装备研发制造过程中的协同调度方法、系统和存储介质技术方案

本发明专利技术提供一种面向工业互联网的装备研发制造过程中的协同调度方法、系统和存储介质，涉及工业调度技术领域。该方法包括：S100、设置算法参数；S200、生成初始种群，将初始种群中适应度值最低的个体作为全局最优解；S300、针对当前种群中每一个个体，构建对应的邻域结构；S400、根据每一个个体的邻域结构，对该个体进行更新；S500、对当前种群中的每一个个体执行多次的趋化操作、复制操作和驱逐操作；S600、在当前种群中选择适应度值最低的个体，对全局最优解进行更新；S700、判断当前迭代次数是否小于最大迭代次数：若是，则返回S300；否则，根据全局最优解，采用启发式算法对全局最优解进行批次调整，得到目标协同调度方案。本发明专利技术能够提供一种合理的调度方案。

Collaborative Scheduling Method, System and Storage Medium in Equipment R&D and Manufacturing

【技术实现步骤摘要】
装备研发制造过程中的协同调度方法、系统和存储介质
本专利技术涉及工业调度
，具体涉及一种面向工业互联网的装备研发制造过程中的协同调度方法、系统和存储介质。
技术介绍
物联网、大数据、云计算等新型信息技术的不断发展，催生制造业研发模式和生产制造模式的不断变革。目前在航天、船舶、军事等高端装备领域中，多数企业已开展以“工业+互联网”为核心的智能研发和智能制造，因此在工业互联网环境下，如何利用全面互联的技术，高效实现高端装备研发制造过程的协同化，是目前亟需解决的问题。高端装备研发制造过程往往需要多个代理协同化管理，例如，在部分飞机铝制品零件的生产过程中，半成铝产品被放入时效炉进行加工，加工得到的铝成品一部分外包给合作商，另一部分铝成品留在铝厂以供其生产需求，因此在半成铝产品加工成铝成品时需要考虑到两个代理的不同需求，该铝产品工艺流程的加工调度问题是一类典型的two-agent问题。铝产品不仅可以用来冶炼稀有金属，还可以应用在高端装备的零部件中，如航空硬铝7075。由于铝产品的应用范围广，且生产成本较低的特点，使得优化铝产品工艺流程的生产制造过程，对国防的建设，经济的提升和综合国力的增强具有重要的意义。
技术实现思路
(一)针对现有技术的不足，本专利技术提供了一种面向工业互联网的装备研发制造过程中的协同调度方法、系统和存储介质，能够提供一种合理的调度方案。(二)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，本专利技术提供了一种面向工业互联网的装备研发制造过程中的协同调度方法，该方法包括：S100、设置算法参数，所述算法参数中至少包括预设的最大迭代次数；S200、生成初始种群，将所述初始种群中适应度值最低的个体作为全局最优解；S300、针对当前种群中的每一个个体，构建对应的邻域结构；S400、根据当前种群中各个个体各自对应的邻域结构，对对应的个体进行更新，以实现对种群的更新；S500、对当前种群中的每一个个体执行多次的趋化操作、复制操作和驱逐操作，以实现对种群的再次更新；S600、在当前种群中选择适应度值最低的个体，并根据该适应度值最低的个体，对全局最优解进行更新；S700、判断当前迭代次数是否小于所述最大迭代次数：若是，则返回S300；否则，采用启发式算法对全局最优解进行批次调整，得到目标协同调度方案。第二方面，本专利技术提供一种面向工业互联网的装备研发制造过程中的协同调度系统，该系统包括：参数设置模块，用于执行S100、设置算法参数，所述算法参数中至少包括预设的最大迭代次数；种群生成模块，用于执行S200、生成初始种群，将所述初始种群中适应度值最低的个体作为全局最优解；邻域构建模块，用于执行S300、针对当前种群中的每一个个体，构建对应的邻域结构；第一更新模块，用于执行S400、根据当前种群中各个个体各自对应的邻域结构，对对应的个体进行更新，以实现对种群的更新；第二更新模块，用于执行S500、对当前种群中的每一个个体执行多次的趋化操作、复制操作和驱逐操作，以实现对种群的再次更新；最优解更新模块，用于执行S600、在当前种群中选择适应度值最低的个体，并根据该适应度值最低的个体，对全局最优解进行更新；终止判断模块，用于执行S700、判断当前迭代次数是否小于所述最大迭代次数：若是，则返回邻域构建模块中执行S300；否则，采用启发式算法对全局最优解进行批次调整，得到目标协同调度方案。第三方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现上述调度方法。(三)本专利技术实施例提供了一种面向工业互联网的装备研发制造过程中的协同调度方法、系统和存储介质，首先通过邻域结构搜索，避免陷入局部最优，然后对种群进行趋化、复制和驱逐等操作，不断提高种群质量；通过迭代多个步骤，在解空间内不断搜索，最终求得较好的全局最优解；最后采用启发式算法对全局最优解进行优化，以使得到的目标协同调度方案更加合理。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中面向工业互联网的装备研发制造过程中的协同调度方法的流程示意图；图2是本专利技术一实施例中步骤S500的具体流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本专利技术一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。第一方面，本专利技术提供一种面向工业互联网的装备研发制造过程中的协同调度方法，如图1所示，该方法包括：S100、设置算法参数；其中，所述算法参数中至少包括预设的最大迭代次数。在实际应用中，算法参数还可以包括工件总数、第一代理A的工件数量、第二代理B的工件数量、加工机器的数量M、工件的普通加工时间、各个工件自个的恶化率、最大迭代次数、最大趋化操作次数、预设的最大复制操作次数、预设的最大驱逐操作次数、每一次趋化操作中预设的最大游动次数、预设的驱逐概率、种群的规模即种群中个体的数量、个体的初始位置、第一预设值即给定值U等。其中，个体的初始位置可以用趋化操作次数yc、复制操作次数yre和驱逐操作次数yed表示，例如，第j个个体的初始位置为θj＝(yc，yre，yed)。S200、生成初始种群，将所述初始种群中适应度值最低的个体作为全局最优解；每一个个体的生成过程可以包括如下步骤：生成N个取值在[1，M]范围内的整数，得到由N个取值在[1，M]范围内的整数构成的随机整数序列；其中，N为工件的总数，M为机器的数量，所述机器为有界平行批处理机；这里，生成N个取值在[1，M]范围内的整数，实际上是将N个工件分配到M台机器上。假如随机整数序列为若g＝1，则工件放至第1台机器上加工，若g＝2，则工件放至第2台机器上加工。可见，个体和解并不是同一概念，个体中包括N个取值在[1，M]范围内的整数，表示N个工件分配到M台机器上。而解不仅是将N个工件分配到M个机器上，还要将每一台机器上的各个工件进行组批，即还要确定每一台机器上的各个批次中所包含的工件，各个批次的顺序。在实际应用中，每一个个体的适应度值计算过程如下：S201、根据该个体中N个取值在[1，M]范围内的整数，确定每一台机器需处理的所有工件；其中，N为工件的总数，N个工件中包括多个第一代理的工件和多个第二代理的工件；可理解的是，在个体中有10个整数6，则在N个工件中有10个工件会被分配到第6台机器上。按照这种方式，可以找到每一台机器上处理的所有工件。S202、对每一台机器需处理的所有工件执行FBLDR算法，以确定该台机器需处理的所有工件所分成的各个批次；S202、采用启发式算法对各台机器上的各个批次进行调整，确定在批次调整后第一代理的所有工件的制造时间跨度，并将该制造时间跨度作为该个体的适应度值。可见，通过步骤S202～S203可根据个体，利用启发式算法对工件进行本文档来自技高网...

【技术保护点】
1.一种面向工业互联网的装备研发制造过程中的协同调度方法，其特征在于，包括：S100、设置算法参数，所述算法参数中至少包括预设的最大迭代次数；S200、生成初始种群，将所述初始种群中适应度值最低的个体作为全局最优解；S300、针对当前种群中的每一个个体，构建对应的邻域结构；S400、根据当前种群中各个个体各自对应的邻域结构，对对应的个体进行更新，以实现对种群的更新；S500、对当前种群中的每一个个体执行多次的趋化操作、复制操作和驱逐操作，以实现对种群的再次更新；S600、在当前种群中选择适应度值最低的个体，并根据该适应度值最低的个体，对全局最优解进行更新；S700、判断当前迭代次数是否小于所述最大迭代次数：若是，则返回S300；否则，采用启发式算法对全局最优解进行批次调整，得到目标协同调度方案。

【技术特征摘要】
1.一种面向工业互联网的装备研发制造过程中的协同调度方法，其特征在于，包括：S100、设置算法参数，所述算法参数中至少包括预设的最大迭代次数；S200、生成初始种群，将所述初始种群中适应度值最低的个体作为全局最优解；S300、针对当前种群中的每一个个体，构建对应的邻域结构；S400、根据当前种群中各个个体各自对应的邻域结构，对对应的个体进行更新，以实现对种群的更新；S500、对当前种群中的每一个个体执行多次的趋化操作、复制操作和驱逐操作，以实现对种群的再次更新；S600、在当前种群中选择适应度值最低的个体，并根据该适应度值最低的个体，对全局最优解进行更新；S700、判断当前迭代次数是否小于所述最大迭代次数：若是，则返回S300；否则，采用启发式算法对全局最优解进行批次调整，得到目标协同调度方案。2.根据权利要求1所述的方法，其特征在于，每一个个体的适应度值的计算过程包括：S201、根据该个体中N个取值在[1，M]范围内的整数，确定每一台机器需处理的所有工件；其中，N为工件的总数，N个工件中包括多个第一代理的工件和多个第二代理的工件；S202、采用启发式算法对各台机器上的各个批次进行调整，确定在批次调整后第一代理的所有工件的制造时间跨度，并将该制造时间跨度作为该个体的适应度值。3.根据权利要求1所述的方法，其特征在于，所述算法参数中还包括预设的最大趋化操作次数、预设的最大复制操作次数和预设的最大驱逐操作次数；所述对当前种群中的每一个个体执行多次的趋化操作、复制操作和驱逐操作，包括：S501、设置趋化操作的初始次数为1、复制操作的初始次数为1以及驱逐操作的初始次数为1；S502、判断当前驱逐操作次数是否小于所述最大驱逐操作次数；S503、若当前驱逐操作次数小于所述最大驱逐操作次数，则执行S504；否则，输出当前种群；S504、判断当前复制操作次数是否小于所述最大复制操作次数；S505、若当前复制操作次数小于所述最大复制操作次数，则执行S506；否则，将当前复制操作次数置为0，对当前种群中的每一个个体执行一次驱逐操作，将当前驱逐操作次数加1，并返回S502；S506、判断当前趋化操作次数是否小于所述最大趋化操作次数；S507、若当前趋化操作次数小于所述最大趋化操作次数，则对当前种群中的每一个个体执行一次趋化操作，将当前趋化操作次数加1，并返回S506；否则，对当前趋化操作次数置为0，对当前种群中的每一个个体执行一次复制操作，将当前复制操作次数加1，并返回S504。4.根据权利要求3所述的方法，其特征在于，所述算法参数中还包括每一次趋化操作中预设的最大游动次数和每次游动的步长；对当前种群中的各个个体执行一次趋化操作的过程包括：A1、计算每一个个体在初始位置的适应度值，并将该初始位置作为该个体的当前最佳位置；A2、随机生成一个取值在[-1，1]范围内的N维方向向量；A3、根据所述N维方向向量和所述游动步长，将该个体在所述N维方向向量的方向上行进所述游动步长；A4、将当前游动次数置为0；A5、计算该个体在游动后位置上的适应度值；A6、判断该个体的当前游动次数是否小于所述最大游动次数：若是，将当前游动次数加1，并执行A7；否则，输出该个体在本次趋化操作过程中的当前最佳位置，根据当前最佳位置对该个体进行更新，结束对该个体的本次趋化操作，并返回A1，以执行对下一个个体的趋化操作；A7、判断该个体在游动后位置的适应度值是否低于该个体的当前最佳位置的适应度值：若是，则将该个体的当前最佳位置替换为所述游动后位置，并在所述N维方向向量上继续进行所述游动步长，并返回A5；否则，输出该个体在本次趋化操作过程中的当前最佳位置，根据当前最佳位置对该个体进行更新；结束该个体的本次趋化操作，并返回A1，以执行对下一个个体的趋化操作。5.根据权利要求3所述的方法，其特征在于，对当前种群中的每一个个体执行一次复制操作的过程包括：B1、计算每一个个体在上一次复制操作之后的各次趋化操作过程中的各个最佳位置处的适应度值的和，并将该和作为该个体的健康值；B2、根据种群中各个个体的健康值，对种群中各个个体进行排序；B3、将种群中健康值较高的Q/2个个体淘汰，并根据种群中健康值较低的Q/2个个体，生成Q/2个新个体，所述健康值较低的Q/2个个体和所述Q/2个新个体形成新的种群；其中，Q为种群中个体的数量。6.根据权利要求3所述的方法，其特征在于，所述算法参数中还包括预设的驱逐概率；对当前种群中每一个个体执行一次驱逐操作的过程包括：C1、对每一个个体随机生成一个概率值；C2、判断该概率值是否小于所述驱逐概率：若是，则将该个体与种群中的适应度值最低的个体进行多点交叉变换，以实现对该个体的更新；否则，保留该个体。7.如权利要求1～6任一...

【专利技术属性】
技术研发人员：裴军，魏金玲，刘心报，范雯娟，廖宝玉，宋庆儒，王兴明，严平，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34