一种基于基因表达式编程的智能工厂动态调度方法和装置制造方法及图纸

本发明专利技术公开了一种基于基因表达式编程的智能工厂动态调度方法和装置，包括如下步骤：S1、种群随机初始化；S2、计算种群个体的适应度值，判断是否满足终止条件；S3、利用带精英保留的轮盘赌进行选择操作；S4、对选择的个体进行重组，移位概率进行遗传操作；S5、构造不同的邻域结构；S6、判断种群当前最优解未改进的迭代次数是否达到预先设定值；S7、重复步骤2至步骤6，直到满足终止条件为止；本发明专利技术主要通过评价模块可根据生产特点建立近似的仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，为实际在线调度提供候选的规则策略，一定程度上提高在线调度的实时性。一定程度上提高在线调度的实时性。一定程度上提高在线调度的实时性。

A dynamic scheduling method and device for intelligent factory based on gene expression programming

【技术实现步骤摘要】
一种基于基因表达式编程的智能工厂动态调度方法和装置


[0001]本专利技术属于工厂动态调度
，具体涉及一种基于基因表达式编程的智能工厂动态调度方法和装置。

技术介绍

[0002]消费电子产品的制造加工生产线是一个复杂的随机动态系统。生产线上的随机事件包含：工件加工时间波动、机器故障、操作员离开、原材料短缺、紧急插单、作业取消或作业优先级变化等等；传统的静态调度策略是通过假定调度环境已知可预测，预先生成总体的调度计划，该调度计划在执行过程中不改变，这显然无法合理应对诸多生产过程中的随机事件，导致调度方案效果的大幅下降甚至不可行。
[0003]但是，在现有技术中，为了实现对动态事件的快速有效响应，需要设计适合实际生产环境的在线启发式调度规则；考虑到当前生产线流程复杂，工序变化快，车间的随机动态特性难以精确刻画的特点，这将导致多种可能的响应式动态调度规则难以离线评价其优劣性，不便于实时在线调度；此外由于难以离线评价，这也给针对问题的动态调度规则的设计提升了难度，降低了生产效率。
[0004]为此，我们提出一种基于基因表达式编程的智能工厂动态调度方法和装置来解决现有技术中存在的问题，使其可以通过离线学习方法，结合仿真模型自动构造出高效的调度规则，生成多组可行策略以供在线实验，用于进行种群的进化和迭代，一定程度上提高生产效率。

技术实现思路

[0005]本专利技术的目的在于提供一种基于基因表达式编程的智能工厂动态调度方法和装置，以解决上述
技术介绍
中提出现有技术中为了实现对动态事件的快速有效响应，需要设计适合实际生产环境的在线启发式调度规则，考虑到当前生产线流程复杂，工序变化快，车间的随机动态特性难以精确刻画的特点，这将导致多种可能的响应式动态调度规则难以离线评价其优劣性，不便于实时在线调度和由于难以离线评价，给针对问题的动态调度规则的设计提升了难度，降低了生产效率的问题，使其可根据生产特点建立近似的仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，为实际在线调度提供候选的规则策略，以及通过EGP操作单元采用离线学习方法，结合仿真模型自动构造出高效的调度规则，生成多组可行策略以供在线实验，一定程度上在提高在线调度的实时性的同时，提高了生产效率。
[0006]为实现上述目的，本专利技术采用了如下技术方案：
[0007]一种基于基因表达式编程的智能工厂动态调度方法，包括如下步骤：
[0008]S1、种群随机初始化，预先定义函数集、终端集和定义算法参数，并对种群进行初始化；
[0009]S2、计算种群个体的适应度值，判断是否满足终止条件，会存在以下两种情形：
[0010]A1、当满足终止条件时，输出最终结果，计算终止；
[0011]A2、当不满足终止条件时，则执行S3；
[0012]S3、利用带精英保留的轮盘赌进行选择操作，首先精英个体保留，其次根据轮盘赌依次选择其它个体；
[0013]S4、对选择的个体进行重组，移位概率进行遗传操作，同时按照设定的变异概率对每个个体进行变异，即先按变异概率进行变异操作，再按移位概率进行移位操作，按重组概率进行重组操作；
[0014]S5、构造不同的邻域结构，对经过步骤1至步骤4得到的种群选择部分个体进行变邻域操作，同时另一部分个体保持不变；
[0015]S6、判断种群当前最优解未改进的迭代次数是否达到预先设定值，会存在以下两种情形：
[0016]B1、当迭代次数达到预先设定值时，随机生成部分个体对当前种群最差的部分个体进行替换；
[0017]B2、当迭代次数未达到预先设定值时，对经过一系列遗传操作形成的新种群进行评价，计算每个个体的适应度值；
[0018]S7、重复步骤2至步骤6，直到满足终止条件为止。
[0019]优选的，步骤1中所述适应度值的计算方式是采用基因表达式编程算法，对初始种群，不断地进行迭代，基因表达式编程的缩写为GEP，同时迭代的种群输入仿真评价模块，仿真评价模块根据种群的状态，以及根据车间人机料法环的基础信息以及动态信息，对种群的状态进行评价。
[0020]优选的，步骤2中所述终止条件为计算的种群个体的适应度值是否达成生产动态调度目标，若种群的状态已经达成生产动态调度的目标，那么终止；若还没能达成生产动态调度的目标，则继续通过基因表达式编程算法，进行种群的进化和迭代。
[0021]优选的，仿真评价模块是根据车间人、机、料、法、环的基础信息和动态信息组成仿真评价体系，通过仿真评价体系对生产动态调度目标进行评价。
[0022]优选的，所述基因表达式编码的格式为：单个基因的组成元素分为两部分，第一部分元素从函数集FS中选择，第二部分元素从终端集TS选择，其中FS包含算数运算加、减、乘、以及保护性的除法，保护性的除法在除数为零时返回1；TS包含表示候选工件的属性和当前状态的元素，用于构造工件派遣规则的排序，即针对每一台设备，根据排序优先级选择对应的工件和工序，可以设计多基因染色体，如下面公式：
[0023]ST＝max(AT,MT)
[0024]IT＝max(0,CT
‑
AT)
[0025]WT＝max(0,AT
‑
CT)
[0026]其中，ST为工件当前工序最早开工时间，AT为工件当前工序达到的时间，MT为加要当前工序机器上等待总加工时间，IT为工件当前工序的停滞时间， CT为当前时间，WT为工件加工机器等待时间。
[0027]一种具有上述任意一项所述的基于基因表达式编程的智能工厂动态调度方法的装置，包括规则构造模块和评价模块，所述规则构造模块与评价模块电性连接，所述规则构造模块包括开始单元、种群初始化单元、EGP操作单元和新种群形成单元，所述评价模块包
括仿真评价体系单元。
[0028]优选的，所述开始单元与种群初始化单元电性连接，所述种群初始化单元与EGP操作单元电性连接，所述EGP操作单元与新种群形成单元电性连接。
[0029]优选的，所述开始单元用于预先定义函数集、终端集和定义算法参数，所述种群初始化单元用于创建初始种群，所述EGP操作单元用于计算创建的初始种群个体的适应度值，并确认适应度值是否满足终止条件，若满足，输出最终结果，则结束，若不满足，则通过EGP操作单元采用离线学习方法，结合仿真模型自动构造出的调度规则，生成多组可行策略以供在线实验，用于进行种群的进化和迭代。
[0030]优选的，所述仿真评价体系单元是根据车间人、机、料、法、环的基础信息和动态信息组成，所述评价模块根据生产特点建立仿真模型，通过仿真模型生成的随机实例，用于评价不同动态调度规则的优劣，以及为实际在线调度提供候选的规则策略。
[0031]优选的，所述种群初始化单元与评价模块电性连接，评价模块根据种群的状态，以及根据车间人机料法环的基础信息以及动态信息，对种群的状态进行评价。
[0032]本专利技术提出的一种基于基因表达式编程的智能工厂动态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基因表达式编程的智能工厂动态调度方法，其特征在于：包括如下步骤：S1、种群随机初始化，预先定义函数集、终端集和定义算法参数，并对种群进行初始化；S2、计算种群个体的适应度值，判断是否满足终止条件，会存在以下两种情形：A1、当满足终止条件时，输出最终结果，计算终止；A2、当不满足终止条件时，则执行S3；S3、利用带精英保留的轮盘赌进行选择操作，首先精英个体保留，其次根据轮盘赌依次选择其它个体；S4、对选择的个体进行重组，移位概率进行遗传操作，同时按照设定的变异概率对每个个体进行变异，即先按变异概率进行变异操作，再按移位概率进行移位操作，按重组概率进行重组操作；S5、构造不同的邻域结构，对经过步骤1至步骤4得到的种群选择部分个体进行变邻域操作，同时另一部分个体保持不变；S6、判断种群当前最优解未改进的迭代次数是否达到预先设定值，会存在以下两种情形：B1、当迭代次数达到预先设定值时，随机生成部分个体对当前种群最差的部分个体进行替换；B2、当迭代次数未达到预先设定值时，对经过一系列遗传操作形成的新种群进行评价，计算每个个体的适应度值；S7、重复步骤2至步骤6，直到满足终止条件为止。2.根据权利要求1所述的一种基于基因表达式编程的智能工厂动态调度方法，其特征在于：步骤1中所述适应度值的计算方式是采用基因表达式编程算法，对初始种群，不断地进行迭代，基因表达式编程的缩写为GEP，同时迭代的种群输入仿真评价模块，仿真评价模块根据种群的状态，以及根据车间人机料法环的基础信息以及动态信息，对种群的状态进行评价。3.根据权利要求2所述的一种基于基因表达式编程的智能工厂动态调度方法，其特征在于：步骤2中所述终止条件为计算的种群个体的适应度值是否达成生产动态调度目标，若种群的状态已经达成生产动态调度的目标，那么终止；若还没能达成生产动态调度的目标，则继续通过基因表达式编程算法，进行种群的进化和迭代。4.根据权利要求3所述的一种基于基因表达式编程的智能工厂动态调度方法，其特征在于：仿真评价模块是根据车间人、机、料、法、环的基础信息和动态信息组成仿真评价体系，通过仿真评价体系对生产动态调度目标进行评价。5.根据权利要求4所述的一种基于基因表达式编程的智能工厂动态调度方法，其特征在于：所述基因表达式编码的格式为：单个基因的组成元素分为两部分，第一部分元素从函数集FS中选择，第二部分元素从终端集TS选择，其中FS...

【专利技术属性】
技术研发人员：胡中骥，李向才，钟鑫，
申请(专利权)人：佳禾智能科技股份有限公司，
类型：发明
国别省市：