【技术实现步骤摘要】
一种基于CART增强的混合流水车间调度模型优化方法
[0001]本专利技术涉及车间调度
,特别是涉及一种基于CART增强的混合流水车间调度模型优化方法。
技术介绍
[0002]调度问题考虑工件在机器上的分配、批次的划分、加工顺序等问题,是对生产的计划与安排。调度问题一般可以定义为“把有限的资源在时间上分配给若干个任务,以满足或优化一个或多个目标”。在车间调度问题中,作业车间调度(Job shop scheduling problems,JSP)和流水车间调度(Flow shop scheduling problems,FSP)问题是最典型并且最具有研究意义的,它们具有十分典型而且特殊的加工特性和加工环境。目前在学术界研究讨论最多的就是这两类调度问题。
[0003]多目标一致分批混合车间流水调度(Multi
‑
objective Hybrid flow shop scheduling problems with consistent sublots,MOHFSP_CS)问题作为经典流水车间调度问题的扩展,是比FSP更复杂的NP
‑
hard组合优化问题,在冶金和化工行业有着很广泛的应用,是当前调度领域关注的重要研究问题。混合流水车间是一种非常抽象的概念,具有多台机器同时生产的流水线布局。因此混合流水车间不仅具有流水线生产的高效优势,而且更具灵活性,满足了市场多元化的需求。在求解MOHFSP_CS时,不仅要安排工件的加工顺序,还需要解决同一加工阶段多台加工机器的分配问题以及 ...
【技术保护点】
【技术特征摘要】
1.一种基于CART增强的混合流水车间调度模型优化方法,其特征在于:具体包括以下步骤:S1、采集流水车间数据集I,所述流水车间数据集至少包括加工单元数据集、机器数据集、加工批次数据集和工序阶段数据集;S2、基于CMOEA框架构建流水车间调度优化模型和算法配置空间C;S3、采用I/F
‑
Race学习模型对所述流水车间调度优化模型进行学习训练,自所述算法配置空间C中获取算法配置c
i
;S4、构建CART评估模型,代入所述流水车间数据集,对所述算法配置c
i
进行性能评价预测,根据评价预测结果进入I/F
‑
Race学习模型进行迭代学习训练,直至获取最优算法配置c
r
,得到最终流水车间调度优化模型F;S5、以总完工时间和子批总数为优化目标,输入所述流水车间数据集,利用最终流水车间调度优化模型F进行求解,获取最优解集。2.根据权利要求1中所述的一种基于CART增强的混合流水车间调度模型优化方法,其特征在于:在步骤S4中,CART评估模型对所述算法配置c
i
进行性能评价预测的方法为:将所述算法配置c
i
在测试集I上进行测试,并基于反世代距离指标和非参数检验,预测是否属于精英算法配置;若不属于,则舍弃该算法配置c
i
,获取算法配置c
i+1
继续进行测试;若属于,则基于该算法配置c
i
重新构建I/F
‑
Race学习模型和CART模型,并基于新的I/F
‑
Race学习模型自所述算法配置空间中获取算法配置并利用新的CART模型进行性能评价;重复上述过程,进行迭代训练,达到终止条件后,输出筛选出的最优配置。3.根据权利要求2中所述的一种基于CART增强的混合流水车间调度模型优化方法,其特征在于:所述CART评估模型预测算法配置c
i
是否属于精英算法配置后,若不属于,则将该算法配置c
i
打上永久次级标签并舍弃,若属于,则将该算法配置c
i
打上精英标签并进入迭代训练中。4.根据权利要求3中所述的一种基于CART增强的混合流水车间调度模型优化方法,其特征在于:当存在算法配置c
j
被打上永久次级标签后,若在迭代训练过程中再次出现该算法配置c
j
,则不会进入测试性能评价,直接舍弃,获取算法配置c
j+...
【专利技术属性】
技术研发人员:张昕丽,张彪,孟磊磊,赵陆菲,桑红燕,韩玉艳,贾保先,
申请(专利权)人:聊城大学,
类型:发明
国别省市:
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。