[发明专利]一种起重机臂架生产智能调度方法

权利要求书

1.一种起重机臂架生产智能调度方法，其特征在于：首先，分析起重机臂架生产现场存在的约束条件，将起重机臂架的生产工序次序及各工序所对应的机器序列的排列组合等效为由所有鲸鱼个体形成的鲸鱼种群；然后，以起重机臂架生产完工时间最短为目标建立起重机臂架生产调度数学模型，将该调度数学模型的最优解等效为距离猎物最近的最优鲸鱼个体；在每一代进化过程中，所有鲸鱼个体都将采用起重机臂架生产调度数学模型来计算自身距离食物的远近，即适应度的大小；其中，适应度最大的鲸鱼个体为最佳鲸鱼个体；之后，非最佳鲸鱼个体将向最佳鲸鱼个体靠近以捕食猎物，再在下一代的进化过程中重新评选出最佳鲸鱼个体；如此循环，直至鲸鱼种群进化结束；此时，最佳的鲸鱼个体即为最优解，该最优解为最优的起重机臂架生产工序次序及各工序所对应的机器序列，调度方法具体过程如下：

（1）对起重机臂架生产车间存在的约束以及要优化的目标进行分析，建立带约束的起重机臂架生产调度优化数学模型；

（2）初始化参数：鲸鱼种群规模、最大进化代数、进化代数计数器、鲸鱼个数计数器，并生成初始种群；

（3）令，进行全局搜索；

（3-1）将鲸鱼个体解码为加工工序和与之对应的加工机器；

（3-2）基于步骤（1）建立的数学模型计算每个鲸鱼个体的适应度；

（3-3）更新最佳鲸鱼个体位置及其适应度；

（3-4）令n=n+1，进行局部搜索；

（3-4-1）改进型非线性收敛因子参与的鲸鱼个体位置更新机制；

（3-4-2）执行机器基因突变机制；

（3-4-3）执行工序扰动机制；

（3-4-4）执行核心工序跨机器基因强化机制；

（3-4-5）执行种群多样化接收机制；

（3-4-6）若，则返回步骤（3-4）；否则转入步骤（3-5）；

（3-5）如果,则返回步骤（3）；否则输出最优解。

2.根据要求1所述的一种起重机臂架生产智能调度方法，其特征在于：步骤（3-4-1）改进型非线性收敛因子参与的鲸鱼个体位置更新机制包括包围猎物、随机搜寻和气泡网攻击，其中：

包围猎物的数学模型如下：

(1)

其中，，，；在随着迭代次数的增加从2非线性递减到0，其主要用于协调算法在随机搜寻和气泡网攻击的中比重，表达式为：，为当前迭代次数，最大迭代次数,、为系数向量，为当前最优鲸鱼个体的位置向量，为位置向量，|·|逐个元素相乘运算的绝对值，是[0,1]内的随机向量，为非线性收敛因子的初值；

随机搜寻的数学模型如下：

(2)

其中，，为当前种群个体中随机个体的位置向量；

在随机搜寻和包围猎物的过程中，满足以下数学关系：

(3)

气泡网攻击数学模型如下：

(4)

其中，，是用来定义螺旋形状的一个常数，是内的随机数；

包围猎物与气泡网攻击过程中，满足以下数学关系：

(5)。

3.根据要求1所述的一种起重机臂架生产智能调度方法，其特征在于：步骤（3-4-2）执行机器基因突变机制，即在进化过程中，对父代优秀个体中的机器基因片段执行机器基因突变机制形成子代个体，如果子代个体优于父代个体，则替换父代个体；否则将其丢弃，该机制能保留父代的优良机器基因片段，又能不断增加算法在搜寻过程中的全局广泛性，最重要的是有效解决了机器被动选择导致算法陷入局部最优的问题。

4.根据要求1所述的一种起重机臂架生产智能调度方法，其特征在于：步骤（3-4-3）执行工序扰动机制，即改变鲸鱼个体中的部分位置信息，由此驱动工序排序发生改变，从而增加种群多样性，算法收敛停滞往往发生在算法进化的后期，为此，设定一个满足前期小后期大的自适应扰动概率因子，以此决定是否在本次进化中执行工序扰动。