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：本发明属于分时电价调度技术领域，公开了一种带分时电价约束的分布式柔性流水车间调度方法及系统，分析分布式柔性流水车间调度问题的特性，基于分时电价约束，建立DFFSP‑TOU问题整数规划模型，以最小化最大完工时间和总电力成本为优化指标；构建基于自学习机制的多目标帝王蝶优化模型，多目标帝王蝶优化模型的迁移算子和调整算子通过历史最优解的信息自学习生成；采用变邻域搜索实现多目标帝王蝶优化模型的局部搜索和种群多样性，并通过右移操作将电价区间在高峰时段的生产转移到电价区间在低谷时段进行生产。本发明采用多种策略的有机融合使优化模块的全局和局部搜索能力显著的提升，解决分时电价下的分布式柔性流水车间调度问题。

主权项：1.一种带分时电价约束的分布式柔性流水车间调度方法，其特征在于，带分时电价约束的分布式柔性流水车间调度方法包括：以分布式制造环境下的柔性流水车间调度问题作为分析对象，分析分布式柔性流水车间调度问题的特性；基于分时电价约束，建立分时电价下分布式柔性流水车间调度问题整数规划模型，以最小化最大完工时间和总电力成本为优化指标；根据分时电价下分布式柔性流水车间调度问题特性，即DFFSP-TOU，构建基于自学习机制的多目标帝王蝶优化模型，多目标帝王蝶优化模型的迁移算子和调整算子通过历史最优解的信息自学习生成；采用变邻域搜索实现多目标帝王蝶优化模型的局部搜索和种群多样性，并通过右移操作将电价区间在高峰时段的生产转移到电价区间在低谷时段进行生产；带分时电价约束的分布式柔性流水车间调度方法包括以下步骤：步骤一，确定分时电价下分布式柔性流水车间调度问题，建立分时电价的分布式柔性流水车间调度问题DFFSP整数规划模型；步骤二，构建基于学习机制的多目标帝王蝶优化模型；步骤三，利用基于学习机制的多目标帝王蝶优化模型求解分布式柔性流水车间调度问题；步骤一中的分时电价的分布式柔性流水车间调度整数规划模型包括：定义分时电价下分布式柔性流水车间调度问题的优化目标，包括最大完工时间Cmaxx和总电力成本TEC，TEC包括机器在运行状态和待机状态的电力成本，目标函数如下：minf1,f2；f1＝Cmax；f2＝TEC＝PE+IE；约束条件为： Si,k+1-Si,k+pi.k≥0；Yi,j,k,f+Yi+1,j,k,f≤1；Si+1,k-Si,k+pi.k-B2-Yi,j,k,f-Yi,j,k,f+Yi+1,j,k,f≥0；定义每个阶段每个工件的完工时间为：Ci,k＝Si,k+pi.k；Ci,s≤T； 定义机器的工作状态为： 定义机器在工作状态PE下产生的电量为： 定义机器在待机状态IE下产生的电量为： 式中，F表示工厂数量；n表示工件数量；S表示加工阶段数量；T表示总时间段数；f表示工厂编号f∈{1,2,...,F}；i表示工件编号，i∈{1,2,...,n}；j表示机器编号，j∈{1,2,...,mf,k}；t表示时间段编号，t∈{1,2,...,T}；k表示阶段编号，k∈{1,2,...,S}；mf,k表示工厂f中第k阶段的并行机器数量；pi.k表示第k阶段工件i的加工时间；Si,k表示第k阶段工件i的开始时间；Ci,k表示第k阶段工件i的完工时间；Cmax表示最大完工时间；bi,k,t表示工件i在第k阶段在t时刻执行；PkR表示机器在第k阶段的运行功率；PkI表示机器在第k阶段的空闲功率；TEC表示总电力成本；B表示整数；Xi,f∈0,1表示如果工件i被分配到工厂f则为1，否则为0；Yi,j,k,f∈0,1表示如果工件i在工厂f的第k阶段的j机器上处理则为1，否则为0；Zi,j,k,f,t∈0,1表示如果工件i在工厂f的第k阶段的j机器上处理时间为t则为1，否则为0；表示如果工件i在t时段在工厂f的第k阶段处于工作状态则为1，否则为0；表示如果工件i在t时段在工厂f的第k阶段处于空闲状态则为1，否则为0；工厂在t时段的电价函数为： 式中，Eq表示第q个区间的电价，将[T1,Tq]的周期划分为q区间周期；步骤二中的基于学习机制的多目标帝王蝶优化模型构建还包括：1编码和解码基于自学习机制的多目标帝王蝶优化模型，起始按照作业的数量和种群的大小，生成种群大小*作业数量的矩阵，每一个解均随机由在-100到100之间的小数构成；按照小数的大小转换为整数序列，再将整数序列进行编码和解码；通过NEH规则将所有工件分配到每个工厂，基于排列的编码机制确定工厂内工件的加工顺序；通过先输入先输出规则和最早可用机器规则确定加工机器；基于排列的编码机制如下：存在一组具有F个子列表π＝[π1,π2,...,πf]的作业排列列表表示解，其中每个πf表示一个工厂，πf＝[πf1,πf2,...,πfn,]表示第f工厂中第一阶段工件的作业处理顺序；使用最早完工时间规则解码每个阶段的作业顺序；在第一阶段，所有作业按照在解表示π中的出现顺序进行处理；根据第一阶段的完成时间，将所有作业按第一阶段完工时间升序排序；如果工件在k，k＝2,...,S阶段的开始有相同的准备时间，则排列成与k-1阶段相同的对应顺序；使用最早可用机器规则进行工件的机器选择，具体包括：1设k＝1,Ci,0＝0,i＝1,2,...n；2确定机器j在k阶段上每个工件Ji的最早允许加工时间--最大释放时间rj或Ci,k-1，rj为机器j的释放时间，Ci,k-1为工件i在k-1阶段的完工时间；3对于每一个工件Ji，选择对应最大机器释放时间最小的机器进行加工，Pi,k为作业i在k阶段的加工时间，Ci,k-1+Pi,k为机器释放时间；4更新工件Ji在k阶段机器j的释放时间和完工时间；5令k＝k-1；6重复步骤2到步骤6，直到完成所有阶段；2种群初始化根据解码排序初始结果将种群分为两个子种群，子种群1利用学习迁移算子更新后代个体，子种群2利用学习调整算子更新所有子代个体；子种群1中的个体数量为NP1，子种群2中的个体数量为NP2，则： NP2＝N-NP1；式中，p＝512代表子种群1中的迁移率，N代表种群规模；3学习迁移算子在基于自学习机制的多目标帝王蝶优化算法中，子种群1中候选解方案生成为： 式中，LMO为学习速率，子种群1第1次迭代时LMO设置为0.5，后续迭代中自学习生成，直到算法达到停止条件；是原始种群中随机选择的一个个体，代表第t+1代的第i个解，是t代的第i个解；是从第t代的前N×rand个解中随机选择的个体，N为种群数；Mi是变异算子M的解xi，参数M∈[0,1]，是子种群1中随机选择的个体；和是从子种群2中随机选择的个体；4学习调整算子在基于自学习机制的多目标帝王蝶优化算法中，子群体2中候选解方案生成为： 式中，LBAO是子种群2中的学习速率；是第t+1代的第j个解，是第t代的第j个解；是第t代中所有种群中的最佳个体，是t代中全体种群中最差个体；是从子种群1中随机选择的个体，和从全体种群中随机选择的个体；M是控制变异幅度的变异算子，Mj是xj使用的变异算子的参数M∈[0,1]5局部搜索采用变邻域搜索，逆序操作是从工厂f中随机选择两个工件i和ji≠j,1≤i,j≤n，将工件i和j之间所有的工件逆序排序，获得新的子代个体；交换操作是从工厂f中随机选择一个工件i，分别将工件i和剩余的n-1个工件交换位置，进而获得新的子代个体；插入操作是从工厂f中随机选择一个工件i，分别将工件i插入到n-1个工件的n个空隙处，获得新的子代个体；令原序列对应的目标函数值为fitnessn，计算交换后的目标函数值fitnessi,i∈1,n-1；判断支配关系，取最优解集所对应的序列作为最优交换序列并记录其目标函数值；6右移操作在保持最大完工时间不变的情况下，通过右移操作将电价区间在高峰时段的生产转移到电价区间在低谷时段进行生产；受分布式柔性流水车间调度问题特性限制，右移操作从最后一个阶段依次向前进行调整；依次从第一个工厂到最后一个工厂进行右移操作；在第一个工厂最后一个阶段即S阶段到第1阶段中依次查找机器空闲时间，在S阶段空闲时间可由计算，在其余阶段空闲时间由计算；如果空闲时间0，判断工件右移是否会在低电价区间；如果是，则进行右移操作，反之，则不进行右移操作；7非支配排序精英保留策略对产生的最终种群包括一组解及相应的Cmax和TEC两个目标函数值进行非支配排序，计算Pareto支配关系和Pareto等级；将整个种群按照Pareto等级从小到大进行排序和拥挤度计算；进行精英保留选择，根据Pareto等级从低到高的顺序，将同一等级的解选入精英种群；若同一等级的解不能全部放入，则按照拥挤度从大到小的顺序选择，再将选择好的精英种群放入下一次迭代；算法不断地循环迭代，直到满足终止条件，输出最优个体种群，获得最佳解决方案。

全文数据：

权利要求：

百度查询： 兰州理工大学 带分时电价约束的分布式柔性流水车间调度方法及系统