柔性作业车间分批调度优化方法、装置及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115292950A(43)申请公布日2022.11.04(21)申请号202210988638.5G06F111/06(2020.01)(22)申请日2022.08.17G06F111/08(2020.01)G06F111/10(2020.01)(71)申请人武汉理工大学地址430070湖北省武汉市洪山区珞狮路122号(72)发明人李益兵廖铖王磊陈国奥曹岩金校(74)专利代理机构武汉智嘉联合知识产权代理事务所(普通合伙)42231专利代理师张璐(51)Int.Cl.G06F30/20(2020.01)G06Q10/06(2012.01)G06Q50/04(2012.01)G06F111/04(2020.01)权利要求书3页说明书11页附图6页(54)发明名称柔性作业车间分批调度优化方法、装置及电子设备(57)摘要本发明提供了一种柔性作业车间分批调度优化方法、装置及电子设备，其方法包括：获取车间的多种工件、多台机器以及各工件的多道工序；基于预设的批次生成策略确定各种所述工件的多个加工批次；基于所述多种工件、所述多台机器、所述多道工序以及所述多个加工批次构建柔性作业车间分配调度优化目标函数及约束条件；基于强化学习‑人工蜂群算法以及所述约束条件对所述柔性作业车间分配调度优化目标函数进行求解，获得柔性作业车间分配调度方案。本发明提高了获得柔性作业车间分配调度方案的效率。CN115292950ACN115292950A权利要求书1/3页1.一种柔性作业车间分批调度优化方法，其特征在于，包括：获取车间的多种工件、多台机器以及各工件的多道工序；基于预设的批次生成策略确定各种所述工件的多个加工批次；基于所述多种工件、所述多台机器、所述多道工序以及所述多个加工批次构建柔性作业车间分配调度优化目标函数及约束条件；基于强化学习‑人工蜂群算法以及所述约束条件对所述柔性作业车间分配调度优化目标函数进行求解，获得柔性作业车间分配调度方案。2.根据权利要求1所述的柔性作业车间分批调度优化方法，其特征在于，所述柔性作业车间分配调度优化目标函数为：F＝min(makespan)式中，F为柔性作业车间分配调度优化目标函数；min()为最小值函数；makespan为完工时间；max[]为最大值函数；Oi,j,k为第i个工件的第k个加工子批的第j道工序；FT(Oi,j,k)为Oi,j,k的加工结束时刻；n为工件总数；p为每个工件的工序数量；Ni为第i个工件的加工子批数。3.根据权利要求2所述的柔性作业车间分批调度优化方法，其特征在于，所述约束条件为：+Ni＝{Ni∈[1,sublotUB]|Ni∈N}PT(Oi,j,k)＝PTi,j,l·Li,k·X(Oi,j,k,Ml)l＝1,2,...,mFT(Oi,j,k)＝TT(Oi,j,k‑1,Oi,j,k)+ST(Oi,j,k)+PT(Oi,j,k)FT(Oi,j,1)＝ST(Oi,j,1)+PT(Oi,j,1)MTl＝FT(Oi,j,k)ST(Oi,j,k)≥max{FT(Oi,j‑1,k),MTl}ST(Oi,1,k)≥max{0,MTl}+式中，sublotUB为加工子批次的最大值；N为正整数；TLi为第i个工件的加工总批数；Li,k为第i个工件的第k个加工子批的数量；PT(Oi,j,k)为Oi,j,k的加工时间；m为机器总数；PTi,j,l2CN115292950A权利要求书2/3页为第i个工件的第j道工序在Ml上的加工时间；Ml为第l个机器；X(Oi,j,k,Ml)为Oi,j,k和Ml的决策变量；TT(Oi,j,k‑1,Oi,j,k)为从Oi,j,k‑1到Oi,j,k的运输时间；ST(Oi,j,k)为Oi,j,k的加工开始时刻；MTl为第l个机器的加工时间。4.根据权利要求1所述的柔性作业车间分批调度优化方法，其特征在于，所述基于强化学习‑人工蜂群算法以及所述约束条件对所述柔性作业车间分配调度优化目标函数进行求解，获得柔性作业车间分配调度方案，包括：获得初始化人工蜂群参数，所述初始化人工蜂群参数包括初始雇佣蜂、初始侦查蜂、初始围观蜂以及与初始雇佣蜂对应的初始食物源；采用两段式整数编码方式对初始食物源进行编码，生成包括第一段染色体信息和第二段染色体信息的染色体，第一段染色体信息为表示当前工序选择的机器的设备选择段，第二段染色体信息为表示工序排序的工序排序段；基于人工蜂群算法以及所述约束条件确定柔性作业车间调度方案；基于强化学习算法以及所述柔性作业车间调度方案确定所述柔性作业车间分配调度方案。5.根据权利要求4所述的柔性作业车间分批调度优化方法，其特征在于，所述基于人工蜂群算法以及所述约束条件确定柔性作业车间调度方案，包括：步骤一、所述初始围观蜂评价