基于蜂群算法的排班方法

摘要

本发明提供一种基于蜂群算法的排班方法，包括：（1）建立清洁工排班模型，目标为所有清洁区域的每时期的工作时总和与每时期的所有清洁区域的平均工作时之差的平方和最小；其约束如下：同一区域、同一排班周期内，级别高与级别低的清洁工作相遇，则保留级别高的清洁工作，丢弃级别低的清洁工作；同一区域内，不同级别的清洁工作在其清洁周期内，安排一次对应的清洁工作，除非同一时间内，已经安排了更高级别清洁工作；（2）利用蜂群算法求解排班模型获得最优值，使每周平均工时相同的情况下，总工时尽可能的最小；（3）将获得最优值的解作为基准排班。本发明可以全局考虑不同地点不同楼层不同清洁方式的约束，使得在平均每周的工时尽量稳定的前提下实现了总工时最小。

主权项

一种基于蜂群算法的排班方法，其特征在于，包括如下步骤：（1）建立清洁工排班模型，并设定排班周期T、清洁工作a、清洁区域b，所述排班模型的目标为所有清洁区域的每时期的工作时总和与每时期的所有清洁区域的平均工作时之差的平方和最小：$f\left(x_{\mathrm{ijk}}\right)=\min \underset{k=1}{\overset{T}{\Sigma }}{(\underset{j=1}{\overset{n}{\Sigma }}\underset{i=1}{\overset{n}{\Sigma }}{a}_{\mathrm{ij}}{b}_j{x}_{\mathrm{ijk}}-\underset{k=1}{\overset{T}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}\underset{i=1}{\overset{m}{\Sigma }}{a}_{\mathrm{ij}}{b}_j{x}_{\mathrm{ijk}}/T)}^2---\left(1\right)$设定所述模型的约束关系如下：同一区域、同一排班周期内，级别高与级别低的清洁工作相遇，则保留所述级别高的清洁工作，丢弃所述级别低的清洁工作，即，同一区域内，不同级别的清洁工作在其清洁周期内，安排一次对应的清洁工作，除非在同一时间内，已经安排了更高级别的清洁工作，即其中，a_ij：第j个清洁区域的第i种级别的清洁工作的单位面积的清洁工作时间；b_j：第j个清洁区域的面积；x_ijk：决策变量，第j个清洁区域的第i种级别的清洁工作在第k个时期内是否安排排班，安排为1，否则为0；s_ij：第j个清洁区域的第i种级别的清洁工作的开始时期；F_ij：第j个清洁区域的第i种级别的清洁工作的周期；l_ij：为大于等于0的整数；（2）利用蜂群算法求解排班模型获得最优值，使得每周平均工时相同的情况下，总工时尽可能的最小；（3）将获得最优值的解作为基准排班。