基于改进EDA的高端装备研发制造协同调度方法及系统技术方案

本发明专利技术实施例提供了一种基于改进EDA的高端装备研发制造协同调度方法及系统，首先根据工件数量、机器的数量、每个工件的加工时间、每个加工批次的加工时间、每个工件的恶化因子、每个工件的容量、每台机器的每个加工批次的容量以及每个加工批次在每台机器中的位置，确定每台机器的每个加工批次需要加工的工件，之后将每台机器中的加工批次进行排序，更新概率矩阵，并根据更新后的概率矩阵，更新当前种群；最后更新当前种群的全局最优解。上述技术方案能够确定每个工件分配至第一阶段具体的机器，该机器上的工件的组批方式，批的加工顺序，以最小化制造跨度，提高了生产效率，降低了生产成本。

Collaborative scheduling method and system for high-end equipment R&D and manufacturing based on improved EDA

The embodiment of the invention provides a cooperative scheduling method and system for R&D and manufacturing of high-end equipment based on improved EDA. Firstly, according to the number of workpieces, the number of machines, the processing time of each workpiece, the processing time of each processing batch, the deterioration factor of each workpiece, the capacity of each workpiece, the capacity of each processing batch of each machine and the capacity of each processing batch in each machine. The location of the machine determines the jobs that need to be processed in each batch. Then the batches in each machine are sorted, the probability matrix is updated, and the current population is updated according to the updated probability matrix. Finally, the global optimal solution of the current population is updated. The above technical scheme can determine the specific machine that each workpiece is assigned to the first stage. The batch mode and the batch processing sequence of the workpieces on the machine can minimize the manufacturing span, improve the production efficiency and reduce the production cost.

【技术实现步骤摘要】
基于改进EDA的高端装备研发制造协同调度方法及系统
本专利技术涉及制造和调度领域，具体涉及一种基于改进EDA的高端装备研发制造协同调度方法及系统。
技术介绍
两阶段混合流水车间是一类典型的调度问题，存在于医疗、钢铁、汽车等行业。例如，在一类特定的半导体加工流水车间中，工件需要经过锻压和焊造两阶段的处理。在每个阶段中，工件成批的进行加工，即在满足机器容量的限制下，一台机器可以处理多个工件。工件必须首先在第一阶段上的机器上进行加工，然后才能在第二阶段的机器上进行加工。这类经典的混合流水车间问题将平行机与流水车间结合起来，可以有效地提高流水车间的工作效率，进一步提高企业的加工水平，降低企业运营的成本。考虑到人工操作的实际情况，随着时间的推移，工件的加工时间会呈现出恶化的趋势。恶化情形下，越靠后的位置加工，工件的加工时间会越长。此外，在实际的流水车间情形中，工件呈现出尺寸上的差异性。因此，对恶化效应情形下考虑混合流水车间平行机批调度问题进行研究具有很强的现实意义。由于混合流水车间调度问题是一类典型的NP难问题，在以往的研究中，智能算法被广泛应用于解决流水车间调度问题在以往调度问题的研究中，工件加工时间一般被假设为固定并已知的，但考虑到实际的生产环境，工件的加工时间往往会呈现出随着时间而延长的趋势。近年来已有文献开始研究具有恶化效应的调度问题，但通过文献的查找，没有发现同时考虑恶化效应，两阶段混合流水车间平行批加工和差异化工件的调度模型。而这类调度模型在现实的生产环境中实际存在，且解决该类调度问题是提升企业调度效率、降低企业生产成本的关键。除此之外，在方法上，分布估计算法更关注于全局搜索而其局部搜索的能力往往有限，而一个有效的分布估计算法应实现全局搜索和局部搜索间的平衡。因此，在充分分析调度模型的基础上，针对性地提出优化策略、局部搜索步骤对于改进分布估计算法以求解调度模型、得出理想调度方案十分有必要。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种基于改进EDA的高端装备研发制造协同调度方法及系统，解决了恶化效应情形下的两阶段混合流水车间平行批处理机差异化工件调度问题，提高了生产效率，降低了生产成本。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：第一方面，本专利技术实施例提供了一种基于改进EDA的高端装备研发制造协同调度方法，所述方法包括如下步骤：获取工件数量、每个工件的容量、每个工件的加工时间、每台机器的每个加工批次的恶化因子、每个工件的恶化因子、每台机器的每个加工批次的容量、每台机器的每个加工批次加工时间、机器的数量、每台机器的容量；设置迭代的代数、种群规模、每代迭代的次数、交叉概率、变异概率以及全局最优解；根据工件数量和机器的数量，确定生成小数的数量，并根据生成小数的数量生成对应个数的小数；根据机器的数量，确定需要获取的小数的数量，并根据需要获取的小数的数量，从生成的小数中获取最大的对应个数的小数；根据获取的小数，为每台机器分配工件；根据每个工件的加工时间、每个加工批次的加工时间、每个工件的恶化因子、每个工件的容量、每台机器的每个加工批次的容量以及每个加工批次在每台机器中的位置，确定每台机器的每个加工批次需要加工的工件；根据每台机器的每个加工批次的加工时间和每台机器的每个加工批次的恶化因子，将每台机器中的加工批次进行排序；根据每台机器的每个加工批次需要加工的工件以及种群规模，生成初始种群；根据每台机器中的每个加工批次需要加工的工件，确定概率矩阵，并根据所述概率矩阵，更新当前种群；计算改进后的种群中每个个体的适应度值，并保留适应度值大于第一预定数值的个体；根据交叉概率和变异概率，运用差分进化算法中的交叉变异操作更新每个个体，并保留适应度值大于第二预定数值的个体；更新当前种群的全局最优解，并根据迭代的代数和、每代迭代的次数判断迭代终止条件是否满足，若是则返回生成初始种群的步骤，否则输出当前得到全局最优解。进一步地，在将每台机器中的加工批次进行排序之后，还包括如下步骤：根据每台机器中的每个加工批次需要加工的工件，计算每台机器的制造时间跨度。进一步地，所述方法利用如下步骤确定每台机器的每个加工批次需要加工的工件：获取当前加工批次需要加工的工件中的一个工件，放入当前加工批次中；对于当前加工批次需要加工的其他工件，选取满足如下公式的工件，并放入当前加工批次中；sy≤C-sx式中，r表示当前加工批次在当前机器中的位置、sy表示工件的容量，sx表示当前加工批次已经占用的容量，Px表示当前加工批次的加工时间，py表示工件的加工时间，ax表示当前交加工批次中工件的恶化因子的最大值，ay表示工件的恶化因子，C表示当前机器的容量。进一步地，所述方法利用如下步骤确定概率矩阵，并更新当前种群：概率矩阵中的元素pij(l)代表第l代的第j个个体的第i个位置上出现flag的概率，若当前位置出现flag则赋值为否则赋值为0；根据下式对当前概率矩阵进行更新操作：式中，α∈(0,1)是概率矩阵的学习指数，代表在第i个位置前出现flag的次数，SP_Size表示适应度值大于预定适应度的种群的个数；根据概率矩阵更新种群中的每个个体。进一步地，所述根据概率矩阵更新种群中的每个个体，包括：生成一个属于预定数值区间内的小数，若这个小数大于当前位置上的概率，则设置当前位置为flag，否则将这个随机小数赋值给当前位置；若生成的新个体适应度值大于之前的适应度值，则保留新个体，否则，执行交叉变异操作。进一步地，所述根据交叉概率和变异概率，运用差分进化算法中的交叉变异操作更新每个个体，并保留适应度值大于第二预定数值的个体，包括：计算当前种群中每个个体的适应度值并对其排序；根据预定概率p，从当前种群的前100p％个个体中选取一个个体从当前种群中，选择除个体i的另外两个个体，并记为和利用下式对当前个体进行变异操作，得到新的个体记作对当前个体的第j个位置进行交叉操作：生成一个随机数randb(j)，如果该随机数大于CR，则将变异后第j个位置上的值赋给当前个体对应位置的值；否则，则保留变异前第j个位置的值；计算交叉变异操作后的当前个体适应度值，若适应度值优于之前个体适应度值，则保留交叉变异后个体进入下一代种群，否则，保留之前个体进入下一代种群。第二方面，本专利技术实施例提供了一种基于改进EDA的高端装备研发制造协同调度系统，所述系统包括：信息获取模块，用于获取工件数量、每个工件的容量、每个工件的加工时间、每台机器的每个加工批次的恶化因子、每个工件的恶化因子、每台机器的每个加工批次的容量、每台机器的每个加工批次加工时间、机器的数量、每台机器的容量；设置模块，用于设置迭代的代数、种群规模、每代迭代的次数、交叉概率、变异概率以及全局最优解；小数生成处理模块，用于根据工件数量和机器的数量，确定生成小数的数量，根据生成小数的数量生成对应个数的小数；根据机器的数量，确定需要获取的小数的数量，根据需要获取的小数的数量，从生成的小数中获取最大的对应个数的小数；工件分配模块，用于根据获取的小数，为每台机器分配工件；批次确定模块，用于根据每个工件的加工时间、每个加工批次的加工时间、每个工件的恶化因子、每个工件的容量、每台机器的每个加工批次的已经占用的容本文档来自技高网...

【技术保护点】
1.一种基于改进EDA的高端装备研发制造协同调度方法，其特征在于，所述方法包括如下步骤：获取工件数量、每个工件的容量、每个工件的加工时间、每台机器的每个加工批次的恶化因子、每个工件的恶化因子、每台机器的每个加工批次的容量、每台机器的每个加工批次加工时间、机器的数量、每台机器的容量；设置迭代的代数、种群规模、每代迭代的次数、交叉概率、变异概率以及全局最优解；根据工件数量和机器的数量，确定生成小数的数量，并根据生成小数的数量生成对应个数的小数；根据机器的数量，确定需要获取的小数的数量，并根据需要获取的小数的数量，从生成的小数中获取最大的对应个数的小数；根据获取的小数，为每台机器分配工件；根据每个工件的加工时间、每个加工批次的加工时间、每个工件的恶化因子、每个工件的容量、每台机器的每个加工批次的当前已占用容量、每台机器的容量以及每个加工批次在每台机器中的位置，确定每台机器的每个加工批次需要加工的工件；根据每台机器的每个加工批次的加工时间和每台机器的每个加工批次的恶化因子，将每台机器中的加工批次进行排序；根据每台机器的每个加工批次需要加工的工件以及种群规模，生成初始种群；根据每台机器中的每个加工批次需要加工的工件，确定概率矩阵，并根据所述概率矩阵，更新当前种群；计算改进后的种群中每个个体的适应度值，并保留适应度值大于第一预定数值的个体；根据交叉概率和变异概率，运用差分进化算法中的交叉变异操作更新每个个体，并保留适应度值大于第二预定数值的个体；更新当前种群的全局最优解，并根据迭代的代数和、每代迭代的次数判断迭代终止条件是否满足，若是则返回生成初始种群的步骤，否则输出当前得到全局最优解。...

【技术特征摘要】
1.一种基于改进EDA的高端装备研发制造协同调度方法，其特征在于，所述方法包括如下步骤：获取工件数量、每个工件的容量、每个工件的加工时间、每台机器的每个加工批次的恶化因子、每个工件的恶化因子、每台机器的每个加工批次的容量、每台机器的每个加工批次加工时间、机器的数量、每台机器的容量；设置迭代的代数、种群规模、每代迭代的次数、交叉概率、变异概率以及全局最优解；根据工件数量和机器的数量，确定生成小数的数量，并根据生成小数的数量生成对应个数的小数；根据机器的数量，确定需要获取的小数的数量，并根据需要获取的小数的数量，从生成的小数中获取最大的对应个数的小数；根据获取的小数，为每台机器分配工件；根据每个工件的加工时间、每个加工批次的加工时间、每个工件的恶化因子、每个工件的容量、每台机器的每个加工批次的当前已占用容量、每台机器的容量以及每个加工批次在每台机器中的位置，确定每台机器的每个加工批次需要加工的工件；根据每台机器的每个加工批次的加工时间和每台机器的每个加工批次的恶化因子，将每台机器中的加工批次进行排序；根据每台机器的每个加工批次需要加工的工件以及种群规模，生成初始种群；根据每台机器中的每个加工批次需要加工的工件，确定概率矩阵，并根据所述概率矩阵，更新当前种群；计算改进后的种群中每个个体的适应度值，并保留适应度值大于第一预定数值的个体；根据交叉概率和变异概率，运用差分进化算法中的交叉变异操作更新每个个体，并保留适应度值大于第二预定数值的个体；更新当前种群的全局最优解，并根据迭代的代数和、每代迭代的次数判断迭代终止条件是否满足，若是则返回生成初始种群的步骤，否则输出当前得到全局最优解。2.根据权利要求1所述的方法，其特征在于，在将每台机器中的加工批次进行排序之后，还包括如下步骤：根据每台机器中的每个加工批次需要加工的工件，计算每台机器的制造时间跨度。3.根据权利要求1所述的方法，其特征在于，所述方法利用如下步骤确定每台机器的每个加工批次需要加工的工件：获取当前加工批次需要加工的工件中的一个工件，放入当前加工批次中；对于当前加工批次需要加工的其他工件，选取满足如下公式的工件，并放入当前加工批次中；sy≤C-sx式中，r表示当前加工批次在当前机器中的位置、sy表示工件的容量，sx表示当前加工批次已经占用的容量，Px表示当前加工批次的加工时间，py表示工件的加工时间，ax表示当前交加工批次中工件的恶化因子的最大值，ay表示工件的恶化因子，C表示当前机器的容量。4.根据权利要求1所述的方法，其特征在于，所述方法利用如下步骤确定概率矩阵，并更新当前种群：概率矩阵中的元素pij(l)代表第l代的第j个个体的第i个位置上出现flag的概率，若当前位置出现flag则赋值为否则赋值为0；根据下式对当前概率矩阵进行更新操作：式中，α∈(0,1)是概率矩阵的学习指数，代表在第i个位置前出现flag的次数，SP_Size表示适应度值大于预定适应度的种群的个数；根据概率矩阵更新种群中的每个个体。5.根据权利要求4所述的方法，其特征在于，所述根据概率矩阵更新种群中的每个个体，包括：生成一个属于预定数值区间内的小数，若这个小数大于当前位置上的概率，则设置当前位置为flag，否则将这个随机小数赋值给当前位置；若生成的新个体适应度值大于之前的适应度值，则保留新个体，否则，执行交叉变异操作。6.根据权利要求1所述的方法，其特征在于，所述根据交叉概率和变异概率，运用差分进化算法中的交叉变异操作更新每个个体，并保留适应度值大于第二预定数值的个体，包括：计算当前种群中每个个体的适应度值并对其排序；根据预定概率p，从当前种群的前100p％个个体中选取一个个体从当前种群中，选择除个体i的另外两个个体，并记为和利用下式对当前个体进行变异操作，得到新的个体记作对当前个体的第j个位置进行交叉操作：生成一个随机数randb(j)，如果该随机数大于CR，...

【专利技术属性】
技术研发人员：裴军，刘思文，刘心报，廖宝玉，孔敏，陆少军，周志平，钱晓飞，胡俊迎，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34