当前位置: 首页 > 专利查询>长安大学专利>正文

一种基于改进型鲸鱼算法的云制造资源配置的方法技术

技术编号:21400405 阅读:28 留言:0更新日期:2019-06-19 07:22
本发明专利技术公开了一种基于改进鲸鱼算法的云制造资源优化配置的方法,包括:构建问题模型,定义适应度函数;设置改进鲸鱼算法参数并生成初始种群;计算种群中所有个体的适应度值,得到当前最优的资源配置方案并转换为鲸鱼个体位置向量;引入参数p,判断p≤0.5是否满足;否,进行螺旋运动迭代更新完成种群更新;是,判断改进鲸鱼算法的系数向量

【技术实现步骤摘要】
一种基于改进型鲸鱼算法的云制造资源配置的方法
本专利技术属于作业调度
,具体涉及一种基于改进鲸鱼算法的云制造资源优化配置的方法。
技术介绍
云计算技术的发展改变了全球制造业的发展模式。市场需求多样化、个性化以及产品更新换代的快速化都迫切需要产业结构的调整和转变。云制造是一种基于网络的、面向服务的智能制造新模式,作为云制造的核心问题之一,云制造环境下的制造资源优化配置方法的优劣将直接影响制造服务的质量,关系到服务过程是否能够安全、顺利地进行。我国是当今世界上拥有制造加工资源最多的国家,但是由于普遍存在着制造模式落后、资源利用率低、制造资源分散化和区域化等问题,造成严重的浪费,而合理分配制造资源,充分地利用现有的制造加工资源将生产总成本降至最低才是企业的最终目标,现在的制造业迫切地需要解决资源配置不佳的难题,以便更好地指导生产。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点,提供一种基于改进鲸鱼算法的云制造资源优化配置的方法。为达到上述目的,本专利技术采用以下技术方案予以实现:一种基于改进鲸鱼算法的云制造资源优化配置的方法,包括以下步骤:步骤1:构建云制造资源优化配置问题模型,定义适应度函数maxF;步骤2:设置改进鲸鱼算法的种群规模、最大迭代次数以及位置维度;并利用混沌反向学习策略和搜索法生成初始种群;步骤3:计算种群中所有个体的适应度值,得到当前最优的资源配置方案并转换为鲸鱼个体位置向量;步骤4:引入参数p,p是[0,1]中的一个随机数;判断p≤0.5是否满足;否,对鲸鱼个体位置向量进行螺旋运动迭代更新,进行步骤6;是,进行步骤5;步骤5:判断改进鲸鱼算法的系数向量的取值A<1是否满足;是,对鲸鱼个体位置向量进行收缩包围迭代更新;否,对鲸鱼个体位置向量进行随机搜索捕食迭代更新;步骤6:将更新后的鲸鱼个体位置向量转换为资源配置方案,完成种群更新;步骤7:计算当前种群中所有个体的适应度值,得到当前最优的资源配置方案;步骤8:迭代次数加1,判断当前迭代次数是否小于最大迭代次数;是,返回步骤3;否,输出当前最优的资源配置方案。本专利技术进一步的改进在于:步骤1的具体方法为:将时间、成本、质量和服务作为求解的优化目标,纳入适应度函数中:其中:T表示加工总时间,零部件的第i项分任务在第j项资源上加工xi,j取1,否则xi,j取0;Ti,j表示第i项分任务在第j项资源上加工的时间,Ti,i+1表示第i项分任务与第i+1项分任务之间的运输时间;C表示加工总成本,Ci,j表示第i项分任务在第j项资源上加工的成本,Ci,i+1表示第i项分任务与第i+1项分任务之间的运输成本;Q、S、Qi,j和Si,j为[1,9]之间的常数;Q表示产品总质量,Qi,j表示第i项分任务在第j项资源上的加工质量;S表示产品总服务反馈,Si,j表示第i项分任务在第j项资源上的服务反馈;定义适应度函数maxF:其中:Tmax-T≥0、Cmax-C≥0、Q-Qmin≥0和S-Smin≥0;Tmax表示最大加工时间,Cmax表示最大加工成本;ω1、ω2、ω3和ω4为系数权重,ω1+ω2+ω3+ω4=1。步骤3中将资源配置方案转换为鲸鱼个体位置向量的具体方法为:采用下式将资源配置方案转换为鲸鱼个体位置向量:其中:x(i)为第i项分任务对应的鲸鱼个体位置元素,x(i)∈[-ε,ε],ε为随机值,o(i)为第i项分任务对应的资源配置序号,m(i)为第i项分任务对应的可选择的资源数量。步骤4中对鲸鱼个体位置向量进行螺旋运动迭代更新的具体方法为:采用下式进行螺旋运动迭代更新:其中:为最优鲸鱼个体与其余鲸鱼个体之间的距离;t表示当前迭代次数;ω为惯性权重,ω=ωmax-(ωmax-ωmin)*ln(1+t*(e-1)/tmax),ωmax表示惯性权重最大值,ωmin表示惯性权重最小值,e表示自然对数,tmax为最大迭代次数;是当前最优鲸群个体的位置向量;是当前鲸群个体的位置向量,是逐元素相乘符号,b为定义的对数螺线形状的常数,l为之间的随机数。步骤5中对鲸鱼个体位置向量进行收缩包围迭代更新的具体方法为:采用下式进行收缩包围迭代更新:其中:t表示当前迭代次数;和是系数向量;且在迭代过程中从2线性递减到0,与均为随机向量且取值范围均为[0,1],tmax为最大迭代次数;ω为惯性权重,ω=ωmax-(ωmax-ωmin)*ln(1+t*(e-1)/tmax),ωmax表示惯性权重最大值,ωmin表示惯性权重最小值,e表示自然对数;是当前最优鲸群个体的位置向量;是当前鲸群个体的位置向量,.*是逐元素相乘符号。步骤5中对鲸鱼个体位置向量进行随机搜索捕食迭代更新的具体方法为:采用下式进行随机搜索捕食迭代更新:其中:是从当前群体中选择的随机个体位置矢量。步骤6中鲸鱼个体位置向量转换为资源配置方案的具体方法为:采用下式将鲸鱼个体位置向量转换为资源配置方案:其中:其中o(i)为第i项分任务对应的资源配置序号,x(i)为第i项分任务对应的鲸鱼个体位置元素,x(i)∈[-ε,ε],m(i)为第i项分任务对应的可选择的资源数量。与现有技术相比,本专利技术具有以下有益效果:通过将时间、成本、质量和服务纳入云制造资源配置模型,优化资源配置问题模型;并且在基本鲸鱼优化算法的基础之上引入编码解码方式和惯性权重,增强了鲸鱼优化算法局部搜索能力,提高了鲸鱼优化算法收敛精度,加快了鲸鱼优化算法收敛速度;减少计算时间,从而节约整个生产过程的耗费时间,降低了生产投入成本。通过实例验证,表明改进的鲸鱼算法收敛速度更快,更易达到最优解,并为解决资源配置问题提供了新的方法。附图说明图1为本专利技术的方法流程框图;图2为本专利技术实施例的适应度变化曲线图。具体实施方式为了使本
的人员更好地理解本专利技术方案,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分的实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本专利技术保护的范围。需要说明的是,本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面结合附图对本专利技术做进一步详细描述:参见图1,本专利技术一种基于改进鲸鱼算法的云制造资源优化配置的方法,包括以下步骤:步骤1:构建云制造资源优化配置问题模型,定义适应度函数maxF。将时间、成本、质量和服务作为求解的优化目标,纳入适应度函数中:其中:T表示加工总时间,零部件的第i项分任务在第j项资源上加工xi,j取1,否则xi,j取0;Ti,j表示第i项分任务在第j项资源上加工的时间,Ti,i+1表示第i项分任务与第i+1项分任务之间的运输时间;本文档来自技高网
...

【技术保护点】
1.一种基于改进鲸鱼算法的云制造资源优化配置的方法,其特征在于,包括以下步骤:步骤1:构建云制造资源优化配置问题模型,定义适应度函数maxF;步骤2:设置改进鲸鱼算法的种群规模、最大迭代次数以及位置维度;并利用混沌反向学习策略和搜索法生成初始种群;步骤3:计算种群中所有个体的适应度值,得到当前最优的资源配置方案并转换为鲸鱼个体位置向量;步骤4:引入参数p,p是[0,1]中的一个随机数;判断p≤0.5是否满足;否,对鲸鱼个体位置向量进行螺旋运动迭代更新,进行步骤6;是,进行步骤5;步骤5:判断改进鲸鱼算法的系数向量

【技术特征摘要】
1.一种基于改进鲸鱼算法的云制造资源优化配置的方法,其特征在于,包括以下步骤:步骤1:构建云制造资源优化配置问题模型,定义适应度函数maxF;步骤2:设置改进鲸鱼算法的种群规模、最大迭代次数以及位置维度;并利用混沌反向学习策略和搜索法生成初始种群;步骤3:计算种群中所有个体的适应度值,得到当前最优的资源配置方案并转换为鲸鱼个体位置向量;步骤4:引入参数p,p是[0,1]中的一个随机数;判断p≤0.5是否满足;否,对鲸鱼个体位置向量进行螺旋运动迭代更新,进行步骤6;是,进行步骤5;步骤5:判断改进鲸鱼算法的系数向量的取值A<1是否满足;是,对鲸鱼个体位置向量进行收缩包围迭代更新;否,对鲸鱼个体位置向量进行随机搜索捕食迭代更新;步骤6:将更新后的鲸鱼个体位置向量转换为资源配置方案,完成种群更新;步骤7:计算当前种群中所有个体的适应度值,得到当前最优的资源配置方案;步骤8:迭代次数加1,判断当前迭代次数是否小于最大迭代次数;是,返回步骤3;否,输出当前最优的资源配置方案。2.根据权利要求1所述的基于改进鲸鱼算法的云制造资源优化配置的方法,其特征在于,所述步骤1的具体方法为:将时间、成本、质量和服务作为求解的优化目标,纳入适应度函数中:其中:T表示加工总时间,零部件的第i项分任务在第j项资源上加工xi,j取1,否则xi,j取0;Ti,j表示第i项分任务在第j项资源上加工的时间,Ti,i+1表示第i项分任务与第i+1项分任务之间的运输时间;C表示加工总成本,Ci,j表示第i项分任务在第j项资源上加工的成本,Ci,i+1表示第i项分任务与第i+1项分任务之间的运输成本;Q、S、Qi,j和Si,j为[1,9]之间的常数;Q表示产品总质量,Qi,j表示第i项分任务在第j项资源上的加工质量;S表示产品总服务反馈,Si,j表示第i项分任务在第j项资源上的服务反馈;定义适应度函数maxF:其中:Tmax-T≥0、Cmax-C≥0、Q-Qmin≥0和S-Smin≥0;Tmax表示最大加工时间,Cmax表示最大加工成本;ω1、ω2、ω3和ω4为系数权重,ω1+ω2+ω3+ω4=1。3.根据权利要求1所述的基于改进鲸鱼算法的云制造资源优化配置的方法,其特征在于,所述步骤3中将资源配置方案转换为鲸鱼个体位置...

【专利技术属性】
技术研发人员:栾飞吴书强蔡宗琰李富康杨嘉
申请(专利权)人:长安大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1