[發明專利]一種多目標優化的機床柔性車間調度方法及系統

在審

• 申請號: 202110986700.2
• 申請日: 2021-08-26
• 公開（公告）號: CN113759841A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 杜宇;李俊青
• 申請（專利權）人: 山東師范大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張勇

1.一種多目標優化的機床柔性車間調度方法，其特征在于，包括：

獲取車間機床約束，包括機床加工速度、機床準備時間、空閑時間、分時電價和搬運時間；

根據獲取的車間機床約束，利用EDA-DQN模型對最大完工時間和總電費進行優化；

得到優化結果；

其中，EDA-DQN模型對最大完工時間和總電費進行優化，具體包括：

初始化目標網絡和在線網絡Q；

利用激勵函數進行深度Q網絡DQN訓練；

通過初始化策略進行種群初始化；

進行非支配排序和擁擠度排序并獲得較優解。

2.如權利要求1所述的多目標優化的機床柔性車間調度方法，其特征在于，所述種群初始化，包括根據調度向量(SV)、機床分配向量(MAV)和加工速度向量(PSV)設計第一初始化策略、第二初始化策略和隨機初始化策略。

3.如權利要求1所述的多目標優化的機床柔性車間調度方法，其特征在于，所述種群初始化，三分之一的種群個體根據第一初始化策略得到，三分之一的種群個體根據第二初始化策略得到，三分之一的種群個體根據隨機初始化策略得到。

4.如權利要求1所述的多目標優化的機床柔性車間調度方法，其特征在于，所述DQN中，輸入和輸出節點的數量與特征向量和動作的數量一致。

5.如權利要求4所述的多目標優化的機床柔性車間調度方法，其特征在于，所述DQN訓練，具體包括：采用隱含層為2層的全連接神經網絡，其中隱含層節點數為20；輸入層到隱含層的激勵函數為ReLU函數，輸出層的激勵函數為purelin函數。

6.如權利要求5所述的多目標優化的機床柔性車間調度方法，其特征在于，所述DQN訓練，還包括：

根據對在線網絡Q的參數θ利用梯度下降進行更新，得到目標網絡

7.如權利要求6所述的多目標優化的機床柔性車間調度方法，其特征在于，所述非支配排序和擁擠度排序，對于兩個解x和y，如果(C_max,x≤C_max,y)∧(TEC_xTEC_y)

或

(C_max,xC_max,y)∧(TEC_x≤TEC_y)，則x支配y；

否則，x和y互不支配。

8.一種多目標優化的機床柔性車間調度系統，其特征在于，包括：

初始化模塊，被配置為：初始化目標網絡和在線網絡；

網絡訓練模塊，被配置為：利用激勵函數進行深度Q網絡DQN訓練；

初始化策略模塊，被配置為：通過初始化策略進行種群初始化；

排序模塊，被配置為：非支配排序和擁擠度排序并獲得較優解。

9.一種介質，其上存儲有程序，其特征在于，該程序被處理器執行時實現如權利要求1-7任一項所述的多目標優化的機床柔性車間調度方法中的步驟。

10.一種設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7任一項所述的多目標優化的機床柔性車間調度方法中的步驟。