[發明專利]一種并行批加工設備優化調度方法

有效

• 申請號: 201410380575.0
• 申請日: 2014-08-04
• 公開（公告）號: CN105320105B
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 劉昶;李冬;嚴學軍;虞國良;劉斌;郭敏;梁煒
• 申請（專利權）人: 中國科學院沈陽自動化研究所;南通富士通微電子股份有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 沈陽科苑專利商標代理有限公司21002
• 代理人: 徐麗,周秀梅

1.一種并行批加工設備優化調度方法，其特征在于，包括以下步驟：

步驟1：將待加工任務集初始化為所有途經本道工序的加工任務的集合，并將待加工任務集中的加工任務根據前道工序結束時間的先后順序進行排序；將可選空閑設備集初始化為本道工序的所有加工設備的集合；

步驟2：對于每個工件組分別建立一個用矩陣表示的抽樣概率模型A，并按如下方式初始化：

A(i,k)=1Max---(1)]]>

其中，A(i,k)為抽樣概率模型A的一個元素，表示工件j_i被分到P_k中的概率；表示最大批次，是取整符號，n為該工件組工件的個數，L為加工設備的最小批容量；所述抽樣概率模型A是一個n×Max的矩陣，其中行表示加工任務，列表示批次；

步驟3：根據抽樣概率模型A生成N種批調度方案，分別計算出N種批調度方案的平均加工周期，并按平均加工周期將N種批調度方案從小到大排序，取出序列中前(x×N)(0＜x＜1)的批調度方案作為優勢群體，x為人為設定的比率；

步驟4：根據優勢群體對所有工件組進行工件相關的概率模型Z初始化，所述概率模型Z是一個n×n的下三角矩陣，行與列均代表工件，n為該工件組工件的個數，其元素Z_i,j從數值上反應了工件組批的概率關系，值越大則第i個工件和第j個工件在同一批次中的可能性就越大；

步驟5：在各工件組中按照工件到達的先后順序和概率模型Z分別進行采樣，使所有工件均完成分批操作并按規則選擇相應的加工設備；在每一次分批迭代過程中分別生成p個批調度方案，選出平均生產周期最小的批調度方案并保留至下一次迭代過程中；

步驟6：選擇每次迭代過程中最終勝出的批調度方案x作為優勢個體，采用增量學習的方法對概率模型Z進行更新：

步驟7：不斷的重復步驟5與步驟6，設置最大迭代次數作為終止條件，得到最終的批調度方案。

2.根據權利要求1所述的一種并行批加工設備優化調度方法，其特征在于，所述根據抽樣概率模型A生成N種批調度方案，包括以下步驟：

對每個工件組根據抽樣概率模型A按照工件到達的先后順序進行采樣：對于某一確定的工件，選擇該工件所在的批次，直到所有的工件分批完成；

在得到所有工件組的分批結果后，計算每個批次的最晚到達時間；

根據最晚到達時間的先后，使各個批次按順序選擇加工設備。

3.根據權利要求2所述的一種并行批加工設備優化調度方法，其特征在于，所述對每個工件組根據抽樣概率模型A按照工件到達的先后順序進行采樣，具體為：

對于工件組中的第一個到達的工件j₁，在批次(P_k,1,P_k,2,...P_k,Max)中任選一個批次；

對于工件j_i，i≠1，根據輪盤賭方法選擇與工件(j₁,j₂...j_i-1)中的某個工件的同一批次，或者在批次(P_k,1,P_k,2,...P_k,Max)選擇一個與工件(j₁,j₂...j_i-1)所選批次不同且尚未滿批的批次，如果不存在這樣的批次，則隨機選擇一個尚未滿批的批次進行加工；

對于工件組k的一個批次P_k,i,1≤i≤Max，其容量已經達到最大容量S，則將抽樣概率模型A中的第k列所有元素置0，并對其余各行進行歸一化處理，以使概率模型A其余各行的每一行概率和為1。