买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州理工大学

摘要：本发明涉及制造调度技术领域，具体为一种分布式零等待流水车间调度问题的集成优化系统，其主要包括工件初始化模块，工厂间序列优化模块和工厂内序列优化模块，在工件初始化模块中，通过收集模型知识和问题信息，构造出一系列初始解，作为带交货窗的分布式零等待流水车间调度优化集成系统的初始可行解组；所述工厂间序列优化模块是通过收集初始解中优秀个体的分布规律，对工厂间的序列分布进行估计，通过有效的知识整合，确定一个大致的潜在搜索范围；在工厂内序列优化模块中，采用了变邻域下降算法来对所有工厂中的排序进行局部调整，在这个算法中，结合了问题中的知识，提出了三种邻域结构，用来指导局部调整，减少了调整的盲目性。

主权项：1.一种分布式零等待流水车间调度问题的集成优化系统，其特征在于，主要包括工件初始化模块，工厂间序列优化模块和工厂内序列优化模块，包括如下具体步骤：步骤1：在工件初始化模块中，通过收集模型知识和问题信息，构造出一系列初始解，作为带交货窗的分布式零等待流水车间调度优化集成系统的初始可行解组，为后续搜索提供可靠搜索范围；具体的，带有交货窗的分布式零等待流水车间调度问题具体表述如下：有n个不同的工件J＝{J1,J2,…,Jn}在m个机器M＝{M1,M2,…,Mm}上加工，一共有F个工厂f＝{f1,f2,…,fF}共同参与这批n个工件的加工任务，在加工过程中，每个工件最多只能在一个工厂中处理，每个工厂都有M个机器，机器上每个工件的加工步骤都是相同的，一台机器只能同一时间加工一个工件，一旦工件开始在第一个机器上开始加工，则零等待车间调度要求在操作序列[Oi,1,Oi,2,…,Oi,m]中，每个相邻的两个加工步骤之间不能有间隔时间，即每个加工步骤之间没有等待时间，一个加工工件j的交货时间窗为其中和分别表示最早交货期和最迟交货期，一个工件j∈N在机器i∈M上的完工时间为Cj,i，当一个工件完成了所有的加工步骤，则它在最后一个机器上的完工时间则表示为Cj，当Cj小于时，意味着工件在最早交货期之前完成了加工，具体的提前量为相反，如果Cj大于这时的工件完成时间迟于最迟交货期具体的延迟量为权重w是用来衡量每个工件单位提前量或单位延迟量对应的企业成本，令W*Ej和W*Tj分别表述企业对于提前和延迟的总成本，基于交货窗的提前延迟的总权重为相关交货期窗口和权重信息提前已知；具体包括两种构造知识所生成的规则，选择提前交货期最早的工件作为第一批加工工件，并且为了最小化TWET，并不要求该工件是从零时开始，而是从特定时间开始，满足这个工件在时间窗内完成加工的要求，并且为后续序列留下最大的插入空间；考虑了分布式零等待流水车间调度中的特定知识，即两个工件之间的距离，也就是完工时间差；根据第一个已经插入的工件，优先处理剩余工件中与上一个已插入的工件完工时间差最接近的工件；步骤2：所述工厂间序列优化模块是通过收集初始解中优秀个体的分布规律，对工厂间的序列分布进行估计，通过有效的知识整合，确定一个潜在搜索范围，保证了后续的工厂间优化的有效性；具体步骤就是构造概率模型和更新解，针对DNWFSPDW的优化的目标TWET的最小化问题，有两种知识会影响目标函数TWET的大小，一个是单位权重W，另一个是序列中相邻两个工件之间的距离，即完工时间差D，因为是分布式零等待，完工时间差决定了工件完工时，距离其提前交货期或者延后交货期之间的时间差；由于调度问题是离散问题，构造了一个概率矩阵Q，来描述的组合优化问题中精英个体工件排序之间的关系： 工件Jj被安排在第i个位置之前的概率qijl，概率qijl越大，工件则有更高的优先级插入序列；在初始化阶段，因为缺乏搜索经验，因此，分配给所有工件分配的概率是相等，所有矩阵Q中的概率都被定义为qijl，这意味着每个工件都是以相同的优先级顺序被选择插入工厂的；将工件准时完成加工简化为一种准时的增强度量，以强调准时完成加工的位置在概率矩阵Q中，工件Jj是根据概率选择被安排到位置i上，详细定义如下： 其中，Di,j是指工件j与工件所在位置的前一个工件之间的距离；δi,j是准时增强因子定义如下： 在上面的公式中，μμ1被用来增强概率的程度；准时的重要性被增强因子所强调，这保证了按时完成加工的工件在这个位置上将具有更高的优先级；根据对问题DWFSPDW的分析，在整个序列中只能按时完成小部分工件；过分强调这一因素会导致果蝇种群多样性减少，无法得到最优解；μ会选择一个较小的值，放松了对于准时的约束，当μ＝n时，对于概率的增强较为合适，如果工件Jj已被分配到了序列中，则Jj在矩阵中的概率会被设置为0，则同一行的其他的工件的概率则会被归一化；当矩阵Q中的所有元素都被设置为0时，这意味着所有工件都已插入优先级序列α，然后应用贪婪分配原则，将工件按顺序插入到最早完成的工厂中，通过概率模型的引导，使种群逐步接近有潜力的搜索区域；在每一代中，通过新的优势个体对概率模型进行调整和更新，群中的一半根据适应度值会被选择作为精英个体Ne，用来更新矩阵Q；同时为了保证整个种群的搜索方向是有潜力的方向，一部分历史信息被保留，来增加种群的多样性，通过反馈充分利用种群中的个体信息来指导搜索；具体如下： 其中θ∈0,1是历史信息的学习率，为在精英种群中的第k个体的强调因子，具体定义如下： 步骤3：在工厂内序列优化模块中，采用了变邻域下降算法来对所有工厂中的排序进行局部调整，在这个算法中，结合了问题中的知识，提出了三种邻域结构，用来指导局部调整；具体的，嗅觉搜索中，果蝇个体通过种群中的知识信息，根据不同的邻域结构进行局部嗅觉搜索，主要包括工厂内部交换，工厂外部交换，和偏移插入三种策略；所述内部交换为：随机选择一个工厂，并根据单位延迟权重WT对工件进行排序，并根据顺序依次选择拥有较大的权值WT的工件与权值WT较小的或相等的另一个工件交换位置，当前工厂里所有权值小WT的或相等的工件都被交换，直到优化了总的TWET；所述外部交换为：此操作与内部交换相似；随机选择两个工厂，同样根据权重WT对工件进行排序和选择与另一个工厂中权值WT小或相等的工件进行交换，并保留最佳解；所述偏移插入为：随机选择一个工厂fa随机提取一个工件，将工件插入到另一个工厂fb中，将工件插入另外一个工厂序列中的所有位置，当ΔTWETfaΔTWETfb时，保留该偏移插入操作；其中，TWET为基于时间窗的提前延迟的总权重；ΔTWETfa为工厂a提前延迟总权重；ΔTWETfb为工厂b的提前延迟总权重。

全文数据：

权利要求：

百度查询： 兰州理工大学 一种分布式零等待流水车间调度问题的集成优化系统