[发明专利]一种基于免疫网络理论的生产调度优化算法

权利要求书

1.一种基于免疫网络理论的生产调度优化算法，其特征在于，该方法为：

首先根据规则调度方法提出了63种优先级调度规则对随机动态到达智能加工车间的工件进行仿真调度，得到了满足单个调度目标最优的调度规则及车间结构仿真参数，用于同后面提出的免疫调度算法的性能作比较；

然后，根据免疫系统中的信息处理机制，将人工免疫系统中的免疫网络理论引入生产调度系统，设计、基于独特型网络的免疫调度算法；

根据独特型网络理论对最优调度规则建立独特型网络，定义了有效的抗体结构和抗原结构，将最优调度规则、当前车间状态定义为抗体，将车间状态定义为抗原；

通过抗体与抗原的匹配、抗体间亲和力计算、抗体浓度计算、抗体选择，说明免疫调度算法求解调度问题的过程；

通过MATLAB，生成大量仿真测试数据，来验证免疫调度算法的调度性能。

2.根据权利要求1所述的一种基于免疫网络理论的生产调度优化算法，其特征在于：所述63种优先级调度规则包括工件调度规则和机器指派规则。

3.根据权利要求2所述的一种基于免疫网络理论的生产调度优化算法，其特征在于：所述工件调度规则包括三种调度模式，分别为简单规则调度、符合规则调度和自定义规则调度。

4.根据权利要求2所述的一种基于免疫网络理论的生产调度优化算法，其特征在于：所述机器指派规则包括三种机器指派规则，分别为选择工作量最小的机器，选择利用率最低机器和选择队长最短的机器。

5.根据权利要求1所述的一种基于免疫网络理论的生产调度优化算法，其特征在于，单个调度目标最优的调度规则如下：

根据生产调度问题仿真参数集的组合情况，确定需要仿真的实验有72组，每组实验运行20次；

每组实验中，依次选取63种启发式调度规则算法，计算出每组调度规则的调度目标值，仿真达到稳定状态后，将平均值输出，作为仿真结果；

经过统计分析，得到在不同车间参数下，满足不同调度目标的最优调度规则，为优先级调度规则在智能加工车间中的应用提供一定参考，也为后期进一步实现对启发式调度规则的智能控制提供数据基础。

6.根据权利要求1所述的一种基于免疫网络理论的生产调度优化算法，其特征在于，免疫调度算法如下：

独特型免疫网络模型中包括抗体和抗原；抗体代表当前的车间状态和相应的调度规则；抗原代表系统中新出现的车间状态；

根据独特型网络中抗原和抗体的结构特点，将抗体和抗原结构分别进行描述；抗原中的表位对应当前的车间状态，车间状态用一些属性进行描述；抗

体的补位对应与表位匹配的车间状态，反应部分对应调度规则，独特位对应该抗体与其他抗体的刺激、抑制作用，以抗体间的亲和力表示；

建立独特型免疫网络模型之后，车间中出现的任何状态都被当作是新抗原，模型中与之相匹配的抗体迅速大量增殖，选择最优抗体对抗原进行处理，即选择浓度最大的调度规则进行调度。

7.根据权利要求1所述的一种基于免疫网络理论的生产调度优化算法，其特征在于：亲和力有两种，一种是抗体与抗原之间的亲和力，一种是抗体间的亲和力；

只有抗原与抗体匹配时，抗体与抗原之间亲和力值为1；抗体间亲和力表示系统为某一状态时，抗体间的刺激或抑制作用。抗体间亲和力值的计算是计算抗体浓度的关键步骤。

8.根据权利要求1所述的一种基于免疫网络理论的生产调度优化算法，其特征在于：系统中的抗体群体中，与抗原匹配的抗体会迅速大量增殖，浓度急剧增加，按照相应计算式计算抗体浓度；

9.根据权利要求1所述的一种基于免疫网络理论的生产调度优化算法，其特征在于：若车间状态不变，抗原和抗体就处于一种稳定状态，此时最优抗体的选择按照轮盘赌算法选择，即浓度越大的抗体，被选中的概率越大；

抗体群体为N＝{1,2,...,14}，抗体i的浓度为C_i，按照轮盘赌算法，其选择概率为：