[发明专利]一种基于CART增强的混合流水车间调度模型优化方法

权利要求书

1.一种基于CART增强的混合流水车间调度模型优化方法，其特征在于：

具体包括以下步骤：

S1、采集流水车间数据集I，所述流水车间数据集至少包括加工单元数据集、机器数据集、加工批次数据集和工序阶段数据集；

S2、基于CMOEA框架构建流水车间调度优化模型和算法配置空间C，所述CMOEA框架为利用自动算法设计方法在一次运行中匹配出具有最适适应度值评估方法的MOEA框架；

S3、采用I/F-Race学习模型对所述流水车间调度优化模型进行学习训练，自所述算法配置空间C中获取算法配置c_i；

S4、构建CART评估模型，代入所述流水车间数据集，对所述算法配置c_i进行性能评价预测，根据评价预测结果进入I/F-Race学习模型进行迭代学习训练，直至获取最优算法配置c_r，得到最终流水车间调度优化模型F；

S5、以总完工时间和子批总数为优化目标，输入所述流水车间数据集，利用最终流水车间调度优化模型F进行求解，获取最优解集。

2.根据权利要求1中所述的一种基于CART增强的混合流水车间调度模型优化方法，其特征在于：

在步骤S4中，CART评估模型对所述算法配置c_i进行性能评价预测的方法为：

将所述算法配置c_i在测试集I上进行测试，并基于反世代距离指标和非参数检验，预测是否属于精英算法配置；

若不属于，则舍弃该算法配置c_i，获取算法配置c_i+1继续进行测试；

若属于，则基于该算法配置c_i重新构建I/F-Race学习模型和CART模型，并基于新的I/F-Race学习模型自所述算法配置空间中获取算法配置并利用新的CART模型进行性能评价；

重复上述过程，进行迭代训练，达到终止条件后，输出筛选出的最优配置。

3.根据权利要求2中所述的一种基于CART增强的混合流水车间调度模型优化方法，其特征在于：

所述CART评估模型预测算法配置c_i是否属于精英算法配置后，若不属于，则将该算法配置c_i打上永久次级标签并舍弃，

若属于，则将该算法配置c_i打上精英标签并进入迭代训练中。

4.根据权利要求3中所述的一种基于CART增强的混合流水车间调度模型优化方法，其特征在于：

当存在算法配置c_j被打上永久次级标签后，若在迭代训练过程中再次出现该算法配置c_j，则不会进入测试性能评价，直接舍弃，获取算法配置c_j+1继续进行测试。

5.根据权利要求1中所述的一种基于CART增强的混合流水车间调度模型优化方法，其特征在于：

基于CMOEA框架构建流水车间调度优化模型求解的过程为：

初始化，生成初始种群；进行种群进化迭代训练；当满足终止准则之后，停止种群进化迭代训练，并输出非支配解。