一种知识驱动的柔性离散制造生产调度优化方法与流程

技术特征：
1.基于知识驱动的柔性离散制造生产调度优化方法，其特征在于：基于以下目标函数和约束条件：目标成本函数为：根据tew机制，需要划分开始熔炼的工序的时间周期；如式(1)所示，cid是ji的先前熔炼工序的完成时间，“ceil”表示取整；例如，如果cid＝20，计算出的d
i
＝2，j
i
是在第2天进行批处理的候选任务；要确定以最短完工时间(即作业的最大完成时间)为目标的调度结果(即作业的最大完成时间)；问题的数学公式描述如下：其约束条件为：不等式(3)表示启动时间o
ij
与完成时间o
ij
之间的约束关系；不等式(4)保证开始时间o
i(j 1)
必须不小于完成时间o
ij
；不等式(3)和(4)保证了作业i的工序顺序约束；s
ij
x
ijk
×
p
ijk
≤c
ij
i∈{1，2
…
，n}；j∈{1，2
…
，ni}；k∈mij (3)c
ij
≤s
i(j 1)
i∈{1，2
…
，n}；j∈{1，2
…
，ni
‑
1} (4)式(5)表示该工序在同一时间只能被同一资源加工；此外，这意味着每道工序只能从候选资源集中选择一个资源；式(6)保证每个任务对于每个批工序只能分配到一个批计划中；约束(7)表示每种资源只能加工一道特定的工序；m
il
表示工序o
il
的候选资源集；不等式(8)和式(9)表明，特殊工序必须在特定的时间段内进行加工，这代表了tew机制；其中，由式(1)计算出的d
i
表示作业i的时间段，j＝s表示作业o
ij
，其中a为特定时间段内需要处理的特定工序；v
ijk
×
s
ij
≥(d
i
×
24) 15i∈{1，2
…
，n}；j＝s；k∈mij
ꢀꢀꢀ
(8)v
ijk
×
s
ij
p
ijk
≤(d
i
×
24) 23i∈{1，2
…
，n}；j＝s；k∈mij
ꢀꢀꢀꢀ
(9)不等式(10)指定批处理中作业的总权重不能超过资源总量；具体包括：步骤1、初始化参数后，采用了三种种群初始化策略进行粒子初始化，包括最短加工时间(spt)策略、剩余作业时间最长(mwr)策略、随机初始化策略；步骤2、编码与解码，采用将连续粒子位置映射到作业离散调度的编码方法；在fcjsp(柔性铸造车间调度问题)中，每个粒子由两部分序列组成：o序列和r序列；o序列定义为工
序的序列，r序列定义为每道工序的资源选择；步骤3、pso用于全局搜索，采用连续和离散更新策略，以提高串行混合模式下的全局搜索能力；连续部分引入时变压缩因子以保证收敛稳定性；离散部分采用了保持序交叉(pox)，并设计了一种基于过程的资源交叉(prx)方法来提高搜索效率；步骤4、基于知识驱动的局部禁忌搜索，具体包括：步骤4.1定义禁忌搜索：选择历史极值gbest，作为ts的高质量解决方案的初始解；步骤4.2基于知识驱动的局部搜索，将邻域结构i的经验可能性初始化为p
nsi
(0)＝1/tn；tn是邻域结构的总数；在每一代中，利用邻域结构生成解构造的基于知识的经验更新可能性，如下所示：其中ns
i
是邻域结构i的经验，即使用邻域结构i对当前解决方案进行改进的次数。2.根据权利要求1所述的基于知识驱动的柔性离散制造生产调度优化方法，其特征在于：对模型的环境定义如下：(1)将机器设备、加工组、工人统称为加工资源；(2)在0时刻，所有作业被发布，所有机器都可用；0时刻是第一天的8点；(3)加工一旦开始就不能中断；(4)同一作业的工序有先后顺序，但不同作业之间的工序没有优先级之分；(5)将相邻两道工序之间的搬运时间和启动时间合并到加工时间中。3.根据权利要求1所述的于知识驱动的柔性离散制造生产调度优化方法，其特征在于：所述参数和决策变量包括：m为加工资源总数；n为作业总数；i为作业索引，i＝1，2
…
，n；j为工序索引，j＝1，2
…
，n
i
，如果j＝s，即为熔炼工序；k为资源索引，k＝1，2
…
，m；为j
i
第i个作业；n
i
为作业i的总工序数；b
j
为第j道工序的总批次号；d
i
为作业i的熔炼日期；o
ij
为作业i的第j道工序；m
ij
为作业i的第j道工序的可选资源集；b
jb
为第j道工序第b批次作业集；t
jb
为第j道工序中第b个批次的加工时间；w
jb
为第j道工序中第b个批次的总权重；s
ij
为作业i中第j道工序的开始时间；c
ij
为作业i第j道工序的完成时间；c
im
为作业i的完成时间；c
k
为资源k的加工能力；p
ijk
为资源k中o
ij
工序的加工时间；且工序的加工时间；且工序的加工时间；且4.根据权利要求1所述的基于知识驱动的柔性离散制造生产调度优化方法，其特征在于：所述三种种群初始化策略具体方式如下：最短加工时间(spt)策略、剩余作业时间最长(mwr)策略、随机初始化策略；最短加工时间(spt)策略是选择加工时间最短的工序，以缩短
完工时间；剩余作业时间最长(mwr)策略将一个作业中剩余的总加工时间按优先级排序，用于优化资源分配；随机初始化策略随机生成工序和资源的顺序，丰富种群多样性；这三种初始化策略的比例为0.3∶0.3∶0.4。5.根据权利要求1所述的基于知识驱动的柔性离散制造生产调度优化方法，其特征在于：所述编码解码采用块集成解码(bid)规则；bid规则是将编码集分为柔性块和批处理块，每个块通过相应的解码方法进行解码。6.根据权利要求1所述的基于知识驱动的柔性离散制造生产调度优化方法，其特征在于：所述采用连续和更新策略具体方式为：连续部分引入时变压缩因子以保证收敛稳定性；离散部分采用了保持序交叉(pox)，并设计了一种基于过程的资源交叉(prx)方法来提高搜索效率。7.根据权利要求1所述的基于知识驱动的柔性离散制造生产调度优化方法，其特征在于：所述基于知识驱动的局部搜索禁忌搜索具体方式为：选择历史极值gbest，作为ts的高质量解决方案的初始解，新的禁忌对象进入队列的头部，而其他对象移动到队列的末尾；如果没有移动空间，第一个进入队列的对象将被释放；式(11)和(12)表示禁忌表的长度，禁忌表的长度随迭代周期动态变化；这里，k是一个与参数相关联的动态禁忌表，t
max
是最大迭代次数；δ＝t
max
/5
ꢀꢀꢀꢀ
(12)k
max
是ts算法在当前迭代中执行的步长；k是当前的步长；k随当前迭代t动态变化，如式13所示；这保证了算法在后期关注局部搜索性能；

技术总结
本发明涉及一种知识驱动的柔性离散制造生产调度优化方法。对消失模铸造环境下批处理机的柔性作业车间调度问题进行研究，建立了基于完工时间准则的柔性铸造作业车间调度模型。结合铸造生产的特点，将时间执行窗口应用于模型中。采用混合粒子群优化算法(HPSO)对模型进行求解。在该算法中，提出了块集成解码规则来解决调度集成问题。采用离散型和连续型两种搜索策略对粒子群优化算法进行全局搜索。在此基础上，采用基于知识驱动的邻域禁忌搜索算法进行局部搜索。进行仿真实验验证了所提优化模型的可行性，并将其应用于消失模铸造。实验结果表明，该算法比已有算法具有更高的效率和鲁棒性。性。性。


技术研发人员：王磊 闻婧 唐红涛 张伟 艾孜买提
受保护的技术使用者：武汉理工大学
技术研发日：2021.07.08
技术公布日：2021/10/8