一种多目标动态调度及优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115982998A(43)申请公布日2023.04.18(21)申请号202211707446.9G06Q50/04(2012.01)(22)申请日2022.12.29G06F111/04(2020.01)G06F111/06(2020.01)(71)申请人青岛鹏海软件有限公司地址266000山东省青岛市崂山区松岭路169号1号楼(72)发明人崔吉福王爱玲翟伟伟史铭立梁欢欢于杭玉孙丹丹(74)专利代理机构北京同辉知识产权代理事务所(普通合伙)11357专利代理师于晶晶(51)Int.Cl.G06F30/20(2020.01)G06Q10/04(2023.01)G06Q10/0631(2023.01)G06N3/126(2023.01)权利要求书2页说明书5页附图1页(54)发明名称一种多目标动态调度及优化方法(57)摘要本发明提供了一种多目标动态调度及优化方法，所述方法包括：构建多目标多约束协同优化问题，给定多目标函数；根据多目标函数，建立混线柔性生产线协同平衡的多目标协同优化模型；使用多种群遗传算法对多目标多约束协同优化问题进行求解；对世代数gen、种群大小pop，交叉概率Pc和变异概率Pv进行调整，根据不同参数选择方案，分析影响生产和交付效率的关键影响因子，进而对参数进行进一步调整；本发明针对混线柔性生产中产品资源的的分散性、不均衡性、多样性等特点，通过构建多目标多约束协同优化问题，分析混线柔性智能生产线的动态平衡特性，实现混线柔性生产场景下工厂资源一体化联动。CN115982998ACN115982998A权利要求书1/2页1.一种多目标动态调度及优化方法，其特征在于，所述方法包括：S100、构建多目标多约束协同优化问题，假设某产品生产需要M个制造资源，每个制造资源包含N个生产线，每个生产线有P道工序，给定多目标函数；S200、根据多目标函数，建立混线柔性生产线协同平衡的多目标协同优化模型；S300、使用多种群遗传算法对多目标多约束协同优化问题进行求解；S400、对世代数gen、种群大小pop，交叉概率Pc和变异概率Pv进行调整，根据不同参数选择方案，分析影响生产和交付效率的关键影响因子，进而对参数进行进一步调整；S500、进行生产过程仿真并针对仿真结果，对生产过程中影响生产和交付效率的关键影响因子进行模拟验证，并将验证结果进行反馈。2.根据权利要求1所述的多目标动态调度及优化方法，其特征在于，所述多目标函数包括以下至少一项：设备利用率函数、成本函数和生产线平衡率函数。3.根据权利要求2所述的多目标动态调度及优化方法，其特征在于，所述设备利用率函数的计算方法如下图所示：其中，为第m个制造资源的生产线i在第j道工序的设备数量，为第m个制造资源在生产线i的第j道工序的加工时间，rB为实际生产节拍。4.根据权利要求3所述的多目标动态调度及优化方法，其特征在于，所述实际生产节拍的计算方法如下图所示：其中，ta为物料准备时间。5.根据权利要求2所述的多目标动态调度及优化方法，其特征在于，所述成本函数的计算方法如下图所示：其中,为第m个制造资源在生产线i的第j道工序的加工成本。6.根据权利要求2所述的多目标动态调度及优化方法，其特征在于，所述生产线平衡率2CN115982998A权利要求书2/2页的计算方法如下图所示：7.根据权利要求1所述的多目标动态调度及优化方法，其特征在于，所述根据多目标函数，建立混线柔性生产线协同平衡的多目标协同优化模型的计算方法如下图所示：rm≤rB,其中，约束条件至少包括约束1、约束2、约束3、约束4和约束5中的至少一个，所述约束1表示生产线时间约束，约束2表示生产线产量约束，约束3表示生产线设备约束，约束4表示每道工序至少有一台设备，约束5表示生产线加工成本约束。8.根据权利要求1所述的多目标动态调度及优化方法，其特征在于，所述使用多种群遗传算法对多目标多约束协同优化问题进行求解的具体方法包括：S310、产生初始种群Pc(0)，c＝1,2，..,s,设种群代数t＝0；S320、计算种群Pc(t)中每个个体的适应度值；S330、用轮盘赌从Pc(t)中选择N个个体；以概率pc选择参加交叉的个体，对它们进行随机配对，每对用单点交叉产生一对后代；对每个后代以概率pm进行位点变异得到一个新的后代，计算各个后代的适应度；得到下一代种群Pc(t+1)；如果算法满足终止条件，终止算法。9.根据权利要求8所述的多目标动态调度及优化方法，其特征在于，所述使用多种群遗传算法对多目标多约束协同优化问题进行求解的具体方法还包括：如果算法不满足终止条件，令t＝t+1，转入步骤S320。10.根据权利要求1所述的多目标动态调度及优化方法，其特征在于，所述关键影响因子包