、sti为梁i的加工起始时间；qi为第i榀梁的工序数，qi≥1；m为生产线包含的加工台座数；
23、上一道工序结束时间应不大于下一道工序的起始时间，即：
24、etijk≤stij+1；
25、etijk为工序pij在台座k上的完成时间，stij+1为工序pij+1的加工起始时间；
26、每一榀梁的完工时间应不晚于总完工时间，即：
27、
28、eti为梁i的最终加工完成时间；
29、单一台座同一时间只能加工一榀梁，即：
30、
31、进一步地，所述采用多目标麻雀搜索算法对所述多目标调度模型进行求解，包括以下步骤：
32、设置输入参数，包括最大迭代次数itermax，麻雀搜索算法中的探索者数量pd，侦查者数量sd，安全值st，初始化种群p0；
33、采用两段式编码方式对初始化种群数据进行编码；
34、生成第一代子代种群c0，如果不能生成，则采用非支配排序，选取出当前种群中的最好位置个体和最差位置个体，并基于麻雀搜索算法进行种群更新；如果能够直接生成所述子代种群c0，则增加迭代次数；
35、将所述初始化种群p0和子代种群c0进行合并操作，生成新的种群n0；
36、通过判断所述种群n0选取的子代种群有无结果来决定是否执行下一步骤，如果有结果，则选取子代种群，并基于麻雀搜索算法的种群更新；如果无结果，则采用快速非支配排序进行计算，确定最佳位置和最差位置的个体，再选择合适的个体组成第二子代种群，再通过所述第二子代种群选取子代种群；
37、基于麻雀搜索算法，根据平衡探索者在全局和局部搜索之间的关系，计算麻雀种群中探索者的位置更新；
38、对于麻雀种群中的所有追随者，它们在觅食过程中利用下式进行所有追随者位置更新：
39、
40、其中t为当前迭代次数，表示第t+1次迭代时探索者的最佳位置；xworst表示当前全局最差位置；a表示一个1*d的矩阵，矩阵中的每个元素赋值为-1或1，且a+＝at(aat)-1，l是一个所有元素为1的1*d的矩阵；w为麻雀种群中麻雀的数量；
41、部分麻雀在觅食过程中充当着哨兵的角色，即为种群的其他麻雀察觉危险，当察觉到危险时，将发出警示，种群中的其他麻雀将逃离当前位置另寻食物，其位置更新公式如下：
42、
43、其中，xbest表示当前的全局最佳位置；β是位于0到n之间的随机数，用于控制步长；k是位于-1到1之间的随机数，用于控制麻雀个体的移动方向；fi表示麻雀个体i的适应度值；fg和fw分别表示经过t次迭代后的全局最大和最小适应度值；ε为用于防止分母为0的极小值；
44、利用工序染色体的总长度作为第t次迭代的位置，利用上述位置更新公式计算得到的值与工序染色体总长度比较，选取更小的值作为t+1次迭代中染色体需要变更位置的数量s，在种群更新过程中，工序段染色体随机交换s个节点的位置，台座段染色体随机选取s个节点，更新为其他的可用台座之一；
45、在每次迭代过程中，历遍所有麻雀后，采用探索者-跟随者自适应调整策略来改变原生麻雀算法中的探索者和跟随者数量比例保持不变的限制；
46、若迭代次数未达到最大迭代次数，则继续更新种群的位置信息；若达到最大迭代次数，则返回当前种群的最优位置信息，输出解码后的调度方案。
47、进一步地，所述采用两段式编码方式对初始化种群数据进行编码包括以下步骤：
48、第一段基于节段梁生产线工序进行，根据染色体中工件的序号出现的次序编码，第i次出现的工件序号表示该工件的第i道工序；
49、第二段基于台座进行，根据工件可用台座编码，依次为工件ji的每道工序可用台座之一，标号代表相应工序的加工台座。
50、进一步地，所述基于麻雀搜索算法，根据平衡探索者在全局和局部搜索之间的关系，计算麻雀种群中探索者的位置更新包括：
51、
52、其中，t代表当前迭代数；j＝1,2,...,d，d表示麻雀种群中的个体具备d个维度信息；itermax表示最大的迭代次数；xi,j表示第i个麻雀在第j维中的位置信息；α是介于0到1之间的随机数；r2∈(0,1]，表示预警值；st∈[0.5,1]，表示安全值；q是服从正态分布的随机数；l是一个所有元素为1的1*d的矩阵；m是一个超参数，取值范围为[1,4]。
53、进一步地，所述探索者-跟随者自适应调整策略包括：
54、
55、pd＝r*n
56、sd＝(1-r)*n
57、其中，参数b为比例系数，用于控制探索者和跟随者之间的数量，其范围为(0，1)；r为非线性递减值，其范围为(0，1)；q为扰动偏离因子，对非线性递减值进行扰动。
58、本发明还提供了一种基于多目标麻雀搜索算法的预制梁排产系统，包括输入模块、排序模块、构建模块、输出模块和优化模块；
59、其中所述输入模块用于获取预制梁生产订单，对订单数据进行标准化处理，并对待生产的预制梁进行编号，获取预制梁实际生产的生产资源配置数据；
60、所述排序模块用于将待生产的预制梁编号进行随机排序，将随机排序后的每一组编号作为初始排产结果列表，将所述初始排产结果列表作为麻雀搜索优化算法的初始种群；
61、所述构建模块用于根据所述生产资源配置数据和实际约束条件，构建基于优化目标的多目标函数和约束条件；
62、所述输出模块用于采用多目标麻雀搜索算法对所述多目标函数进行求解，实现对初始种群进行搜索和子代更新，对所述预制梁排产方案结合实际场景需求进行调整，得到符合实际需求的生产计划；
63、所述输出模块用于对所述生产计划进行微调，得到符合实际的生产计划甘特图。
64、相比于现有技术，本发明的有益效果为：
65、1、本发明根据预制梁生产线实际生产调度问题场景描述和问题分析，构建基于生产线完工时间、生产线台座总负载以及生产线台座总管理成本的多目标优化调度模型，并根据实际生产线条件设定多目标调度模型对应的约束条件，对所述多目标调度模型进行求解，获取最优调度方案，与原生麻雀搜索算法相比，本发明的方法有效解决了节段梁生产线完工时间、生产线台座总负载和生产线台座总管理成本的多目标排产调度优化问题，能快速产生更高效和节能的排产方案，提高节段梁生产效率的同时实现精益管理和节能；
66、2、本发明采用多目标麻雀搜索算法对所述多目标调度模型进行求解，基于快速非支配排序对麻雀种群个体进行位置信息更新，进而对多目标麻雀搜索算法的参数进行优化，减少生产线完工时间的同时，实现生产线台座总负载和台座总管理成本的降低，从而对预制梁生产线资源和设备的调度进行优化；
67、3、本发明为平衡探索者在全局和局部搜索之间的关系，通过选取合适的超参数m，麻雀算法平均收敛迭代次数最小，此时麻雀种群中的探索者可以在前期充分广泛搜索目标，后期聚焦对最优位置进行深度挖掘，这样使得麻雀算法的探索能力和觅食能力达到了较好的平衡，即在一定程度上保证了算法全局探索和局部搜索的平衡。
1.基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于：所述麻雀搜索优化算法的初始种群包括最大迭代次数itermax，麻雀搜索算法中的探索者数量pd，侦查者数量sd，安全值st。
3.根据权利要求1所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，所述多目标函数包括优化生产线完工时间目标函数、优化生产线台座总负载目标函数和优化生产线台座总管理成本目标函数；
4.根据权利要求1所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，所述约束条件包括：
5.根据权利要求1所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，所述采用多目标麻雀搜索算法对所述多目标调度模型进行求解，包括以下步骤：
6.根据权利要求5所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，所述采用两段式编码方式对初始化种群数据进行编码包括以下步骤：
7.根据权利要求5所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，所述基于麻雀搜索算法，根据平衡探索者在全局和局部搜索之间的关系，计算麻雀种群中探索者的位置更新包括：
8.根据权利要求5所述的基于多目标麻雀搜索算法的预制梁排产方法，其特征在于，所述探索者-跟随者自适应调整策略包括：
9.一种基于多目标麻雀搜索算法的预制梁排产系统，其特征在于，包括输入模块、排序模块、构建模块、输出模块和优化模块；
