[发明专利]一种多批次铝件仿古铜制作的优化调度方法

摘要

本发明涉及一种多批次铝件仿古铜制作的优化调度方法，属于生产过程智能优化调度技术领域。本发明通过确定不同批次铝件在工厂内制作过程的调度模型和优化目标，并使用基于量子优化的人工蜂群算法的优化调度方法对目标进行优化；其中，调度模型依据各批次铝件在每台设备上的工序数、加工时间来建立，同时优化目标为最小化最大完工时间。本发明可在短时间内获得多批次铝件仿古铜制作过程调度问题的优良解，从而可降低制作的生产成本缩短生产时间，提高工厂的生产效率，能有效解决多批次铝件仿古铜制作过过程中由于加工排序不当导致的工厂成本浪费，经济效益不高的问题。

主权项

1.一种多批次铝件仿古铜制作的优化调度方法，其特征在于：通过确定不同批次铝件在工厂内制作过程的调度模型和优化目标，并使用基于量子优化的人工蜂群算法的优化调度方法对目标进行优化；其中，调度模型依据各批次铝件在每台设备上的工序数、加工时间来建立，同时优化目标为最小化最大完工时间Cmax:Cmax＝C(jn,m)式中：铝件批次量为n；机器数为m；j_i表示排序i位置上的铝件；表示排序i位置上的铝件在机器k上的标准加工时间；排序i位置上的铝件在机器k上加工前的设置时间为排序i位置上的铝件在机器k上的完成时间为C(j_i,k)；最大完工时间为C(j_n,m)；目标函数最大完工时间为C_max；利用基于量子优化的多目标人工蜂群算法求解该问题模型，得到的个体包含不同批次铝件的加工顺序和该加工顺序下的最大完工时间，以最小化最大完工时间为目标，求得最优个体；利用基于量子优化的多目标人工蜂群算法求解该模型，从而得到一种多批次铝件仿古铜制作的优化调度方法；所述的基于量子优化的人工蜂群算法的优化调度方法具体步骤为：Step1、种群初始化：采用随机方法产生初始化种群Initpop，直至初始解的数量达到种群规模的要求；其中，种群规模为NP；Step2、个体离散化：由于本算法基于连续实数域，而多批次铝件仿古铜制作过程基于离散变量，因此，采用基于随机键编码方式对仿古铜的制作工序排序进行实数编码，然后根据LOV规则建立实数编码与整数编码之间的一一映射关系，进而实现从实数编码向仿古铜的制作工序排序的转换，计算每个个体的目标函数值；Step3、种群更新：种群中每个个体为一个解，每个解对应一个蜜源、雇佣蜂、跟随蜂；1：对每个雇佣蜂利用式(1)进行蜂群更新，利用保优原则保留个体；2：记录雇佣蜂更新之后的较优个体值Pbest和当前全局最优Gbest，融合量子优化原则依次利用式(5)、式(6)、式(2)、式(3)得到每个蜜源被选择的概率P；3：跟随蜂利用轮盘赌原则在优质蜜源附近进行局部搜索，选择个体值较高的个体作为蜜源，然后融合量子优化原则利用公式(7)更新当前种群中所有蜜源；4：若蜜源在连续limit次迭代后未得到更新，即用式(4)随机产生一个新蜜源代替原蜜源；其中，式(1)、式(2)、式(3)、式(4)、式(5)、式(6)、式(7)分别表示如下：vi,j＝xi,j+rand(‑1,1)(xi,j‑xk,j)  (1)Xi＝Xmin+rand(0,1)(Xmax‑Xmin)  (4)P＝a·Pbest+(1‑a)Gbest  (5)b＝1‑g/max g×0.5  (6)式中，vi,j为新蜜源个体Vi的第j维分量，xi,j为个体Xi的第j维分量；xk,j为个体Xk的第j维分量；fi为蜜源个体Xi的目标函数值；fiti为蜜源个体对应的适应度；Xmax和Xmin为解空间上下界；a、u为(0,1)间随机数；Pbest为个体极值；Gbest为全局极值；b为收缩膨胀系数；g为当前进化代数；maxg为规定的最大进化代数；本步骤融合量子能遍历整个解空间的行为特性，根据蜜源位置的波函数和概率密度函数，基于量子模型进行位移更新，该操作实质上是一种局部搜索策略；Step4、记录当前最优解；Step5、迭代终止条件：若达到最大迭代次数maxg＝1000，则输出最优解，否则转到Step2，反复迭代，直至满足终止条件为止。