一种流程柔性稀疏结构设计方法、设备及存储介质技术

本发明专利技术涉及人工智能技术领域，特别涉及一种流程柔性稀疏结构设计方法、设备及存储介质，包括如下步骤：利用连接工厂和产品的二分图表示所述流程柔性稀疏结构设计问题，即SPFD问题，将所述SPFD问题表述为双层优化问题；将所述SPFD问题建模为群稀疏最优传输问题；针对所述群稀疏最优传输问题构建基于ADMM的交替优化算法框架进行求解；通过所述交替优化算法框架求解所述群稀疏最优传输问题，根据所得最优传输方案构造制造网络；得到流程柔性结构。本发明专利技术将SPFD问题转化为求解群稀疏最优传输问题，并设计了一种基于ADMM的交替优化算法框架对此进行求解，在供应与需求平衡及不平衡的条件下都适用。条件下都适用。条件下都适用。

【技术实现步骤摘要】
一种流程柔性稀疏结构设计方法、设备及存储介质


[0001]本专利技术涉及人工智能
，特别涉及一种流程柔性稀疏结构设计方法、设备及存储介质。

技术介绍

[0002]流程柔性稀疏结构设计，简称SPFD， 起源于汽车制造，是一个运筹学和运营管理的经典问题，现广泛应用于工业、服务业等产业中，如汽车制造业中供应链设计、客服中心人力资源的分配、机场的航班调度、医疗资源管理、快递系统优化等。
[0003]其中，“流程柔性”指的是“在同一制造工厂或同一时间在同一生产线上制造不同类型的产品”的能力，“柔性”即灵活性，它是工厂能否应对不确定的变动的市场需求的关键。“柔性结构设计”指的是确定每个工厂应该生产哪些产品的决策集（即每个工厂生产哪些产品）。在完全灵活的情况下，每个工厂都能够制造每个产品。但完全灵活通常是非常昂贵且不必要的，通过有限的（稀疏）灵活就可以近似达到完全灵活的效益。一般将这样的柔性结构称为制造网络，用二部图来表示。
[0004]现有的SPFD方法大多是基于启发式的，通过一步步向空的二部图中添加边或者从完全灵活的二部图中删减边来设计制造网络，大致可以分为以下三种：
[0005]（1）基于优化的方法。给定当前制造网络，这种方法通过解决最大流问题或者它的对偶问题或者加入随机性后的最大流问题，来确定下一步要添加或删减的一条或多条边，不断迭代，直到完成制造网络的设计。
[0006]（2）基于图扩展器的节点扩展法。这种方法使用贪心算法，总是选择当前扩展率最低的工厂节点和扩展率最低的产品节点，添加它们之间的边。通过不断迭代提高节点扩展比率，以提高制造网络的连通性，实现柔性结构设计。
[0007]（3）基于学习的方法。这种方法将添加边及其对制造网络的影响，模拟为强化学习中的行动状态序列，并通过训练策略模型来优化制造网络。相比于基于优化的方法需要在每个步骤中解决一个最大流问题，这种方法避免了迭代。
[0008]现有技术中大多是基于启发式的两阶段优化策略，首先估计当前制造网络中边的重要性，再根据边的重要性通过添加或删除边，更新制造网络的拓扑。重复上述两步形成的启发式的方法没有考虑共同优化边的重要性和网络拓扑结构，这通常会导致局部最优。同时，这些方法和它们的理论常常建立在特定的假设基础上，例如每条边的收益相同，相同大小的供应和需求，指定的网络拓扑类型（如长链或k链）等等，这将限制它们在更为一般的实际场景中的适应性。

技术实现思路

[0009]针对现有技术的上述部分或全部不足，本专利技术所要解决的技术问题是如何设计一种灵活的结构，使得工厂的生产线能够根据需求的动态变化快速转移和重分配生产资料，实现生产过程的灵活性和可持续性。为此，本专利技术提供了一种流程柔性稀疏结构设计方法，
包括如下步骤：
[0010]利用连接工厂和产品的二分图表示所述流程柔性稀疏结构设计问题即SPFD问题，将所述SPFD问题表述为双层优化问题；
[0011]将所述SPFD问题建模为群稀疏最优传输问题；
[0012]针对所述群稀疏最优传输问题构建基于ADMM的交替优化算法框架；
[0013]通过所述交替优化算法框架求解所述群稀疏最优传输问题，根据所得最优传输方案构造制造网络，得到流程柔性结构。
[0014]优选地，所述群稀疏最优传输问题包括：
[0015]引入一个变量，所述变量的输入为产品需求的向量，输出为一个传输矩阵;
[0016]计算所述传输矩阵的期望，所述期望表示所述制造网络的拓扑结构，具有稀疏约束，所述期望中的每个元素表示所述二分图每条边上预期的产品数量。
[0017]优选地，所述变量的引入将双层优化问题转化为嵌套的函数优化问题，内层的优化问题为给定产品需求量对传输矩阵进行优化，外层的优化为在带有稀疏约束的整个函数上进行优化。
[0018]优选地，将所述传输矩阵组表示为张量，且使用稀疏正则项来取代所述稀疏约束，得到了最终的群稀疏最优传输问题，其中，M代表工厂数，N代表产品数，K代表所述方法中用于设计制造网络的供需对数量。
[0019]优选地，所述群稀疏最优传输问题的求解方法包括如下步骤：
[0020]输入工厂的供应量、产品的需求量、每个工厂生产每种产品的利润以及所述制造网络的最大边数；
[0021]构建基于ADMM的交替优化算法框架，将变量、和分别做初始化，其中，为对偶变量；
[0022]迭代更新、和。
[0023]构造制造网络。
[0024]优选地，所述迭代更新、和，将所述群稀疏最优传输问题分为三个子问题，在每一次迭代中依次求解三个子问题来分别更新、和。
[0025]优选地，所述更新，分别考虑供需平衡和供需不平衡两种情况，固定和，求解K个独立的二次正则化最优传输问题，其中、表示第次迭代时、的值。
[0026]本专利技术还提供了一种电子设备，所述电子设备包括：
[0027]至少一个处理器；以及，
[0028]与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
[0029]本专利技术还提供了一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行上述的方法。
[0030]有益效果：
[0031]1、本专利技术不采用两阶段启发式优化策略，而是在联合优化框架下解决一个凸优化问题来近似解决SPFD问题，保证其在理论上收敛到全局最优。
[0032]2、本专利技术提供的群稀疏最优传输问题，将SPFD问题转化为求解群稀疏最优传输问题，并设计了一种基于ADMM的交替优化算法框架对此进行求解，形成一种通用的算法框架。
[0033]3、本专利技术实施例提供的新型方法在供应与需求平衡及不平衡的条件下都适用。
附图说明
[0034]图1为本专利技术实施例流程柔性稀疏结构设计方法流程图；
[0035]图2为本专利技术实施例群稀疏最优传输问题的示意图；
[0036]图3为本专利技术实施例SPFD问题的示意图；
[0037]图4为本专利技术实施例群稀疏最优传输问题求解方法流程图；
[0038]图5为本专利技术实施例条件梯度算法中求梯度部分流程图。
具体实施方式
[0039]下面结合附图，具体说明本专利技术的优选实施方式。
[0040]首先介绍本专利技术实施例中需要使用的物理量及数学表示：
[0041]最优传输（Optimal Transport）：一种用于测量两个概率分布之间距离的数学理论。该理论通过比较两个分布之间最小成本的传输方案，来度量它们之间的差异。在工厂的生产中，给定工厂供应与产品需求，其最优传输问题为如何将各工厂的供应分配给各产品需求才能使得总的利润最大，这个分配方案就是最优传输方案，表示为一个矩阵。
[0042]L
‑
BFGS算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流程柔性稀疏结构设计方法，其特征在于，包括如下内容：利用连接工厂和产品的二分图表示流程柔性稀疏结构设计问题，即SPFD问题，将所述SPFD问题表述为双层优化问题；将所述SPFD问题建模为群稀疏最优传输问题；针对所述群稀疏最优传输问题构建基于ADMM的交替优化算法框架；通过所述交替优化算法框架求解所述群稀疏最优传输问题，根据所得最优传输方案构造制造网络。2.如权利要求1所述的流程柔性稀疏结构设计方法，其特征在于，所述群稀疏最优传输问题包括：引入一个函数变量，所述函数变量的输入为产品需求ν的向量，输出为一个传输矩阵；计算所述传输矩阵的期望，所述期望表示所述制造网络的拓扑结构，具有稀疏约束，所述期望中的每个元素表示所述二分图每条边上预期的产品数量。3.如权利要求2所述的流程柔性稀疏结构设计方法，其特征在于，所述变量的引入将双层优化问题转化为嵌套的函数优化问题，内层的优化问题为给定产品需求量对所述传输矩阵进行优化，外层的优化为在带有稀疏约束的整个函数上进行优化。4.如权利要求 3所述的流程柔性稀疏结构设计方法，其特征在于，将所述传输矩阵组表示为张量，且使用稀疏正则项来取代所述稀疏约束，得到了最终的群稀疏最优传输问题，其中，M代表工厂数，N代表产品数，K代表用于设计制造网络的供需对数量，表示第k个供需对所对应的传输矩阵。5.如权利要求 ...

【专利技术属性】
技术研发人员：罗迪新，许洪腾，余婷婷，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：