本发明专利技术涉及柔性作业车间调度控制技术领域，具体为基于多目标进化算法的柔性作业车间节能调度方法，包括以下步骤：构建柔性作业车间节能调度问题模型，定义作业集合、机器集合、工序集合、制造跨度、加工时间和能耗参数，并设定问题约束条件。本发明专利技术通过构建问题模型，并基于分解的多目标进化算法进行相应的改进，包括使用双层编码定义作业与机器的对应关系，同时采用基于位置的交叉算子，更好地避免了陷入局部最优，对产生了重复子问题的权重向量进行自适应更新，更新权重向量邻域，最后从进化结果中产生一组帕累托前沿最优解，解决柔性作业车间节能调度问题，并在对最小化制造跨度优化的同时降低能耗。
【技术实现步骤摘要】
本专利技术涉及柔性作业车间调度控制，具体为基于多目标进化算法的柔性作业车间节能调度方法。
技术介绍
1、随着全球经济一体化的快速发展，各国制造业竞争日益激烈。当前，制造企业更趋向于柔性生产，尤其在中国市场，产品多样化与市场需求快速变化导致产品生命周期缩短，使得传统的大规模生产模式利润逐渐减少。因此，柔性制造方式正在逐渐取代过去的刻板模式，以适应市场的变化和多样化需求。新兴的柔性作业车间调度方式应运而生，被称为柔性作业车间的生产调度方式，它能快速满足消费者需求，实现多品种小批量生产模式。不同于传统作业车间的调度方案，柔性作业车间允许在多台符合要求的机器中选择生产产品。同时，柔性作业车间合理调度还能够减少能源消耗，降低环境污染，提高生产效率，进一步增加企业的竞争力。
2、如公告号为cn105929690a提供的一种基于分解多目标进化算法的柔性车间鲁棒调度方法，(1)读取柔性作业车间的作业和机器属性等输入信息；定义优化目标，设定约束条件；(2)初始化算法的参数；(3)确定每个子问题的邻域，产生初始父代群体，从初始群体中确定出所有的pareto非支配解构成外部存储器；(4)生成子代群体。进行交配选择，采用自适应变异算子和基于修复的交叉算子繁殖子代个体，并更新外部存储器；(5)利用生成的子代群体对各子问题的当前最优个体进行更新，构成新的父代群体；(6)判断个体目标评价次数若达到最大，则输出外部存储器，即一组pareto非支配的柔性作业车间调度解；未达到则跳转至(4)。本专利技术快速高效地实现柔性作业车间中的调度任务；
<
p>3、公告号为cn110543151b提供的一种基于改进nsga-ⅱ算法求解柔性作业车间节能调度问题的方法，从完工时间、总延期时长、设备总负荷和系统总能耗四个方面，给生产企业提供一种更优的调度方案，首先构建柔性作业车间节能调度问题模型；然后采用随机方式生成初始种群，并通过快速非支配排序，拥挤度距离计算以及精英选择，生成第二代父代种群，并对其进行交叉、变异操作，生成交叉子代种群；并对其中稀疏解进行局部搜索生成局部搜索子代种群；将父代种群、交叉子代种群、局部搜索子代种群合并，得到新种群；对新种群执行相同操作继续进行更新；最后利用加权法，从最优解集中选出一个解作为最优妥协解，并输出；4、公告号为cn114862009a提供的基于改进灰狼算法的单目标柔性作业车间节能调度方法，对灰狼算法进行改进，采用了两段式编码，实现了连续个体位置与离散调度解间的转换；设计了种群初始化方法，确保种群的质量和多样性；使用双模式并行搜索方式，在搜索过程中平衡算法全局搜索和局部搜索的能力；引入了改进的跟踪与搜寻操作提高了问题的求解精度，其中搜寻采用了组合变异，提高进化的速度，突破了局部最优解。除此之外，根据适应度值关系选择跟踪操作获得的两个子个体中较优的个体作为新个体。
5、但是上述技术在实际使用时：
6、cn105929690a采用了基于分解的多目标进化算法，但是没有考虑车间调度的节能问题，也没有对算法进行优化；
7、cn110543151b采用了改进的nsga-ii算法，但是该专利技术算法的最小化制造跨度结果不佳，可以计算实例维度的较小；
8、cn114862009a采用了新颖的灰狼算法，但是属于单目标优化，在优化能耗的同时无法对最小化制造跨度进行优化，这与实际生产情况是不符合的。
技术实现思路
1、本专利技术的目的在于提供基于多目标进化算法的柔性作业车间节能调度方法，以解决没有考虑车间调度的节能问题，也没有对最小化制造跨度进行优化的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于多目标进化算法的柔性作业车间节能调度方法，包括以下步骤：
3、s1、以最大制造跨度和总能耗为优化目标，构建柔性作业车间节能调度问题模型，定义作业集合、机器集合、工序集合、制造跨度、加工时间和能耗参数，并设定问题约束条件，其中柔性作业车间节能调度问题模型为：
4、
5、s2、采用双层编码方式表示作业工序与机器选择的映射关系，第一层编码为机器选择部分，第二层编码为基于工序排序部分；
6、s3、初始化种群，保证初始种群的多样性和优越性；
7、s4、构建邻域结构，并通过自适应交叉和变异算子进行种群进化，根据种群进化程度调整交叉和变异概率；
8、s5、使用切比雪夫法分解子问题，将多目标优化问题分解为单目标优化问题，通过优化最大距离寻找最优解；
9、s6、遍历种群得到非支配解，并更新权重向量及邻域结构，根据非支配排序结果调整权重向量，优化权重分配；
10、s7、判断是否满足迭代终止条件，若不满足则返回步骤s4继续迭代，若满足则输出最优帕累托前沿解。
11、优选的，所述步骤s1中柔性作业车间节能调度问题模型定义如下：
12、存在作业j＝{j1,j2,…,jn},其中每个jp具有一组独立的工序o＝{op1,op2,…,opj},oi,j代表第i个作业的第j个工序，在机器集m＝{m1，m2,…,mk}中选择机器处理，在机器mk上处理oi,j使用了时间ti,j,k所造成的能耗可以计算如下：eoi,j,k*ti,j,k。
13、优选的，所述步骤s1中约束条件为：
14、每台机器的初始可用时间从0开始；
15、每台机器同时加工的工序是唯一的；
16、每台机器开关机受到安全时间限制，即关闭到启动的间隔时间机器的加工速度不变，加工能耗默认；
17、机器的各项功能的能耗都考虑在内；
18、每台机器在同一时刻只能加工一道工序；
19、每个作业在同一时刻只能被一台机器加工；
20、所有工序一旦开始加工就不允许中断；
21、同一作业的不同工序的先后顺序固定。
22、优选的，所述步骤s3初始化种群步骤中，通过随机选择原则减小陷入局部最优的可能性，通过局部负载最低原则和全局负载最低原则对当前机器负载最小的机器进行工序处理，通过非支配可重置原则保留随机选择产生的多样性种群，并利用非支配优先原则提高种群质量。
23、优选的，所述步骤s4中自适应交叉和变异操作采用基于位置的交叉算子(pbx)，并根据种群进化程度调整交叉和变异概率，以加快种群的收敛。
24、与现有技术相比，本专利技术的有益效果是：
25、1、本专利技术通过构建问题模型，并基于分解的多目标进化算法进行相应的改进，包括使用双层编码定义作业与机器的对应关系，同时采用基于位置的交叉算子，更好地避免了陷入局部最优，对产生了重复子问题的权重向量进行自适应更新，更新权重向量邻域，探索子问题不连续区域和子问题稀疏区域实现计算资源合理分配，最后从进化结果中产生一组帕累托前沿最优解，解决柔性作业车间节能调度问题，并在对最小化制造跨度优化的同时降低能耗。
本文档来自技高网...
【技术保护点】
1.基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步骤S1中柔性作业车间节能调度问题模型定义如下：
3.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步骤S1中约束条件为：
4.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步骤S3初始化种群步骤中，通过随机选择原则减小陷入局部最优的可能性，通过局部负载最低原则和全局负载最低原则对当前机器负载最小的机器进行工序处理，通过非支配可重置原则保留随机选择产生的多样性种群，并利用非支配优先原则提高种群质量。
5.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步骤S4中自适应交叉和变异操作采用基于位置的交叉算子(PBX)，并根据种群进化程度调整交叉和变异概率，以加快种群的收敛。
【技术特征摘要】
1.基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步骤s1中柔性作业车间节能调度问题模型定义如下：
3.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步骤s1中约束条件为：
4.根据权利要求1所述的基于多目标进化算法的柔性作业车间节能调度方法，其特征在于：所述步...
【专利技术属性】
技术研发人员：蔡茂林，曲虹全，仝晓萌，宁方伟，邵世梁，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。