基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法及应用技术

本发明专利技术公开了一种基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法及应用，其步骤包括：1通过获取焦化车间焦炭生产线的生产信息，建立炼焦混合流水车间调度问题的焦化炼焦工艺智慧排产模型；2采用排列编码方式对跟哈里斯鹰个体进行编码，基于工件先到先加工规则和最早空闲机器规则作为解码方式，构成焦化车间调度方案；3利用改进的哈里斯鹰算法对炼焦混合流水车间调度模型进行迭代优化，并输出全局最优调度方案并安排焦炭生产。本发明专利技术通过运用智能化方法，提高焦化炼焦混合流水车间调度优化效率和准确性，实现调度的智能化，助力调度人员进行科学决策。调度人员进行科学决策。调度人员进行科学决策。

【技术实现步骤摘要】
基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法及应用


[0001]本专利技术属于计算机集成制造
，具体的说是一种基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法及其应用。

技术介绍

[0002]混合流水车间调度是指在按照流水式生产线布置，包含多道工序且每道工序有一台或多台并行机器的生产车间，也称为柔性流水车间。这种车间结构可有效消除瓶颈机器对生产连续性的影响，提高整条生产线的效率，同时可有效平衡机器的使用率、增大产能。在混合流水车间调度问题中，单道工序可能存在多台并行的可用机器，因而可以从多台并行机器中选择加工机器。混合流水车间调度问题的研究目标不仅要考虑为每一道工序安排合适的机器，还要考虑如何安排加工任务的加工顺序，是更加困难的NP
‑
hard问题。
[0003]焦炭是我国能源经济的命脉，具有较高的经济价值和战略意义。炼焦是制备焦炭的重要流程，炼焦工艺流程虽然焦化中间产品种类及加工工艺比较复杂，但是炼焦工艺流程采取流水线加工形式，工艺流程明确且每道工序中存在若干台并行加工设备，因此可提取炼焦关键步骤，属于混合流水车间调度问题。目前缺少关于焦化生产车间调度问题的研究，其原因主要有两方面：第一，焦化炼焦工艺属于传统化工产品制造业，生产过程存在危险性，自动化和标准化程度低，应用场景有限；第二，与常规的混合流水车间调度相比，焦化产品生产车间调度问题具有约束条件较多且复杂度大的特点。因此研究焦炭的智慧排产具有较高的实用价值和理论意义。
[0004]求解混合流水车间调度问题的方法主要分为精确求解方法和近似方法。精确求解方法就是针对具体的问题建立完全符合生产实际的问题模型最后求得问题的最优解，但混合流水车间调度问题已被证明为NP
‑
hard问题，因此该方法难以适用于大规模的混合流水车间调度问题。
[0005]焦化生产作为能源经济的重要支柱产业，如何对炼焦车间的加工任务科学安排和对车间资源合理配置来实现生产系统的调度优化，直接影响着企业的生产效率和生产成本等指标。此外，由于焦化生产工艺流程复杂，中间产品较多，因而鲜有学者对焦化生产车间调度问题进行研究。

技术实现思路

[0006]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法及应用，以期能采用智能化方法代替或辅助调度人员进行决策，从而能提高车间调度效率和准确性。
[0007]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0008]本专利技术一种基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法的特点是，应用于M种不同比例的混合煤在经过焦化车间的S道工序后加工成焦炭的排产中，并包括如
下步骤：
[0009]步骤1：获取焦化车间焦炭生产线的生产信息，利用式(1)建立炼焦混合流水车间调度问题的目标函数，并利用式(2)
‑
式(7)建立约束条件，从而构成炼焦混合流水车间调度模型：
[0010][0011][0012]X
i,i
‑
1,m,k
+X
i
‑
1,i,m,k
≤1
ꢀꢀ
(3)
[0013][0014][0015]C
ij
≥C
i,j+1
+p
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0016]X
i,j,k
、X
i,i
‑
1,m,k
∈{0,1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0017]式(1)
‑
式(7)中，X
i,j,k
表示第i种混合煤的第j个工序是否在第k台机器上加工，若X
i,j,k
＝1，则表示在第k台机器上加工，若X
i,j,k
＝0，则表示不在第k台机器上加工；X
i,i
‑
1,m,k
表示在第k台机器上加工第i种混合煤的第j道工序时是否优先加工第i
‑
1种混合煤的第j道工序，若是，则令X
i,i
‑
1,m,k
为1，否则，令X
i,i
‑
1,m,k
为0；S表示工序的数量；p
ij
表示第i种混合煤在第j道工序的加工时间；m
j
表示第j道加工工序的并行机器数量；C
ij
表示第i种混合煤在第j道加工工序的完工时间；C
i,j+1
表示第i种混合煤在第j+1道工序的完工时间；Y表示松弛变量；表示第i种混合煤的最大完工时间；i＝1,2,...,M；j＝1,2,...,S；k＝1,2,...,m
j
；
[0018]步骤2：根据焦化车间焦炭排产的历史经验，确定由各道工序中混合煤的加工顺序和机器分配顺序构成的初始调度方案；
[0019]定义最大迭代终止次数为T，令当前迭代次数t＝0；令当前所述初始调度方案为第t
‑
1次迭代的最优调度方案即第t
‑
1次迭代的猎物位置；
[0020]步骤3：利用改进的哈里斯鹰算法对所述焦化炼焦混合流水车间调度模型进行求解；
[0021]步骤3.1：定义种群规模为N；构建第t代种群的哈里斯鹰集合为步骤3.1：定义种群规模为N；构建第t代种群的哈里斯鹰集合为表示第t代种群的第v个哈里斯鹰的位置信息，将每个哈里斯鹰的位置信息为M种混合煤的加工顺序编码，则M种混合煤的加工顺序编码记为{π
v,1
,π
v,2
,...,π
v,i
,...,π
v,M
}；其中，π
v,i
表示第v个哈里斯鹰中第i种混合煤的加工顺序；
[0022]按照混合煤在上一工序的完工顺序，将各混合煤分配给最早可用的机器进行加工，如果有多台机器同时可用，则随机选择一台机器进行加工，从而将每个哈里斯鹰的位置信息解码为M种混合煤加工的机器分配顺序；
[0023]由第t代种群中第v个哈里斯鹰的位置信息所代表的M种混合煤的加工顺序和M种混合煤加工的机器分配顺序构成第t次迭代的第v种焦化车间调度方案，v＝1,2,
…
,N；N为
种群规模；
[0024]步骤3.2：以所述目标函数F作为第t次代种群的适应度函数其中，表示第t代种群中第v个哈里斯鹰的适应度函数；
[0025]步骤3.3：根据式(1)计算第t代种群中每个哈里斯鹰的适应度值，并将适应度值最优的哈里斯鹰的位置信息设为第t次迭代的猎物位置
[0026]步骤3.4：通过更新猎物逃逸能量，然后根据猎物逃逸能量和生成的随机数执行搜索或开发行为中对应的位置更新策略；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于哈里斯鹰算法的焦化炼焦混合流水车间智能调度方法，其特征是，应用于M种不同比例的混合煤在经过焦化车间的S道工序后加工成焦炭的排产中，并包括如下步骤：步骤1：获取焦化车间焦炭生产线的生产信息，利用式(1)建立炼焦混合流水车间调度问题的目标函数，并利用式(2)
‑
式(7)建立约束条件，从而构成炼焦混合流水车间调度模型：型：型：型：型：C
ij
≥C
i，j+1
+p
ij
ꢀꢀꢀꢀ
(6)X
i，j，k
、X
i，i
‑
1，m，k
∈{0，1}
ꢀꢀꢀꢀ
(7)式(1)
‑
式(7)中，X
i,j,k
表示第i种混合煤的第j个工序是否在第k台机器上加工，若X
i,j,k
＝1，则表示在第k台机器上加工，若X
i,j,k
＝0，则表示不在第k台机器上加工；X
i,i
‑
1,m,k
表示在第k台机器上加工第i种混合煤的第j道工序时是否优先加工第i
‑
1种混合煤的第j道工序，若是，则令X
i,i
‑
1,m,k
为1，否则，令X
i,i
‑
1,m,k
为0；S表示工序的数量；p
ij
表示第i种混合煤在第j道工序的加工时间；m
j
表示第j道加工工序的并行机器数量；C
ij
表示第i种混合煤在第j道加工工序的完工时间；C
i,j+1
表示第i种混合煤在第j+1道工序的完工时间；Y表示松弛变量；表示第i种混合煤的最大完工时间；i＝1,2,...,M；j＝1,2,...,S；k＝1,2,...,m
j
；步骤2：根据焦化车间焦炭排产的历史经验，确定由各道工序中混合煤的加工顺序和机器分配顺序构成的初始调度方案；定义最大迭代终止次数为T，令当前迭代次数t＝0；令当前所述初始调度方案为第t
‑
1次迭代的最优调度方案即第t
‑
1次迭代的猎物位置；步骤3：利用改进的哈里斯鹰算法对所述焦化炼焦混合流水车间调度模型进行求解；步骤3.1：定义种群规模为N；构建第t代种群的哈里斯鹰集合为步骤3.1：定义种群规模为N；构建第t代种群的哈里斯鹰集合为表示第t代种群的第v个哈里斯鹰的位置信息，将每个哈里斯鹰的位置信息为M种混合煤的加工顺序编码，则M种混合煤的加工顺序编码记为{π
v,1
,π
v,2
,...,π
v,i
,...,π
v,M
}；其中，π
v,i
表示第v个哈里斯鹰中第i种混合煤的加工顺序；按照混合煤在上一工序的完工顺序，将各混合煤分配给最早可用的机器进行加工，如果有多台机器同时可用，则随机选择一台机器进行加工，从而将每个哈里斯鹰的位置信息解码为M种混合煤加工的机器分配顺序；由第t代种群中第v个哈里斯鹰的位置信息所代表的M种混合煤的加工顺序和M种混合
煤加工的机器分配顺序构成第t次迭代的第v种焦化车间调度方案，v＝1,2,
…
,N；N为种群规模；步骤3.2：以所述目标函数F作为第t次代种群的适应度函数其中，表示第t代种群中第v个哈里斯鹰的适应度函数；步骤3.3：根据式(1)计算第t代种群中每个哈里斯鹰的适应度值，并将适应度值最优的哈里斯鹰的位置信息设为第t次迭代的猎物位置步骤3.4：通过更新猎物逃逸能量，然后根据猎物逃逸能量和生成的随机数执行搜索或开发行为中对应的位置更新策略；步骤3.4.1：利用式(8)计算第t次迭代的猎物的逃逸能量E
t
：E
t
＝2E
t,0
×
((1
‑
t/T)
1/3
)
1/2
ꢀꢀꢀꢀꢀ
(8)式(8)中，E
t,0
在第t次迭代时在区间(
‑
1,1)内随机数；步骤3.4.2：若|E
t
|≥1，则表示进入随机探索阶段，利用式(9)更新第t代种群的第v个哈里斯鹰的位置信息从而得到第t+1代种群的第v个哈里斯鹰的位置信息进而得到第t+1代种群；第t+1代种群；式(9)和式(10)中，表示第t代种群随机选取出的个体的位置信息；r1、r2、r3表示区间(0,1)中的三个随机数，表示第t代种群的哈里斯鹰的平均位置，LB表示算法搜索空间的上界，UB表示算法搜索空间的下界；若|E|<1时，则表示执行开发行为，并从四种策略中选择一种策略得到第t+1代种群的第v个哈里斯鹰的位置信息进而得到第t+1代种群；步骤3.4.3：将第t+1代种群划分为若干个子种群，采用交叉方法对任意两个子种群进行子种群信息交流操作，得到更新后的第t+1代种群；步骤3...

【专利技术属性】
技术研发人员：朱旭辉，张子路，倪志伟，王相山，薛庆峰，刘强，夏平凡，倪丽萍，
申请(专利权)人：临涣焦化股份有限公司，
类型：发明
国别省市：