1.一种基于改进型粒子群算法的订单排产方法，其特征在于，所述基于改进型粒子群算法的订单排产方法，包括：步骤S1、建立生产费用目标函数和生产时间目标函数；

步骤S2、对生产费用目标函数和生产时间目标函数进行归一化处理，并对归一化处理后的目标函数线性加权得到综合目标函数；

步骤S3、根据所述综合目标函数建立手套订单排产数学模型；

步骤S4、采用改进型粒子群算法求解所述手套订单排产数学模型，得到最优的手套订单排产方案；

其中，所述改进型粒子群算法中惯性权重w的动态计算公式如下：w＝winit(1-Dt)(1-Et)

式中winit为初始惯性权重，Dt为粒子群多样性，Et为进化速度；

所述进化速度Et表示当前全局最优解 所对应的适应度 与上一次迭代过程中的全局最优解 所对应的适应度 之比：所述粒子群多样性Dt表示所有手套机生产设备在同一时刻加工各产品数据的差异程度，其计算公式如下：式中m为种群规模，u为种群中的第u个粒子，n为粒子的维度，d为粒子的第d维， 为第u个粒子在第t次迭代中的第d维的位置， 为第u个粒子在第t次迭代中的第d维的最优解。

2.如权利要求1所述的基于改进型粒子群算法的订单排产方法，其特征在于，所述建立生产费用目标函数和生产时间目标函数，包括：建立生产费用目标函数Sm如下：

式中Sm为订单加工过程中的总加工费用，L为订单总数，N为订单中手套的类型总数，M为手套机生产设备的数量，fij为第i台手套机生产设备Di生产第j类手套的单位费用，xijk为订单k在第i台手套机生产设备Di安排生产第j类手套的个数；

建立生产时间目标函数TEm如下：

并且TDmik的计算公式如下：

TDmik＝[xijk/a]·Δt2+xijk·tij+Δt1式中a为一卷织线能织的手套个数，单位：个/卷,Δt2为手套机生产设备换一次织线的时间,tij为第i台手套机生产设备上生产每个第j类手套所需要的时间,Δt1为手套机生产设备更换花型的时间。

3.如权利要求2所述的基于改进型粒子群算法的订单排产方法，其特征在于，所述对生产费用目标函数和生产时间目标函数进行归一化处理，并对归一化处理后的目标函数线性加权得到综合目标函数，包括：得到综合目标函数f(x)如下：

式中α1，α2为加权系数，α1α2≥0，Smmin为生产费用目标函数的最小值，TEmmin为生产时间目标函数的最小值；

并且加权系数α1，α2的动态计算公式如下：

α1＝abs(sin(2πt/F))

α2＝1-α1

式中t为当前的迭代次数，即第t次迭代，F为权重变化频率，预设为常数。

4.如权利要求3所述的基于改进型粒子群算法的订单排产方法，其特征在于，所述根据综合目标函数建立手套订单排产数学模型，包括：建立手套订单排产数学模型如下：

式中ODkj为订单k需求生产第j类手套的数量，ΔODkj为订单k需求生产第j类手套数量的允许误差量，TDmik为订单k在手套机生产设备Di上所需的生产时间，BTi为手套机生产设备Di允许安排订单的开始时间，OTk为订单k的交货时间。

5.如权利要求4所述的基于改进型粒子群算法的订单排产方法，其特征在于，采用改进型粒子群算法求解所述手套订单排产数学模型，得到最优的手套订单排产方案，包括：步骤S4.1、设定粒子群的种群规模为m,粒子的维度数为n,n＝MNL,最大迭代次数为tmax,设定权重变换频率的值F；

步骤S4.2、初始化粒子的位置x0和v0，将粒子的个体最优值PPu设为当前位置，PPg设为初始化群体中最佳粒子的位置；

步骤S4.3、以综合目标函数f(x)作为粒子的适应度函数，计算粒子的适应度、个体最优值PPu和全局最优值PPg；

步骤S4.4、判断改进型粒子群算法是否满足收敛条件，如果满足，则直接转步骤S4.8；

否则执行步骤S4.5；

步骤S4.5、对粒子群中的所有粒子执行以下操作，具体步骤如下：步骤S4.5.1、计算粒子群多样性Dt、进化速度Et和惯性权重w；

步骤S4.5.2、更新第u个粒子的位置xu和速度vu：步骤S4.5.3、计算位置xu的不可行度NF(xu)；

步骤S4.6、若NF(xu)＝1，则根据修正规则修正位置xu，然后执行步骤S4.7；否则直接执行步骤S4.7；

步骤S4.7、迭代次数t加1，如果t＜tmax，则更新目标函数的加权系数α1，α2，并转步骤S4.3；否则转步骤S4.8；

步骤S4.8、输出全局最优值PPg作为最优的手套订单排产方案，改进型粒子群算法运行结束。

6.如权利要求5所述的基于改进型粒子群算法的订单排产方法，其特征在于，所述步骤S4.5.2中更新第u个粒子的位置xu和速度vu，包括：速度vu更新公式如下：

位置xu更新公式如下：

式中， 为第u个粒子在第t+1次迭代中的第d维的速度， 为第u个粒子在第t次迭代中的第d维的最优解， 为全局在第t次迭代中的第d维的最优解，c1、c2为学习因子，r1、r2为常数，m是种群规模，n是粒子的维度。

7.如权利要求5所述的基于改进型粒子群算法的订单排产方法，其特征在于，所述步骤S4.5.3中计算位置xu的不可行度NF(xu)，包括：一个位置xu的不可行度NF(xu)表示为：

式中OTk为订单k的交货时间，BTi为手套机生产设备Di允许安排订单的开始时间，ODkj为订单k需求生产第j类手套的数量，ΔODkj为订单k需求生产第j类手套数量的允许误差量，xijk为订单k在第i台手套机生产设备Di安排生产第j类手套的个数。

8.如权利要求5所述的基于改进型粒子群算法的订单排产方法，其特征在于，所述步骤S4.6中若NF(xu)＝1，则根据修正规则修正位置xu，包括：

1)若第u个粒子不满足订单产量约束的上限条件ODkj+ΔODkj，则通过缩减最小维的方法，解决产量过量的情况；若不满足订单产量约束的下限条件ODkj-ΔODkj，则通过增添最大维的方法，解决产量不足的情况；

2)若第u个粒子不满足订单生产时间约束 则缩减超过规定生产时限的最后一维的手套数。