[發明專利]一種多批次鋁件仿古銅制作的優化調度方法

在審

• 申請號: 201810735195.2
• 申請日: 2018-07-06
• 公開（公告）號: CN109254566A
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 錢斌;鐘祾充;胡蓉
• 申請（專利權）人: 昆明理工大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種多批次鋁件仿古銅制作的優化調度方法，其特征在于：通過確定不同批次鋁件在工廠內制作過程的調度模型和優化目標，并使用基于量子優化的人工蜂群算法的優化調度方法對目標進行優化；其中，調度模型依據各批次鋁件在每臺設備上的工序數、加工時間來建立，同時優化目標為最小化最大完工時間C_max:

C_max＝C(j_n,m)

式中：鋁件批次量為n；機器數為m；j_i表示排序i位置上的鋁件；表示排序i位置上的鋁件在機器k上的標準加工時間；排序i位置上的鋁件在機器k上加工前的設置時間為排序i位置上的鋁件在機器k上的完成時間為C(j_i,k)；最大完工時間為C(j_n,m)；目標函數最大完工時間為C_max；利用基于量子優化的多目標人工蜂群算法求解該問題模型，得到的個體包含不同批次鋁件的加工順序和該加工順序下的最大完工時間，以最小化最大完工時間為目標，求得最優個體；利用基于量子優化的多目標人工蜂群算法求解該模型，從而得到一種多批次鋁件仿古銅制作的優化調度方法；

所述的基于量子優化的人工蜂群算法的優化調度方法具體步驟為：

Step1、種群初始化：采用隨機方法產生初始化種群Initpop，直至初始解的數量達到種群規模的要求；其中，種群規模為NP；

Step2、個體離散化：由于本算法基于連續實數域，而多批次鋁件仿古銅制作過程基于離散變量，因此，采用基于隨機鍵編碼方式對仿古銅的制作工序排序進行實數編碼，然后根據LOV規則建立實數編碼與整數編碼之間的一一映射關系，進而實現從實數編碼向仿古銅的制作工序排序的轉換，計算每個個體的目標函數值；

Step3、種群更新：種群中每個個體為一個解，每個解對應一個蜜源、雇傭蜂、跟隨蜂；

1：對每個雇傭蜂利用式(1)進行蜂群更新，利用保優原則保留個體；

2：記錄雇傭蜂更新之后的較優個體值Pbest和當前全局最優Gbest，融合量子優化原則依次利用式(5)、式(6)、式(2)、式(3)得到每個蜜源被選擇的概率P；

3：跟隨蜂利用輪盤賭原則在優質蜜源附近進行局部搜索，選擇個體值較高的個體作為蜜源，然后融合量子優化原則利用公式(7)更新當前種群中所有蜜源；

4：若蜜源在連續limit次迭代后未得到更新，即用式(4)隨機產生一個新蜜源代替原蜜源；

其中，式(1)、式(2)、式(3)、式(4)、式(5)、式(6)、式(7)分別表示如下：

v_i,j＝x_i,j+rand(-1,1)(x_i,j-x_k,j) (1)

X_i＝X_min+rand(0,1)(X_max-X_min) (4)

P＝a·P_best+(1-a)G_best (5)

b＝1-g/max g×0.5 (6)

式中，v_i,j為新蜜源個體V_i的第j維分量，x_i,j為個體X_i的第j維分量；x_k,j為個體X_k的第j維分量；f_i為蜜源個體X_i的目標函數值；fit_i為蜜源個體對應的適應度；X_max和X_min為解空間上下界；a、u為(0,1)間隨機數；P_best為個體極值；G_best為全局極值；b為收縮膨脹系數；g為當前進化代數；maxg為規定的最大進化代數；

本步驟融合量子能遍歷整個解空間的行為特性，根據蜜源位置的波函數和概率密度函數，基于量子模型進行位移更新，該操作實質上是一種局部搜索策略；

Step4、記錄當前最優解；

Step5、迭代終止條件：若達到最大迭代次數maxg＝1000，則輸出最優解，否則轉到Step2，反復迭代，直至滿足終止條件為止。