[发明专利]基于量子行为粒子群算法的生产制造过程优化方法和装置

摘要

本发明公开了一种基于量子行为粒子群算法的生产制造过程优化方法，包括以下步骤：以氧气消耗量、重油的消耗量、机器的消耗成本和生产线上炉内气压为优化目标，以时间和资源约束作为约束条件，构建多目标制造过程优化模型；采用量子行为粒子群算法对所述多目标制造过程优化模型进行求解。本发明为生产制造过程的优化提供了一种定量的方式，较之前根据经验的调整方式更为合理，且准确性高，有助于优化资源配置。

主权项

1.一种基于量子行为粒子群算法的生产制造过程优化方法，其特征在于，包括以下步骤：步骤1：以氧气消耗量、重油的消耗量、机器的消耗成本和生产线上炉内气压为优化目标，以时间和资源约束作为约束条件，构建多目标制造过程优化模型；步骤2：采用量子行为粒子群算法对所述多目标制造过程优化模型进行求解；所述多目标制造过程优化模型为：miny＝F(x)＝{f₁(x),f₂(x),f₃(x),f₄(x)}所述f₁(x),f₂(x),f₃(x),f₄(x)分别表示氧气消耗量、重油的消耗量、机器的消耗成本和生产线上炉内气压四个目标函数；其中，氧气消耗量：f₁(x)＝minX_ijkW_ijk；重油消耗量：f₂(x)＝minX_ijkH_ijk；机器消耗功率：f₃(x)＝X_ijkP_ijk；反应炉内的气压：f₄(x)＝minX_ijkQ_ijk；X_ijk表示工件i的第j道工序在机器k上执行；W_ijk表示表示工件i的第j道工序在机器k上消耗的氧气量；H_ijk表示工件i的第j道工序在机器k上消耗的重油；P_ijk表示工件i的第j道工序在机器k的消耗的能源；Q_ijk表示工件i的第j道工序在机器k上生产时候的气压；其中，所述时间约束为：同一工件相邻工序间的开始加工时间有先后；所述资源约束为：在同一机台上开始下一个任务前必须完成当前任务，任何机器不能同时加工相同或者不同工序的两个工件；所述时间约束表示为：x_ijk＝x_i(j‑1)k＝1式中，工序加工时间t_ijk表示工件i的第j道工序在第k台机器上加工所需要的时间，S_ijk表示工件i的第j道工序在第k机台上开始加工的时间，整个式子表示工件i的第j‑1道工序必须在第j道工序之前完工；所述资源约束表示为：x_ijk＝x_mnk＝1and R_ijmnq＝1X_ijk＝1表示工序V_ij在机器k上执行，R_ijmnq表示在机器q上工件i第j道工序和工件m第n道工序的加工先后顺序，R_ijmnq＝1表示工序j先于工序n；所述量子行为粒子群算法具体步骤为：(1)初始化算法参数：粒子种群X、维度大小R，粒子i的位置，最大迭代次数MAXITER，最优解集L；粒子i所能到达的区域的四个目标函数区域设置为：氧气消耗O(i)，重油消耗G(i)，机器消耗功率M(i)，窑炉内压力S(i)，把四个目标区域定义为四个矩阵，以便下次迭代粒子的更新；(2)根据目标函数，计算每个粒子的适应值；(3)对于每个粒子，选择搜索路径：粒子i(i＝1，2，…，R)按照粒子进化方程在矩阵O(i)、G(i)、M(i)和S(i)中选择下一步的要到达的更新点；所述粒子进化方程为：其中，α为压缩‑扩张因子，t为当前迭代次数，u是均匀分布在0和1之间的随机数；L_ij为δ势阱的特征长度；X_ij(t)和X_ij(t+1)分别表示粒子进化前后的位置，M表示粒子群中潜在问题解的群体；(4)对每个粒子，计算该粒子的位置X_i(t)，根据个体最好位置求解公式求解粒子的个体最好位置S_i(t)，与前一次该粒子个体最好位置S_i(t‑1)的适应值进行比较，如果更好，则将S_i(t)作为新的局部最优解；所述个体最好位置求解公式为：其中，f(·)表示粒子当前的位置；(5)对每个粒子，将其适应值与其经过的最好位置Sbest作比较，如果更好，则将当前位置作为当前的全局最优解；(6)重复(2)‑(5)；(7)终止条件：迭代次数达到设定的最大迭代次数或者完成目标函数区域的计算。