[發(fā)明專利]一種基于行為決策網(wǎng)絡(luò)粒子群優(yōu)化的柔性車間調(diào)度方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111263846.0
• 申請(qǐng)日: 2021-10-27
• 公開（公告）號(hào): CN113960971B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計(jì)）人: 宋威;張瀟
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06Q10/0631
• 分類號(hào): G06Q10/0631;G06N3/006;G06N3/084
• 代理公司: 南京禹為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 劉小莉

1.一種基于行為決策網(wǎng)絡(luò)粒子群優(yōu)化的柔性車間調(diào)度方法，其特征在于：包括，

根據(jù)加工工件各工序所需使用的機(jī)器及加工時(shí)間初始化搜索空間及約束條件；

初始化參數(shù)，并基于所述搜索空間及約束條件隨機(jī)生成初始種群，并根據(jù)所述初始種群對(duì)行為決策神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化；

將初始種群中粒子的位置輸入所述行為決策神經(jīng)網(wǎng)絡(luò)，根據(jù)行為決策神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果對(duì)粒子的位置和適應(yīng)值進(jìn)行更新；

結(jié)合粒子的適應(yīng)值的變化情況和強(qiáng)化學(xué)習(xí)策略對(duì)行為決策神經(jīng)網(wǎng)絡(luò)隱藏層結(jié)點(diǎn)的中心位置、寬度進(jìn)行更新，并更新隱藏層結(jié)點(diǎn)與動(dòng)作執(zhí)行節(jié)點(diǎn)間的權(quán)值；

計(jì)算輸入的粒子的下一位置和適應(yīng)值，通過(guò)所述適應(yīng)值選取最優(yōu)粒子；

判斷工件生產(chǎn)是否滿足結(jié)束條件，若滿足則輸出最小完工時(shí)間，否則，則重新將初始種群中粒子的位置輸入所述行為決策神經(jīng)網(wǎng)絡(luò)，根據(jù)行為決策神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果對(duì)粒子的位置和適應(yīng)值進(jìn)行更新；

其中，所述約束條件為工件的工序順序約束，所述搜索空間為粒子的搜索范圍，搜索空間的維數(shù)為任務(wù)總加工工序數(shù)Q，其中，每一維的范圍是0～單個(gè)工件的工序數(shù)。

2.如權(quán)利要求1所述的基于行為決策網(wǎng)絡(luò)粒子群優(yōu)化的柔性車間調(diào)度方法，其特征在于：所述初始化參數(shù)包括，

設(shè)置初始種群大小為100個(gè)粒子，最大進(jìn)化代數(shù)為500代。

3.如權(quán)利要求2所述的基于行為決策網(wǎng)絡(luò)粒子群優(yōu)化的柔性車間調(diào)度方法，其特征在于：初始化所述行為決策神經(jīng)網(wǎng)絡(luò)包括，

所述神經(jīng)網(wǎng)絡(luò)包括輸入層、隱藏層和輸出層；

將隱藏層結(jié)點(diǎn)的中心初始化為初始種群中的粒子，將權(quán)值初始化為(0，1)間的隨機(jī)數(shù)。

4.如權(quán)利要求1或2所述的基于行為決策網(wǎng)絡(luò)粒子群優(yōu)化的柔性車間調(diào)度方法，其特征在于：更新粒子的位置包括，

更新粒子的位置x_i：

x_i(t+1)＝x_i(t)+w*v_i+c₁*r₁*(gbest-x_i(t))+c₂*r₂*(μ_nr-x_i(t))

c₁＝C-c₂

其中，x_i(t)為t時(shí)刻的粒子的位置，w表示慣性權(quán)重，v_i表示粒子上一時(shí)刻的速度，r₁和r₂為兩個(gè)屬于(0，1)的隨機(jī)數(shù)，gbest表示全局最優(yōu)粒子位置，μ_nr表示離當(dāng)前粒子最近的子群中心位置，c₁表示向全局最優(yōu)粒子學(xué)習(xí)的加速系數(shù)，c₂表示向?qū)?yīng)子種群中心學(xué)習(xí)的加速系數(shù)，Δ代表加速系數(shù)c₂的變化，C為加速系數(shù)c₁和加速系數(shù)c₂的和。