[發(fā)明專利]一種柔性車間調(diào)度方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010898908.4
• 申請(qǐng)日: 2020-08-31
• 公開(kāi)（公告）號(hào): CN112183817A
• 公開(kāi)（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 朱海華;張毅;唐敦兵;聶慶瑋;張澤群;王立平;宋家燁
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué);南京航空航天大學(xué)無(wú)錫研究院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q50/04;G06N3/00;G05B19/418
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 徐曉鷺

本發(fā)明公開(kāi)一種柔性車間調(diào)度方法，該方法包括以下步驟：步驟一，首先建立面向柔性作業(yè)車間調(diào)度問(wèn)題的數(shù)學(xué)模型，并且初始化所有參數(shù)；步驟二，采用基于工序和基于機(jī)器的編碼方式來(lái)完成對(duì)粒子初始化；步驟三，基于遺傳算法中的交叉操作作為粒子的更新策略；基于遺傳算法中的交叉操作作為工序部分的粒子更新策略；基于變異操作作為機(jī)器部分的粒子更新策；基于變異操作作為全局最佳粒子的粒子更新策略；步驟四，基于遺傳算法中的變異操作作為機(jī)器部分的領(lǐng)域搜索策略，搜索過(guò)程中模擬退火算法地突跳性，最終輸出全局最優(yōu)粒子，實(shí)現(xiàn)對(duì)作業(yè)車間生產(chǎn)要素進(jìn)行調(diào)度優(yōu)化。

技術(shù)領(lǐng)域

本發(fā)明屬于生產(chǎn)系統(tǒng)優(yōu)化領(lǐng)域，尤其是一種具有多目標(biāo)優(yōu)化能力的調(diào)度方法，具體地說(shuō)是一種基于混合型粒子群算法的柔性作業(yè)車間調(diào)度方法。

背景技術(shù)

隨著制造業(yè)的生產(chǎn)模式不斷升級(jí)，呈現(xiàn)出多品種、小批量、混流化的特征，生產(chǎn)環(huán)境中的訂單種類、生產(chǎn)環(huán)節(jié)、設(shè)備種類、技術(shù)狀態(tài)越來(lái)越多，導(dǎo)致生產(chǎn)控制趨向復(fù)雜。傳統(tǒng)的作業(yè)車間調(diào)度方法和人工管理已難以實(shí)現(xiàn)高效、精準(zhǔn)、優(yōu)化的生產(chǎn)管理。面向混線型柔性制造車間的智能調(diào)度技術(shù)。使用基于混合型粒子群算法來(lái)求解柔性作業(yè)車間調(diào)度問(wèn)題，不僅有效對(duì)完工時(shí)間、負(fù)載平衡、瓶頸資源等生產(chǎn)目標(biāo)進(jìn)行優(yōu)化，而且具有調(diào)度結(jié)果質(zhì)量高、求解收斂速度快、計(jì)算復(fù)雜度低等優(yōu)點(diǎn)。

柔性作業(yè)車間調(diào)度問(wèn)題是一種NP-Hard問(wèn)題，該問(wèn)題涉及到多種工件、加工機(jī)器等生產(chǎn)資源的分配，每個(gè)工件包括了車、銑、磨等多種加工工藝的工序，且機(jī)床具有多種工藝的加工能力，問(wèn)題復(fù)雜度高，同時(shí)還需針對(duì)多種生產(chǎn)目標(biāo)進(jìn)行優(yōu)化。

專利申請(qǐng)?zhí)朇N2015102680235.5，名為一種柔性作業(yè)車間調(diào)度多目標(biāo)的方法。使用蟻群算法來(lái)優(yōu)化多目標(biāo)柔性作業(yè)車間模型，并利用評(píng)價(jià)函數(shù)對(duì)調(diào)度結(jié)果進(jìn)行評(píng)估，最后通過(guò)信息素來(lái)更新調(diào)度規(guī)則。這種調(diào)度方法的不足之處是：由于該方法具有較高的計(jì)算復(fù)雜度，只適用于小規(guī)模問(wèn)題的求解，且求解得到的調(diào)度結(jié)果質(zhì)量不高。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種面向柔性作業(yè)車間的多目標(biāo)優(yōu)化車間調(diào)度方法。相比傳統(tǒng)車間調(diào)度方法，在求解大規(guī)模調(diào)度問(wèn)題時(shí)，由于粒子群算法具有較低的計(jì)算復(fù)雜度，因此該方法收斂速度快。此外，基于模擬退火算法來(lái)擴(kuò)大領(lǐng)域的搜索范圍，解決早熟收斂的問(wèn)題，提高了算法的求解質(zhì)量。使用層次分析法獲取多目標(biāo)優(yōu)化的權(quán)重參數(shù)，并計(jì)算粒子的適應(yīng)度值，使得多目標(biāo)優(yōu)化決策更加合理。

為了實(shí)現(xiàn)以上目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明一種柔性車間調(diào)度方法，提出了一種新型粒子更新方法。車間調(diào)度問(wèn)題屬于離散型問(wèn)題，而傳統(tǒng)粒子群算法是一種面向連續(xù)問(wèn)題的優(yōu)化方法。因此，將粒子的更新方法進(jìn)行離散化操作。首先，該算法對(duì)機(jī)床和工件進(jìn)行編碼。其次，借鑒了遺傳算法的交叉、變異操作，使用了全新方式來(lái)更新粒子，可繼承個(gè)體最佳粒子和全局最佳粒子的優(yōu)秀基因，使得個(gè)體粒子向決策偏好方向進(jìn)行更新。

提出了一種領(lǐng)域搜索策略。粒子群算法具有較快的收斂速度，但也存在早熟收斂等問(wèn)題。粒子群算法求解過(guò)程的搜索空間主要由粒子、個(gè)體最佳粒子以及全局最佳粒子來(lái)決定。領(lǐng)域搜索策略用于對(duì)個(gè)體最佳粒子進(jìn)行再次更新，利用模擬退火算法的突跳特性以一定概率來(lái)接受劣質(zhì)解，從而擴(kuò)大調(diào)度解的搜索空間，解決易陷入局部最優(yōu)、早熟收斂等問(wèn)題，提高了求解質(zhì)量。

本發(fā)明通過(guò)混合型粒子群算法來(lái)求解柔性作業(yè)車間調(diào)度問(wèn)題。其優(yōu)勢(shì)在于：

1. 使用交叉、變異操作實(shí)現(xiàn)粒子的更新，有效地提高算法的收斂速度，并可應(yīng)用于求解大規(guī)模調(diào)度問(wèn)題。

2. 利用模擬退火算法的突跳特性來(lái)擴(kuò)大調(diào)度解的搜索范圍，提高了算法的求解質(zhì)量，同時(shí)解決了早熟收斂等問(wèn)題。

附圖說(shuō)明