[发明专利]一种适于制造过程规划的智能优化算法推荐方法

权利要求书

1.一种适于制造过程规划的智能优化算法推荐方法，适用于产品制造过程规划问题与算法的选择匹配，其特征在于，包括如下步骤：

步骤(1)智能优化算法评分转化，进行智能优化算法对问题模型的求解效果的评分，具体实现如下：

①建立问题模型库和智能优化算法库：问题模型库中包括制造过程规划问题模型、多个典型复杂函数和待求问题模型，并根据求解需要统一问题参数，包括求解变量、问题维度；

所述的智能优化算法库包含多个智能优化算法，并对算法的初始化、编码、种群更新过程统一接口；

初始的问题模型库包括3种制造过程规划方面的问题模型，分别是：

考虑工件排序顺序，以完工时间为评价指标的流水车间调度问题；

综合考虑产品功能指标、产品能耗、产品成本三个指标的材料选择问题；

考虑加工工艺选择和物理资源配置，以生产能耗和生产时间为评价指标的工艺规划问题；

所述问题模型库能够根据使用需求进行增删，并且能够在使用过程中不断积累补充新的模型；

智能优化算法库同样能够在使用过程中根据需求进行增删和修改；

②计算算法对问题模型的结果参数：利用智能优化算法库中的算法对问题库中的模型进行求解，得到智能优化算法i求解问题模型p的结果参数P_i，结果参数P_i＝最优值/运行时间；

③评分转化：根据评分公式：得到智能优化算法i对问题模型p的评分r_pi；其中，是n次测试得到的n个结果参数中的最小值，是n次测试得到的n个结果参数中的最大值，为向上取整；通过上述公式计算，将测试所得的结果参数转化为{1,2,3,4,5}内的评分值；

步骤(2)相近问题模型筛选计算，具体实现如下：

①问题模型相似度计算：根据模型相似度度量公式：计算问题模型p和问题模型q之间的相似度ω_pq；其中，为同时对待求问题模型p和问题模型库中除p外其余问题模型评分的算法集合，r_pi表示算法i对问题模型p求解结果的评分，r_qi表示算法i对问题模型q求解结果的评分；

②问题模型筛选：设待求问题模型为p^*，则根据步骤①中计算的问题模型相似度数值ω_p*q，筛选出包括待求问题模型p^*在内的k个相似度大于预定阈值的问题模型；

③将智能优化算法对这些筛选出的模型的评分组成“模型-算法评分矩阵”，不要求所有的算法对筛选出的模型一一进行测试，所以未测试的模型-算法对的评分设定为0，填入矩阵对应位置，即评分矩阵中的元素均在{0，1,2,3,4,5}集合范围中；

步骤(3)设计协同过滤推荐算法，具体实现如下：

①算法相似度计算：根据算法相似度度量公式：

计算智能优化算法i和j之间的相似度ω_ij；其中，T_ij为算法i和算法j均完成求解评分的问题模型集，r_pi表示算法i对问题模型p求解结果的评分，r_pj表示算法j对问题模型p求解结果的评分，表示问题模型p得到的所有求解评分的平均值；

②预测评分计算：根据预测评分公式：计算智能优化算法i对问题模型p的预测评分其中，N_p为已对问题模型p进行评分的算法集，ω_ij表示算法i和算法j之间的相似度；

③推荐结果序列生成：将预测评分从高到底排序，得到针对特定问题模型的智能优化算法推荐结果序列。

2.如权利要求1所述的一种适于制造过程规划的智能优化算法推荐方法，其特征在于：

所述复杂函数包括14个典型复杂函数，分别是：Spere，Schwefel_p221，Schwefel_p222，Schwefel_p12，Rosenbrock，Step，Ellipse，Noise quadric，Rotated expandedscaffer f6，High conditioned elliptic，2D minima，Tablet，Diff power，Rastrigin，这些函数最优值均为0。

3.一种适于制造过程规划的智能优化算法推荐系统，适用于产品制造过程规划问题与算法的选择匹配，其特征在于包括：

(1)智能优化算法评分转化模块，用于进行智能优化算法对问题模型的求解效果的评分，具体实现如下：

①建立问题模型库和智能优化算法库：问题模型库中包括制造过程规划问题模型、多个典型复杂函数和待求问题模型，并根据求解需要统一问题参数，包括求解变量、问题维度；

所述的智能优化算法库包含多个智能优化算法，并对算法的初始化、编码、种群更新过程统一接口；

初始的问题模型库包括3种制造过程规划方面的问题模型，分别是：

考虑工件排序顺序，以完工时间为评价指标的流水车间调度问题；

综合考虑产品功能指标、产品能耗、产品成本三个指标的材料选择问题；

考虑加工工艺选择和物理资源配置，以生产能耗和生产时间为评价指标的工艺规划问题；

所述问题模型库能够根据使用需求进行增删，并且能够在使用过程中不断积累补充新的模型；

智能优化算法库同样能够在使用过程中根据需求进行增删和修改；

②计算算法对问题模型的结果参数：利用智能优化算法库中的算法对问题库中的模型进行求解，得到智能优化算法i求解问题模型p的结果参数P_i，结果参数P_i＝最优值/运行时间；

③评分转化：根据评分公式：得到智能优化算法i对问题模型p的评分r_pi；其中，是n次测试得到的n个结果参数中的最小值，是n次测试得到的n个结果参数中的最大值，为向上取整；通过上述公式计算，将测试所得的结果参数转化为{1,2,3,4,5}内的评分值；

(2)相近问题模型筛选计算模块，具体实现如下：

①问题模型相似度计算：根据模型相似度度量公式：计算问题模型p和问题模型q之间的相似度ω_pq；其中，为同时对待求问题模型p和问题模型库中除p外其余问题模型评分的算法集合，r_pi表示算法i对问题模型p求解结果的评分，r_qi表示算法i对问题模型q求解结果的评分；

②问题模型筛选：设待求问题模型为p^*，则根据步骤①中计算的问题模型相似度数值ω_p*q，筛选出包括待求问题模型p^*在内的k个相似度大于预定阈值的问题模型；

③将智能优化算法对这些筛选出的模型的评分组成“模型-算法评分矩阵”，不要求所有的算法对筛选出的模型一一进行测试，所以未测试的模型-算法对的评分设定为0，填入矩阵对应位置，即评分矩阵中的元素均在{0，1,2,3,4,5}集合范围中；

(3)协同过滤推荐算法模块，具体实现如下：

①算法相似度计算：根据算法相似度度量公式：

计算智能优化算法i和j之间的相似度ω_ij；其中，T_ij为算法i和算法j均完成求解评分的问题模型集，r_pi表示算法i对问题模型p求解结果的评分，r_pj表示算法j对问题模型p求解结果的评分，表示问题模型p得到的所有求解评分的平均值；

②预测评分计算：根据预测评分公式：计算智能优化算法i对问题模型p的预测评分其中，N_p为已对问题模型p进行评分的算法集，ω_ij表示算法i和算法j之间的相似度；

③推荐结果序列生成：将预测评分从高到底排序，得到针对特定问题模型的智能优化算法推荐结果序列。