[發(fā)明專(zhuān)利]一種基于改進(jìn)遺傳算法的電氣裝備制造資源優(yōu)化配置方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110563139.7
• 申請(qǐng)日: 2021-05-24
• 公開(kāi)（公告）號(hào): CN113177667A
• 公開(kāi)（公告）日: 2021-07-27
• 發(fā)明（設(shè)計(jì)）人: 張麗媛;趙曉東
• 申請(qǐng)（專(zhuān)利權(quán)）人: 同濟(jì)大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06N3/12
• 代理公司: 上海科律專(zhuān)利代理事務(wù)所(特殊普通合伙) 31290
• 代理人: 葉鳳

1.本發(fā)明提出一種基于改進(jìn)遺傳算法的電氣裝備制造資源優(yōu)化配置方法，其特征在于，包括2個(gè)步驟

步驟1，任務(wù)分解與重組：

基于最小粒度劃分將待生產(chǎn)的產(chǎn)品拆分成不同的構(gòu)件，然后利用成組技術(shù)，將同種構(gòu)件組合在一起組成新的任務(wù)，不同構(gòu)件歸為不同任務(wù)；

步驟2，資源優(yōu)化配置：

為各項(xiàng)任務(wù)分配生產(chǎn)資源，構(gòu)建總時(shí)間、總成本最小化的多目標(biāo)優(yōu)化模型，通過(guò)遺傳算法求解最優(yōu)解或次優(yōu)解。

2.如權(quán)利要求書(shū)1中所述一種基于改進(jìn)遺傳算法的電氣裝備制造資源優(yōu)化配置方法，其特征在于，

步驟1，任務(wù)分解與重組；

具體實(shí)施過(guò)程如下：

1.1獲取生產(chǎn)計(jì)劃，從企業(yè)中已有的生產(chǎn)過(guò)程協(xié)同管理平臺(tái)導(dǎo)出要進(jìn)行的生產(chǎn)產(chǎn)品屬性信息；

1.2根據(jù)1.1中獲取的產(chǎn)品的屬性信息，將生產(chǎn)任務(wù)拆分成粒度最小的構(gòu)件；

1.3對(duì)1.2步驟拆分之后的構(gòu)件進(jìn)行組合，將同一構(gòu)件重新歸為同一子任務(wù)，不同構(gòu)件歸為不同的子任務(wù)；

1.4根據(jù)1.3步驟組合結(jié)果，生成新的工廠車(chē)間生產(chǎn)任務(wù)清單并保存至生產(chǎn)過(guò)程協(xié)同管理平臺(tái)。

3.如權(quán)利要求書(shū)1中所述一種基于改進(jìn)遺傳算法的電氣裝備制造資源優(yōu)化配置方法，其特征在于，

步驟2，資源優(yōu)化配置；

首先初始化解空間，交叉變異得到子代種群，將父代種群和新產(chǎn)生的子代種群合，計(jì)算當(dāng)前種群中個(gè)體的Patora等級(jí)及排序，計(jì)算擁擠度，與設(shè)定閾值比較從而淘汰不適應(yīng)當(dāng)前種群環(huán)境的解，當(dāng)出現(xiàn)進(jìn)化十代而沒(méi)有比較明顯的提升時(shí)，說(shuō)明算法已經(jīng)收斂到一個(gè)穩(wěn)定的解，此時(shí)可以輸出計(jì)算得到的資源配置方案；

具體實(shí)施過(guò)程如下：

2.1從生產(chǎn)過(guò)程協(xié)同管理平臺(tái)獲取重組之后的生產(chǎn)任務(wù)清單；

2.2從生產(chǎn)過(guò)程協(xié)同管理平臺(tái)獲取所有生產(chǎn)車(chē)間的機(jī)床屬性信息、刀具屬性信息、夾具屬性信息、量具屬性信息，包括使用成本、功率、所在車(chē)間等，這些是為后續(xù)步驟計(jì)算時(shí)間、成本等提供相關(guān)的數(shù)據(jù)；

2.3從生產(chǎn)過(guò)程協(xié)同管理平臺(tái)獲取目前各種生產(chǎn)資源的數(shù)目、使用情況、生產(chǎn)狀態(tài)等信息；

2.4計(jì)算單件產(chǎn)品的生產(chǎn)時(shí)間：

假設(shè)企業(yè)計(jì)劃生產(chǎn)N種產(chǎn)品，通過(guò)模塊分解與重組得到m種通用構(gòu)件及n種特定構(gòu)件；那么，

產(chǎn)品k,k∈(1,N)的生產(chǎn)時(shí)間為：

其中，代表產(chǎn)品k的構(gòu)件i最長(zhǎng)的可能生產(chǎn)時(shí)間(這里主要考慮到任務(wù)重組之后，通用構(gòu)件會(huì)集中生產(chǎn)，但是實(shí)際生產(chǎn)時(shí)還是會(huì)存在一個(gè)生產(chǎn)的先后順序問(wèn)題，我們這里取一個(gè)最大時(shí)間作為所有產(chǎn)品該構(gòu)件的生產(chǎn)時(shí)間)，代表構(gòu)件i生產(chǎn)過(guò)程中需要的資源調(diào)配時(shí)間，代表構(gòu)件i生產(chǎn)過(guò)程中需要的裝配時(shí)間；

2.5計(jì)算所有產(chǎn)品總的生產(chǎn)時(shí)間T

2.6計(jì)算單件產(chǎn)品的生產(chǎn)成本

產(chǎn)品k,k∈(1,N)的生產(chǎn)成本為：

其中，代表構(gòu)件i生產(chǎn)過(guò)程中需要的制造成本，代表構(gòu)件i生產(chǎn)過(guò)程中需要的資源調(diào)配成本，代表構(gòu)件i生產(chǎn)過(guò)程中需要的裝配成本；

2.7計(jì)算所有產(chǎn)品總的生產(chǎn)成本C

2.8構(gòu)建多目標(biāo)最小化的優(yōu)化函數(shù)

為了使總生產(chǎn)時(shí)間、總生產(chǎn)成本最小化，我們構(gòu)建多目標(biāo)優(yōu)化函數(shù)：

F＝min(T,C) (5)

2.9對(duì)需要優(yōu)化配置的生產(chǎn)資源進(jìn)行信息編碼

為了方便進(jìn)行遺傳算法的搜索，需要將待優(yōu)化的資源信息編碼成為染色體的基因信息；目前，比較常用的是兩種編碼方式：實(shí)數(shù)編碼和二進(jìn)制編碼；實(shí)數(shù)編碼能夠表示的更大范圍的數(shù)據(jù)，適合復(fù)雜場(chǎng)景下的尋優(yōu)問(wèn)題，所以本文這里將選用一個(gè)多層的實(shí)數(shù)編碼進(jìn)行染色體信息編碼；

染色體中將存放構(gòu)件信息、機(jī)床信息、刀具信息、夾具信息、量具信息，整體長(zhǎng)度為2∑_ik_ij_ic_ig_iq_i,其中，k_i代表產(chǎn)品k的i構(gòu)件,j_i代表構(gòu)件i分配的機(jī)床，c_i代表構(gòu)件i分配到的刀具，g_i代表構(gòu)件i分配到的夾具，q_i代表構(gòu)件i分配到的量具；

2.10初始化解空間

遺傳算法的初代解可以通過(guò)隨機(jī)生成的P個(gè)染色體串來(lái)代表，其中每個(gè)染色體代表一個(gè)個(gè)體，所有染色體構(gòu)成了一個(gè)初代種群，并以此為進(jìn)化的起點(diǎn)開(kāi)始最優(yōu)解的求解；

2.11交叉變異

隨機(jī)選擇兩個(gè)當(dāng)前種群中的個(gè)體，在其染色體的前∑_ik_ij_ic_ig_iq_i位隨機(jī)選擇交叉位置進(jìn)行交叉操作；隨機(jī)選擇變異個(gè)體，選擇變異位置a和位置b，最后把個(gè)體位置a和位置b對(duì)應(yīng)的編碼信息調(diào)換，得到變異個(gè)體；

2.12父代子代種群合并

這里采用精英策略，將2.11步驟中交叉、變異生成的子代種群和父代種群同時(shí)保留下來(lái)，為了將父代中優(yōu)良個(gè)體保存下來(lái)；

2.13快速非支配排序

2.13.1Pareto支配關(guān)系定義

在處理多目標(biāo)最小化優(yōu)化問(wèn)題時(shí)，有M個(gè)目標(biāo)分量f_i(x),i＝1...M,這里是T和C,任意給定兩個(gè)決策變量X_a，X_b，如果有以下兩個(gè)條件成立，則稱(chēng)X_a支配X_b；

a.對(duì)于都有f_i(X_a)≤f_i(X_b)成立

b.使得f_i(X_a)＜f_i(X_b)成立

如果一個(gè)決策變量，不存在其他決策變量能夠支配它，那么就稱(chēng)決策變量為非支配解；

2.13.1 Pareto等級(jí)定義

在一組解中，非支配解Pareto定義為1，將非支配解從解的集合中刪除，剩下解的Pareto等級(jí)定義為2，依次類(lèi)推，可以得到該解集合中所有解的Pareto等級(jí)；

2.13.2快速非支配排序

a.對(duì)解空間中的每個(gè)個(gè)體p，計(jì)算被支配數(shù)及支配解；

b.將被支配數(shù)為0的個(gè)體分入Pateto等級(jí)1的集合F1；

c.將集合F1中所有個(gè)體的除當(dāng)前個(gè)體外，被支配數(shù)為0的支配解分到集合F2；

d.重復(fù)步驟c,將當(dāng)前種群所有個(gè)體進(jìn)行等級(jí)劃分；

2.14計(jì)算擁擠度

為了使計(jì)算得到的解能夠均勻分布在的我們的目標(biāo)解空間中，我們引入一個(gè)擁擠度的指標(biāo)n_d：

a.初始時(shí)，n_d＝0；

b.循環(huán)遍歷每個(gè)目標(biāo)函數(shù)f_m，這里是T和C:

為個(gè)體目標(biāo)函數(shù)值f_m的最大值，為個(gè)體目標(biāo)函數(shù)值f_m的最小值，然后對(duì)該等級(jí)的個(gè)體進(jìn)行排序，將排序之后的兩個(gè)邊界的擁擠度T_d和H_d置為∞，最后計(jì)算

其中，f_m(p+1)是該個(gè)體p排序后后一位的目標(biāo)函數(shù)值；

2.15選擇

對(duì)經(jīng)過(guò)步驟2.13、2.14快速非支配排序及擁擠度計(jì)算后的解空間中的個(gè)體，根據(jù)期望值SOTA(最初可以按照之前生產(chǎn)方式下計(jì)算總時(shí)間、總成本),將當(dāng)前種群中的解能夠達(dá)到期望值SOTA的80％效果以上的保留，其余刪除，得到選擇操作之后的新的解空間；

2.16計(jì)算當(dāng)前解空間中最優(yōu)分配方案

計(jì)算2.15中得到的解空間中的所有分配方案，將最優(yōu)分配方案保存，并更新期望值SOTA；

2.17進(jìn)化終止條件

通過(guò)比較最近10代得到的分配方案的結(jié)果，如果效果提升小于0.1％，說(shuō)明算法已經(jīng)收斂，可以將目前結(jié)果作為最優(yōu)解或次優(yōu)解輸出資源分配方案；否則，繼續(xù)執(zhí)行步驟2.11。