[发明专利]一种面向并行批处理机动态调度的快速评估方法

权利要求书

1.一种用于半导体生产线中动态批调度方案的快速评估方法，其特征在于，该方法包含以下步骤：步骤1确定组批方案；步骤2设计批调度编解码方案；步骤3共生演化计算操作；步骤4适应值快速评价；上述方法中各个步骤的详细操作过程如下：

步骤1，确定组批方案；对于属于不同类型f_j，到达加工设备缓冲区时间r_j的加工工件，采用基于ATC规则的滚动窗策略(t，t+T)动态地计算时间窗口内未被安排组批工件的加工优先级；T为滚动时间窗口固定时间间隔；在设备空闲的决策t时刻，确定工件是否立即进行组批的紧急程度，即优先级I_j(t)；

式中，w_j为订单客户权重系数，p_j为工件j的加工时间，d_j为工件j的拖期时间，r_j为工件的释放时间，μ为前瞻系数，为平均加工时间；I_j(t)为每个工件j在决策t时刻，通过上述公式计算得到的优先级，优先级高的工件率先进入组批流程，依据以下原则形成满批或部分批工件；

步骤2，设计批调度编解码方案；解的编码构造表示为批工件分配到各台设备上的情况；为维持负载平衡，需控制每台设备上所分配的批工件数量基本保持相同；对于生产线上具有n个工件，m台加工设备，使用式(3)确定分隔区间，划分哪些工件属于其对应设备，属于编码区间内的批工件将派送到对应机器设备M_j上，结果仅为分配情况，并不代表最终加工顺序；

式(3)中P₀为划分起始点，后一个划分点P_i+1在前一个P_i基础上计算得到；

共生演化算法的初始种群根据式子pop＝rand(1，batchnum)(ub-lb)+lb随机产生，其中，batchnum为批工件数量；ub和lb为实数范围上限和下限；实数编码不能直接应用于离散优化问题，需进行映射变换为离散值；对于一个调度解X＝[x₁，x₂，...，x_n]，其中X中个元素为随机值；首先按照降序排列标定位置顺序其中为x_i按降序排列后序列标号；而最终的批工件加工顺序将由式(4)得出：

式(4)中为工件对应的机器编号，θ取值为[1，batchnum]不重复的整数值；步骤3，共生演化计算操作；共生演化算法模仿自然界生物之间的交互关系，包含了三个阶段：互惠、共栖和寄生；该算法具有控制参数少，收敛速度快的优点；下面分别阐述不同阶段的具体操作过程：

步骤3.1，互惠阶段；此阶段为个体双方互为所用，互得其利；随机从种群中选择两个体x_i和x_j，根据式(5)、(6)操作得到新个体；

x_inew＝x_i+rand(0，1)×(x_best-M_v×B_f1) (5)

x_jnew＝x_j+rand(0，1)×(x_best-M_v×B_f2) (6)

式中，M_v＝(x_i+x_j)/2为两个体之间的交互向量，x_best为当前最优个体；B_f1和B_f2为收益系数，设置为1或者2；

步骤3.2，共栖阶段；此阶段为个体一方获利，个体的另一方从交互关系中既不获利也不受害；

x_inew＝x_i+rand(0，1)×(x_best-x_j) (7)

步骤3.3，寄生阶段；此阶段为个体一方以牺牲另一方代价获得生存空间；采用贪婪策略，随机选择个体x_i，如果适应度值优于个体x_j，则将其替代；保持生物种群的优越性；

步骤4，适应值快速评价；利用代理模型计算代价小的优点，降低每次评价的复杂度，加快其搜索进程，将预测估计值取代昂贵的真实评价值；运用代理模型到实际应用应该包含模型的建立，训练数据的准备，模型的选取，适应值预估及重评价，以及模型在线更新若干步骤；

步骤4.1，代理模型构建；代理模型基于提取的关键调度特征而建立，为了确保模型估计的准确性，所选特征应能够反映此时生产线调度的状态信息，其中包括工件等待时间、加权加工时间、等待工件数量、拖期工件数目、候选工件拖期；代理模型训练过程基于历史数据D＝{X_i，y_i}进行有监督式学习，其中X_i为特征集合，y_i为对应调度性能目标值；随机采样遵循拉丁方实验设计方案，每个解X_i由n个值组成，随机从分布在区间(0，1/n)，(1/n，2/n)，...，(1-1/n，1)之中采样本点；依据问题规模大小生成不同数量的训练数据集；

步骤4.2，代理模型选择；代理模型按方法分类成基于距离，机器学习和统计学习方法，采取神经网络、支持向量机，多元线性回归预测技术；评价模型的好坏可依据下面两个准则：

(1)相对误差

(2)决定系数

相对误差e(x)反映了预测值与真实值之间的差异，值越小越好；决定系数R²表明模型是否具有良好的拟合能力，其值越接近1越好；如果e(x)≤5％并且R²≥0.8说明构建的代理模型可以与进化算法进行结合；最终选择效果最好的预测模型作为代理模型；

步骤4.3，适应值预估与重评价；在每次选择阶段中，所选代理模型根据解的特征进行适应值评估工作，并与旧解比较；

步骤4.4，代理模型在线更新；随着迭代不断进行，代理模型需要在线更新保持优秀的预估能力；每代选择前10％优秀个体组成候选解集合，然后每隔10代更新一次种群，并且基于新种群在线更新模型。

2.根据权利要求1所述的一种用于半导体生产线中动态批调度方案的快速评估方法，其特征在于，为了防止代理模型预测误差导致搜索方向的错误，每次迭代循环后对若干个最优估计解进行重新地真实评价，确定当前最优解并更新；重评价过程如下：

步骤4.3.1，从当前种群中，选择估计评价值前三位调度解个体{x₁，x₂，x₃}；

步骤4.3.2，比较所选估计解与历史最优解大小；若所选估计解之中存在优于历史最优解f_global的情况，则重新真实评价后再比较；否则直接跳到下一代循环中；

步骤4.3.3，如果局部最优解的性能优于全局最优解，将作为新的全局最优解，应用于之后迭代中；记录最优解及其最优值。