一种基于改进BAS算法的智能调度方法

一种基于改进bas算法的智能调度方法
技术领域
1.本发明涉及智能工厂的控制与调度领域，特别涉及一种基于改进bas算法的智能调度方法。


背景技术：

2.智能制造已逐渐成为社会关注的热点。工业制造领域正朝着数字化、智能化和多元化的方向发展，智能制造技术已成为工业界高度重视的领域之一。在此背景下，智能工厂正有效地支持着智能制造的实施。
3.与传统机械化工厂不同，智能工厂由于数字化程度的加深，生产规模进一步扩大，生产过程中的数据量也更加庞大，因此调度难度进一步的提升，如何高效准确的对智能工厂生产线进行调度是非常关键的问题。调度问题及其相关知识包括如何合理规划产品的加工顺序、如何对生产数据进行更加高效的处理，以及如何将库存、生产、运输等环节更有效结合起来等相关问题，这些问题是现代化工厂管理和生产中面临的非常重要的问题。目前国内外学者对智能工厂的调度问题，主要集中在利用数据集和以往的经验实现工厂任务分配，包括使用卷积神经网络、多智能体、agent等智能算法。虽然上述方法在智能工厂的调度问题上都有着不错的效果，但需要大量历史数据来进行训练，以保证模型的准确性，一旦超出了数据集的范围，就会在一定程度上造成调度的不准确。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提供一种基于改进bas算法的智能调度方法，可以准确快速的完成对于智能工厂生产的最优调度分配。
5.为了实现上述目的，本发明采用的技术方案为：一种基于改进bas算法的智能调度方法，包括如下步骤：
6.(1)获取订单信息和设备信息；
7.(2)将订单信息和设备信息进行标记：将订单按照紧急程度进行标记；将设备按照生产不同紧急程度订单进行分类；
8.(3)按照bas算法将订单分别分配至生产设备中，对每种分配方案进行评估并迭代出最优的调度分配方式。
9.步骤(1)包括：利用mes系统获取客户的订单信息；利用plc数据采集站接收设备状态信息和环境信息。
10.所述步骤(1)还包括对订单信息和设备信息进行预处理，剔除异常数据。
11.所述步骤(2)包括：
12.按照订单紧急程度将订单信息分类记为b1、b2、b3
…
；
13.将生产线设备信息分类记为a1、a2、a3
…
；
14.每类生产线设备对应有可生产的订单紧急程度；且成产紧急程度越高的订单对应的生产线成本费用越高、时间越短。
15.所述bas算法为改进更新触角距离和步长的bas算法对订单进行调度分配处理。
16.改进bas算法包括以下步骤：
17.步骤a：天牛在任意位置时，头的朝向都是随机的，天牛朝向向量归一化公式为：
[0018][0019]
式中，rand(d,1)表示随机生成的调度指令函数，d为空间的维度；
[0020]
步骤b：获得方向向量后，定义甲虫左右触角的位置如下：
[0021][0022][0023]
式中，以不同紧急程度订单的数量作为初始甲虫左右触角的位置x
l
与xr；以m时刻各等级订单数量作为质心位置xm，以m时刻左右触角各等级订单数量差作为两触角间的距离dm。
[0024]
步骤c：以生产线利用效率和收益率为目标，构造适应度函数，具体形式如下：
[0025][0026][0027][0028]
式中，m表示生产线的数量，t表示生产加工器件总时间，c表示生产总收入， c
cost
为总成本，λ1,λ2分别为生产线利用效率和收益率在目标函数中的权重； n1,n2,n3分别表示生产紧急程度为b1,b2,b3时生产任务的数量；o1,o2,o3分别表示生产紧急程度为b1,b2,b3时生产任务工序的数量，s,n,o表示生产线、生产任务以及工序对应的序号,xi(i＝1,2,3)表示订单紧急程度为i，任务n的第o道工序在生产线s上的执行时间；ti(i＝1,2,3)表示订单紧急程度为i，所有工序的最晚结束时间，即最大完成时间；c1,c2,c3分别表示不同生产线生产机器的费用，数字越小费用越高,c4为其他综合费用。此时的j(x)越大，说明智能工厂生产线利用效率和收益率越高。
[0029]
步骤d：依据适应度函数j(x)计算天牛两侧触须的气味浓度j(x
l
)和j(xr)，即生产线的等级程度，比较天牛左右触角的适应度，决定下一步移动的位置。为了模仿天牛探测机制，生成以下位置更新迭代模型：
[0030][0031]
式中，sign为符号函数，以m时刻各等级新增订单数量作为搜索步长δm。
[0032]
步骤e：在实际应用中，两须间的距离差dm和天牛的步长δm更新规则如下：
[0033]dm
＝de·dm-1
[0034]
δm＝δe·
δ
m-1
[0035]
式中，de为两触角距离的衰减系数，以m-1时刻左右触角各等级订单数量差作为上一时刻两触角间的距离d
m-1
,δe为步长的衰减系数，以m-1时刻各等级新增订单数量作为上
一时刻的搜索步长δ
m-1
。
[0036]
步骤f：为解决bas算法每次迭代只能更新一个触角距离和步长，容易使系统陷入局部最优的问题，在步骤e的基础上进行改进，根据已有的衰减系数，每次生成10组左右触角各等级的订单数量差与各等级新增的订单数量，即10 组触角距离和步长数据，通过对数据集加权计算，得到最优的触角距离和步长，并将该数据作为当前位置最优的触角距离和步长值。
[0037][0038][0039]
步骤g：更新触角距离和步长，判断是否达到最优或者达到最大迭代次数，若是则迭代结束返回最优的分配数量即每类生产线设备对应的生产每种紧急程度订单的数据，否则返回步骤b。
[0040]
将订单信息送至客户订单工作站、利用plc数据采集站接收设备状态信息和环境信息，各plc数据采集站和客户订单工作站将数据上传至数据层中。
[0041]
数据处理中心从数据层获取订单分类及生产线设备信息并执行步骤(3)输出每类生产线设备分配生产的每种紧急程度订单的数量。
[0042]
数据处理中心输出的生产调度分配结果送入到生产线控制系统中，生产线控制系统接收到传来的分配命令，开始按照要求进行调度生产，并将相关生产情况传递给展示层；展示层的控制台将在此出以监控平台的形式展示感知层、数据层和调度层的有关信息，并提供相应接口供人工介入。
[0043]
本发明的优点在于：1、基于对感知层数据的预分析，剔除了重复或者错误的订单信息，提高了数据层对感知层数据处理的效率；
[0044]
2、通过bas算法去寻找最优生产线分配任务的数量，简单快速的实现目标寻优，避免了其他智能算法使用大量数据对模型进行训练造成分配结果严重依赖历史数据的问题；
[0045]
3、针对天牛在更新触角距离和步长时的衰减系数固定，且一次只能够产生一组数据，无法确定当前数据是否为最优触角距离和步长的问题，本发明提出了一种改进天牛触角距离和步长的优化算法，通过对触角距离、步长进行加权处理，可获得该位置最优的触角距离和步长，从而为整体算法的寻优提供了最优的触角距离和步长参数。
附图说明
[0046]
下面对本发明说明书各幅附图表达的内容及图中的标记作简要说明：
[0047]
图1是智能工厂调度系统的整体框架图
[0048]
图2是改进天牛须算法的流程图
具体实施方式
[0049]
下面对照附图，通过对最优实施例的描述，对本发明的具体实施方式作进一步详细的说明。
[0050]
针对智能工厂生产调度过程中存在的技术问题，本发明提供一种基于改进 bas算法的调度方法，下面结合附图及实施例对本发明做进一步说明
[0051]
如图1所示，一种工厂智能调度方法，该调度方法主要包括以下步骤：
[0052]
步骤1：通过安装在底层机械设备上的智能传感器获取设备的运行状态和环境状态，利用mes系统获取客户的订单信息；
[0053]
步骤2：利用plc数据采集站接收设备状态信息和环境信息，将订单信息送至客户订单工作站；
[0054]
步骤3：各plc数据采集站和客户订单工作站经过数据预处理，将异常数据剔除，剩余的数据送至数据层；
[0055]
步骤4：通过聚类算法将客户订单信息记为b1,b2,b3，其中数字越小表示客户订单越紧急；将生产线设备信息记为a1,a2,a3，其中数字越小表示生产线等级越高，生产一台设备所用的费用越高，时间越短定义a1可以完成b1,b2,b3中任意任务，a2可以完成b2,b3中任意任务，a3仅能完成b3中的任务，统计各状态的数量并上传至调度层的数据处理中心；
[0056]
步骤5：调度层首先调用改进后的bas算法，通过天牛在三维空间中对食物位置的不断寻找来模拟智能工厂订单的分配过程，迭代结果将送达对应的生产线；
[0057]
步骤6：三个等级的生产线接收到上层智能控制器传来的分配命令，开始按照要求进行调度生产，并将相关生产情况传递给展示层；
[0058]
步骤7：展示层的控制台将在此出以监控平台的形式展示感知层、数据层和调度层的有关信息，便于相关人员及时准确获知工厂信息，并提供相应接口供人工介入，实现人机友好交互应用和体验。
[0059]
如图2，针对步骤5所使用的改进bas算法，具体包括以下步骤：
[0060]
步骤a：天牛在任意位置时，头的朝向都是随机的，天牛朝向向量归一化公式为：
[0061][0062]
式中，rand(d,1)表示随机生成的调度指令函数，d为空间的维度。
[0063]
步骤b：获得方向向量后，定义甲虫左右触角获得不同等级的订单数量如下：
[0064][0065][0066]
式中，以不同紧急程度订单的数量作为初始甲虫左右触角的位置x
l
与xr；以m时刻各等级订单数量作为质心位置xm，以m时刻左右触角各等级订单数量差作为两触角间的距离dm。
[0067]
步骤c：以生产线利用效率和收益率为目标，构造适应度函数，具体形式如下：
[0068][0069][0070]
[0071]
式中，m表示生产线的数量，t表示生产加工器件总时间，c表示生产总收入， c
cost
为总成本，λ1,λ2分别为生产线利用效率和收益率在目标函数中的权重； n1,n2,n3分别表示生产紧急程度为b1,b2,b3时生产任务的数量；o1,o2,o3分别表示生产紧急程度为b1,b2,b3时生产任务工序的数量，s,n,o表示生产线、生产任务以及工序对应的序号,xi(i＝1,2,3)表示订单紧急程度为i，任务n的第o道工序在生产线s上的执行时间；ti(i＝1,2,3)表示订单紧急程度为i，所有工序的最晚结束时间，即最大完成时间；c1,c2,c3分别表示不同生产线生产机器的费用，数字越小费用越高,c4为其他综合费用。此时的j(x)越大，说明智能工厂生产线利用效率和收益率越高。
[0072]
步骤d：依据适应度函数j(x)计算天牛两侧触须的气味浓度j(x
l
)和j(xr)，即生产线的等级程度，比较天牛左右触角的适应度，决定下一步移动的位置。为了模仿天牛探测机制，生成以下位置更新迭代模型：
[0073][0074]
式中，sign为符号函数，以m时刻各等级新增订单数量作为搜索步长δm。
[0075]
步骤e：在实际应用中，两须间的距离差dm和天牛的步长δm更新规则如下：
[0076]dm
＝de·dm-1
[0077]
δm＝δe·
δ
m-1
[0078]
式中，de为两触角距离的衰减系数，以m-1时刻左右触角各等级订单数量差作为上一时刻两触角间的距离d
m-1
,δe为步长的衰减系数，以m-1时刻各等级新增订单数量作为上一时刻的搜索步长δ
m-1
。
[0079]
步骤f：为解决bas算法每次迭代只能更新一个触角距离和步长，容易使系统陷入局部最优的问题，在步骤e的基础上进行改进，根据已有的衰减系数，每次生成10组左右触角各等级的订单数量差与各等级新增的订单数量，即10 组触角距离和步长数据，通过对数据集加权计算，得到最优的触角距离和步长，并将该数据作为当前位置最优的触角距离和步长值。
[0080][0081][0082]
步骤g：更新触角距离和步长，判断是否达到最优或者达到最大迭代次数，若是则迭代结束返回最优的分配数量，否则返回步骤b。
[0083]
实施本发明的智能工厂调度系统，可以有效提高工厂物流调度的效率和准确性，简单易实现。具体有以下优点：
[0084]
1、基于对感知层数据的预分析，剔除了重复或者错误的订单信息，提高了数据层对感知层数据处理的效率；
[0085]
2、通过bas算法去寻找最优生产线分配任务的数量，简单快速的实现目标寻优，避免了其他智能算法使用大量数据对模型进行训练造成分配结果严重依赖历史数据的问题；
[0086]
3、针对天牛在更新触角距离和步长时的衰减系数固定，且一次只能够产生一组数据，无法确定当前数据是否为最优触角距离和步长的问题，本发明提出了一种改进天牛触
角距离和步长的优化算法，通过对触角距离、步长进行加权处理，可获得该位置最优的触角距离和步长，从而为整体算法的寻优提供了最优的触角距离和步长参数。
[0087]
显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，均在本发明的保护范围之内。