[发明专利]一种烟草制丝加工过程的优化调度方法

摘要

本发明涉及一种烟草制丝加工过程的优化调度方法，属于生产车间智能优化调度技术领域。本发明通过确定工厂内的烟草制丝过程调度模型和优化目标，并使用基于改进的混沌烟花算法的优化调度方法对目标进行优化；其中，调度模型依据每台加工设备上所加工烟草原料的最大完工时间来建立，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烟草制丝加工过程调度问题的优良解，从而可降低工厂的生产成本，提高工厂的生产效率，增强企业的竞争力，能有效解决烟草制丝加工过程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

1.一种烟草制丝加工过程的优化调度方法，其特征在于：通过确定工厂内的烟草制丝过程调度模型和优化目标，并使用基于改进的混沌烟花算法的优化调度方法对目标进行优化；其中，调度模型依据每台加工设备上所加工烟草原料的最大完工时间来建立，同时优化目标为最小化最大完工时间Cmax(π):Cmax(π)＝Cπ(n),mCπ(i),j＝max{Cπ(i‑1),j,Cπ(i),j‑1}+pπ(i),jCπ(1),j＝Cπ(1),j‑1+pπ(1),jCπ(i),1＝Cπ(i‑1),1+pπ(i),1Cπ(1),1＝pπ(1),1式中，烟草原料数为n、共有m台机器，该优化调度问题的一个解为π＝{π(1),π(2),K,π(n)}；Oi,j表示原料i在机器j上的操作并规定该操作开始后将不允许中断；每一个操作Oi,j都有相应的标准加工时间pi,j，每个加工操作Oi,j的完工时间为Ci,j，π表示烟草制丝加工过程的一种加工序列，π(i)表示加工序列中第i个位置的烟草原料；Cmax(π)表示烟草制丝加工过程的最大完工时；调度的目标为在烟草原料排序的集合Φ中找到一个π*，使得最大完工时间Cmax(π*)最小；所述基于改进的混沌烟花算法的优化调度方法具体为：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、初始烟花位置：由于改进的混沌烟花算法基于连续实数域，而烟草制丝加工过程基于离散变量，因此，采用基于随机键编码方式对烟草原料的加工排序进行实数编码，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烟草原料排序的转换，计算每个烟花的适应度值；Step3、释放烟花：种群中每个烟花都开始爆炸，计算每个烟花的火花数目和爆炸半径，公式如下所示：其中，Si为烟花i的火花数目，Ri为烟花i的爆炸半径，SN为爆炸火花数，A为基本爆炸半径，fi为烟花i的适应度值，ymax为当前烟花种群中的最大适应度值，ymin为当前烟花种群中的最小适应度值，ε为机器最小值，避免除零操作；Step4、生成爆炸火花：爆炸火花通过爆炸算子产生，每个火花由特定的烟花产生，并且其位置同样由父代烟花决定，公式如下所示：其中，a、b是两个常数，round是四舍五入原则的取整函数，U表示均匀分布，烟花xi根据Step2的爆炸半径对每一个维度k进行位置更新；Step5、判断爆炸火花是否超界：如果生成的爆炸火花超界，则需将火花映射到有效区域，否则执行Step6。相关公式如下所示：其中，LBk、UBk为解空间在维度k上的上边界和下边界，mod为取余函数；Step6、生成高斯变异火花：高斯变异火花可以增加种群的多样性，在烟花种群中随机选择一定数目的烟花，对每一个烟花随机选择一定数目的维度进行高斯变异操作，相关公式如下所示：其中，e:N(1,1)，N(1,1)表示均值为1、方差为1的高斯分布；Step7、判断高斯变异火花是否超界：如果生成的高斯变异火花超界，则需将火花映射到有效区域，否则执行Step8，公式如下所示：其中，LBk、UBk为解空间在维度k上的上边界和下边界，mod为取余函数；Step8、种群更新：采用轮盘赌策略在由烟花种群、爆炸火花和高斯变异火花共同组成的候选集合K中，选取NP个个体作为下一代烟花种群，公式如下所示：dij＝||xi‑xj||其中，dij表示第i和第j个烟花个体之间的欧式距离，pi表示轮盘赌中第i个个体被选择的概率；Step9、对新生成的烟花种群进行混沌搜索：将每一个烟花个体通过混沌映射规则对应为混沌搜索空间中的混沌变量，利用混沌变量做遍历性寻优搜索，将遍历到的混沌变量序列转换为解向量序列，利用混沌搜索后的得到的最好解向量更新混沌搜索前的烟花个体，公式如下所示：其中，ai和bi分别表示烟花i的搜索上下界，首先将烟花i将个体空间位置映射到混沌区域(‑1,1)，得到yi，然后利用混沌遍历搜索得到混沌变量序列y(i+1)，然后再将混沌变量序列变换到原解空间，得到x'i，在此过程中，如果搜索到更优的解，将更优位置代替第i个烟花个体；Step10、对烟花种群中最优个体进行局部搜索：对最优个体依次执行“Swap”和“Insert”操作，如果局部搜索得到的个体优于当前个体则将其替换，并将当代种群作为新一代种群；Step11、终止条件判别：设定终止条件为算法运行时间T＝50×n，如果满足，则输出“最优个体”；否则转至步骤Step3，反复迭代，直至满足终止条件为止。