一种自适应控制的柔性作业车间智能调度优化方法及系统

本技术涉及智能制造、柔性作业车间调度优化，特别是涉及一种自适应控制的柔性作业车间智能调度优化方法及系统。

背景技术：

1、柔性作业车间调度问题（flexible job shop scheduling problem，fjsp）是智能制造领域典型的组合优化问题。与传统作业车间调度问题相比，柔性作业车间允许每道工序在多台可选设备上加工，因此同时涉及工序排序和设备分配两个决策过程，属于np-hard问题。

2、随着智能制造的发展，生产环境逐渐由静态生产模式向动态生产模式转变。在实际生产过程中，经常出现紧急订单插入、试制任务到达、加工时间偏差等扰动事件，使得原有调度方案失效，需要通过重调度机制重新优化生产计划。

3、目前解决柔性作业车间调度问题的方法主要包括数学规划方法、启发式规则方法以及元启发式优化算法。其中，遗传算法、粒子群算法、蚁群算法以及樽海鞘群算法等群体智能方法因其求解效率较高而被广泛应用。

4、然而现有技术仍存在以下不足：

5、（1）算法参数固定。交叉率、变异率以及局部搜索概率等参数通常采用固定值。由于搜索过程不同阶段对探索能力和开发能力需求不同，固定参数难以适应复杂动态环境。

6、（2）容易陷入局部最优。随着进化代数增加，种群多样性快速下降，导致算法出现早熟收敛现象。

7、（3）动态适应能力不足。现有方法无法根据当前搜索状态自动调整搜索策略。

8、（4）探索与开发失衡。固定参数无法兼顾全局探索能力和局部开发能力，导致求解质量不稳定。

9、现有元启发式算法虽然具有较好的全局优化能力，但其搜索策略通常固定不变，缺乏根据搜索状态动态调整搜索行为的能力。因此，目前尚缺少一种能够充分结合强化学习智能决策能力与智能优化算法全局搜索能力，实现优化算法自适应控制的新型柔性作业车间调度方法。

10、此外，现有研究多数将强化学习与优化算法简单串联，即强化学习完成一次决策后，由优化算法独立完成搜索，两者之间缺乏持续反馈机制，强化学习无法实时感知优化算法搜索状态，也无法根据搜索效果动态调整搜索策略，导致强化学习智能控制能力没有得到充分发挥。

11、因此，如何建立优化算法搜索状态与强化学习决策之间的闭环反馈机制，使强化学习能够实时感知种群状态、自适应控制优化算法搜索过程，实现优化算法搜索策略动态调整，提高柔性作业车间动态调度效率和调度质量，已成为当前智能调度领域亟需解决的重要技术问题。因此，亟需提出一种能够根据搜索状态实时调整进化策略、兼顾探索与开发能力、适用于动态柔性作业车间环境的智能优化方法。

技术实现思路

1、本发明旨在解决现有柔性作业车间调度优化算法中参数固定、容易早熟收敛以及动态适应能力不足的问题，本发明提出一种自适应控制的柔性作业车间智能调度优化方法及系统，将深度强化学习智能决策机制与改进樽海鞘群算法深度融合，构建一种面向柔性作业车间动态优化调度的闭环智能控制框架。与传统将强化学习作为独立调度器不同，本发明将rainbow dqn作为优化算法的智能控制器，以种群搜索状态为决策对象，实现优化算法搜索参数、搜索策略及局部搜索行为的在线自适应调整，使优化算法能够根据不同搜索阶段自动选择更合适的搜索方式，提高全局搜索能力和局部开发能力之间的平衡性能。

2、一方面，提供了一种自适应控制的柔性作业车间智能调度优化方法，包括：

3、建立柔性作业车间调度数学模型；

4、获取重调度时刻的生产状态信息，用每一个樽海鞘个体表示一种调度方案，基于所述重调度时刻的生产状态信息生成初始种群；计算樽海鞘的初始适应度值，将樽海鞘按照适应度值进行倒序排序，将排在首位的樽海鞘的位置设置为当前食物的位置；

5、引领者和追随者设定步骤：选定食物位置后，对群体中剩余樽海鞘，按照樽海鞘群体的排序，将排在前一半的樽海鞘视为引领者，其余樽海鞘视为追随者；

6、引领者和追随者位置更新步骤：基于所述初始种群，构建状态特征向量；将状态特征向量输入rainbow dqn模型，rainbow dqn输出对应动作组合，所述动作组合包括：交叉率cr和局部搜索率ls；基于交叉率cr对樽海鞘群算法的引领者位置更新公式进行改进，执行引领者位置更新；基于学习概率参数，对追随者的位置进行更新；基于局部搜索率ls，对引领者和追随者的位置再次更新，计算奖励值；根据奖励值生成经验样本，进行经验回放以及rainbow dqn更新；

7、适应度值计算步骤：计算更新后的群体的适应度值，将更新后的每个樽海鞘个体的适应度值与当前食物的适应度值进行比较，如果更新后的樽海鞘的适应度值优于食物的适应度值，则以当前适应度值更优的樽海鞘的位置作为新的食物位置；

8、重复引领者和追随者设定步骤、引领者和追随者位置更新步骤以及适应度值计算步骤，直到达到一定迭代次数或适应度值达到终止门限，满足终止条件后，输出当前食物位置作为最优调度方案。

9、另一方面，提供了一种自适应控制的柔性作业车间智能调度优化系统，包括：

10、模型建立模块，其被配置为：建立柔性作业车间调度数学模型；

11、初始种群生成模块，其被配置为：获取重调度时刻的生产状态信息，用每一个樽海鞘个体表示一种调度方案，基于所述重调度时刻的生产状态信息生成初始种群；计算樽海鞘的初始适应度值，将樽海鞘按照适应度值进行倒序排序，将排在首位的樽海鞘的位置设置为当前食物的位置；

12、引领者和追随者设定模块，其被配置为：选定食物位置后，对群体中剩余樽海鞘，按照樽海鞘群体的排序，将排在前一半的樽海鞘视为引领者，其余樽海鞘视为追随者；

13、引领者和追随者位置更新模块，其被配置为：基于所述初始种群，构建状态特征向量；将状态特征向量输入rainbow dqn模型，rainbow dqn输出对应动作组合，所述动作组合包括：交叉率cr和局部搜索率ls；基于交叉率cr对樽海鞘群算法的引领者位置更新公式进行改进，执行引领者位置更新；基于学习概率参数，对追随者的位置进行更新；基于局部搜索率ls，对引领者和追随者的位置再次更新，计算奖励值；根据奖励值生成经验样本，进行经验回放以及rainbow dqn更新；

14、适应度值计算模块，其被配置为：计算更新后的群体的适应度值，将更新后的每个樽海鞘个体的适应度值与当前食物的适应度值进行比较，如果更新后的樽海鞘的适应度值优于食物的适应度值，则以当前适应度值更优的樽海鞘的位置作为新的食物位置；

15、调度方案输出模块，其被配置为：重复引领者和追随者设定步骤、引领者和追随者位置更新步骤以及适应度值计算步骤，直到达到一定迭代次数或适应度值达到终止门限，满足终止条件后，输出当前食物位置作为最优调度方案。

16、再一方面，还提供了一种电子设备，包括：

17、存储器，用于非暂时性存储计算机可读指令；以及

18、处理器，用于运行所述计算机可读指令，

19、其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。

20、再一方面，还提供了一种存储介质，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法。

21、再一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。

22、上述技术方案具有如下优点或有益效果：

23、实现搜索参数在线自适应控制，避免传统固定参数导致的性能退化问题，强化学习与群体智能深度融合，提高全局搜索能力。构建多邻域协同优化机制，增强局部开发能力。提高种群多样性保持能力，降低陷入局部最优概率。提高动态扰动环境下的响应能力，适用于订单插入、试制任务到达以及加工时间波动场景。提高重调度方案质量，降低作业拖期，提升设备利用率。