[发明专利]一种复杂制造系统回归调度方法

权利要求书

1.复杂制造系统回归调度方法，其特征在于，包括以下步骤：

步骤1、采集复杂制造系统生产状态与组合式调度规则的权重系数的历史数据形成训练样本，所述样本为{X_i,Y_i|X_i∈R^m,Y_i∈R^l,i＝1,2,...,N}，其中，X_i＝[x_im，m＝1,2,...,M]^T表示复杂制造系统的生产状态，x_im为生产状态的第m个特征，M为特征的总数；Y_i＝[y_il，l＝1,2,...,L]^T表示当前复杂制造系统的生产状态X_i对应的最优调度策略，所述最优调度策略为组合式调度规则的权重系数，y_il为第l个组合式调度规则的权重，L为组合式调度规则的总数；i为样本编号，N为训练样本集中样本的总数；R为实数域；

步骤2、基于极限学习机模型建立复杂制造系统回归调度模型，如公式(1)：

其中，Y^l×N∈R^l×N为所述回归调度模型的输出矩阵，b为隐含层节点的个数，H^b×N为隐含层节点矩阵，W^l×b为隐含层节点输出权值矩阵，X^m×N∈R^m×N为所述回归调度模型的输入矩阵，X_i＝[x_im，m＝1,2,...,M]^T为输入矩阵X^m×N中的第i个输入，Y_i＝[y_il，l＝1,2,...,L]^T为输出矩阵Y^l×N中的第i个输出；a^b×m为输入到隐含层节点的输入权值矩阵，b^b×N为隐含层节点的偏置矩阵；φ为可选择的非线性激活函数；a^b×m和b^b×N均为随机变量，且生成后保持不变；

步骤3、采用所述训练样本训练所述回归调度模型，求解隐含层节点的输出权值矩阵完成所述回归调度模型的训练；所述求解隐含层节点的输出权值矩阵的过程，采用基于比例-积分-微分梯度下降算法实现，包括如下步骤：

步骤3.1、随机产生隐含层节点的输出权值矩阵设置迭代步长α、迭代次数K、比例-积分-微分梯度下降算法中参数k_p,k_i,k_d，初始化梯度矩阵g₀＝0，隐含层节点的编号为k，且初始化k＝1；

步骤3.2、采用公式(2)计算第k次迭代训练的梯度矩阵；

其中，Y^l×N为所述回归调度模型的理想输出矩阵；

步骤3.3、采用公式(3)计算隐含层节点的输出权值矩阵；

步骤3.4、令k自加1，当k≤K时，执行步骤3.2；否则，则完成训练，输出隐含层节点的输出权值矩阵

步骤4、使用中，将复杂制造系统的当前生产状态输入训练好的复杂制造系统回归调度模型，得到组合式调度规则的权重系数从而形成复杂制造系统的调度策略。