[发明专利]基于混合算法的熔炼车间生产和运输协同优化方法及系统

权利要求书

1.一种基于混合算法的熔炼车间生产和运输协同优化方法，其特征在于，所述方法包括：

S1、初始化BRKGA算法和TSA算法的相关参数以及种群；所述相关参数包括BRKGA算法的种群规模N、精英个体比例α、变异个体比例β、变异概率δ，基于TSA算法的迭代算子中树种产生比例γ，搜索趋势控制参数ST，算法运行过程中产生新解的最大个数Mit；航空部件当前批次数k＝1；第k批航空部件的开始熔炼时间start_k＝0；熔炼车间共需要处理的航空部件的个数n；载有模具的冷却室最多可以同时放置的模具的个数m；第l个航空部件的模具大小s_l，其中，l＝1,2,...,n；熔炼炉内坩埚容量V；单位尺寸的冷却时间p_l，其中，l＝1,2,...,n；单位时间内熔炼车间的能耗c；

S2、计算当前种群内各个染色体的适应度函数值，并将适应度函数值最好的α个个体划分为精英个体组，剩余个体划分为非精英个体组；

S3、保留所述精英个体，并对所述非精英个体组执行基于TSA算法的交叉操作；

S4、计算更新后种群内各个染色体的适应度函数值，并将更新后适应度函数值处于倒数βN个的所述更新后非精英个体组执行基于TSA算法的变异操作；

S5、判断当前迭代产生的新解个数是否小于最大新解个数Mit，若小于，则转S2，否则输出最优解X_best和对应的适应度函数值fit_best，以对应的协同优化调度方案。

2.如权利要求1所述的方法，其特征在于，S1中初始化种群时，根据随机键编码规则生成种群的初始解，具体包括：

随机初始化BRKGA算法的种群，种群内包含N条染色体X＝{X_i|i＝1,2,...,N}，其中，第i条染色体的基因组为X_i＝{x_ij∈(0,1)|j＝1,2,...,n}；

定义n个部件的编号集合A＝{j|j＝1,2,...,n}，针对任一染色体X_i＝{X_i1,X_i2,...,X_in}，将X_ij与部件编号j一一对应；

将编号集合A内所有元素按照其对应的X_i从小到大的升序进行排列，将重新排序的编号集合A内部件编号顺序作为部件的熔炼和运输顺序，并记作与之对应的模具大小集合为{s₁,s₂,...,s_n}，单位尺寸的冷却时间集合为{p₁,p₂,...,p_n}。

3.如权利要求1所述的方法，其特征在于，所述S2计算当前种群内各个染色体的适应度函数值，并将适应度函数值最好的α个体划分为精英个体组，剩余个体划分为非精英个体组包括：

S21、设置k＝1，令start_k＝0，

其中，k表示当前批次数；start_k表示第k批的开始熔炼时间；

S22、令

以及令k＝k+1，再令

其中，

finish_k表示第k批的冷却结束时间；

n表示熔炼车间共需要处理的航空部件的个数；

m表示载有模具的冷却室最多可以同时放置的模具的个数；

s_l表示第l个航空部件的模具大小，l＝1,2,...,n；

V表示熔炼炉内坩埚容量；

r表示所有航天部件的金属材料熔炼所需的时间；

p_l表示单位尺寸的冷却时间，l＝1,2,...,n；

T表示从0时刻到最后一个部件运输至下一阶段所需要的时间；

c表示单位时间内熔炼车间的能耗；

S23、判断(k-1)m≤n是否成立，若成立，则转到S22，否则输出Tc＝finish*c，并将其作为该染色体的适应度值，计算当前种群内各个染色体的适应度值fit＝{fit_i|i＝1,2,...,N}；

S24、按照适应度值对种群内染色体进行升序排列，将排在前α的染色体所对应的个体记为精英个体组其余染色体对应的个体记为非精英个体组