一种基于蒙特卡洛树搜索算法的机加工柔性排产方法技术

本发明专利技术公开了一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，其特征在于；包括以下方法：步骤S1：输入数据；输入用户和加工工件信息；步骤S2：初始化设备状态及蒙特卡洛树；步骤S3：设定训练总次；步骤S4：蒙特卡洛树搜索算法训练；步骤S5：获取最优的调度策略。本发明专利技术克服了现有技术的缺点，更适用于复杂的排产环境。在生产实际中，排产的工件状态、机床状态等信息都是随时间变化而变化的，蒙特卡洛树搜索可以在动态的环境中做出较好的调度权衡，并且可以得出具有启发性的解决方案，蒙特卡洛树搜索利用树结构来保存当前的系统状态与动作，并增加了随机选择动作的策略，更适用于动态变化的车间环境，解决了复杂动态环境下的机加工排产问题。产问题。产问题。

【技术实现步骤摘要】
一种基于蒙特卡洛树搜索算法的机加工柔性排产方法


[0001]本专利技术涉及智能制造
，更具体地说，本专利技术涉及一种基于蒙特卡洛树搜索算法的机加工柔性排产方法。

技术介绍

[0002]机械制造是我国经济体系的核心技术产业，智能制造已成为我国机械制造的主要发展方向，面对日益加剧的市场竞争和不断趋于个性化的客户需求，如何保证机械加工车间排产正常运行的同时提高企业的生产效率，以保证企业的市场竞争力，成了制造型企业面临的最大难题。随着制造业的快速发展，尤其是柔性加工在车间的兴起，传统的排产方法已不能满足调度快速响应的需求，在此背景下，智能排产逐渐替代了传统排产。
[0003]智能排产，其本质是一个车间调度问题，即通过算法计算寻找一种适应车间约束的最优生产排班和资源分配方案。在实际生产过程中，它往往受到工序、时间、机器和工件的约束，已成为这个领域中被证实的一种典型的NP难题。
[0004]国内外学者曾采用多种智能优化算法来解决这一难题，例如遗传算法、粒子群算法等，但现有的一些算法仅可解决一些最基本的作业空间调度问题，对于一些复杂的加工场景还需要人工进行参与协助。
[0005]因此我们提出了一种基于蒙特卡洛树搜索算法的机加工柔性排产方法来解决上述问题。

技术实现思路

[0006]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，该技术能够在复杂的调度环境中得到一个优秀的排产计划，并且所提出方法的性能随着作业数量的增加而提高，以解决上述背景技术中提出的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，包括以下方法：
[0008]步骤S1：输入数据；输入用户和加工工件信息；
[0009]步骤S2：初始化设备状态及蒙特卡洛树；
[0010]步骤S3：设定训练总次；
[0011]步骤S4：蒙特卡洛树搜索算法训练；
[0012]步骤S5：获取最优的调度策略。
[0013]本专利技术克服了现有技术的缺点，更适用于复杂的排产环境。在生产实际中，排产的工件状态、机床状态等信息都是随时间变化而变化的，蒙特卡洛树搜索可以在动态的环境中做出较好的调度权衡，并且可以得出具有启发性的解决方案，相较于Q
‑
learning算法利用表格来记录状态
‑
动作对的方法，蒙特卡洛树搜索利用树结构来保存当前的系统状态与动作，并增加了随机选择动作的策略，更适用于动态变化的车间环境，解决了复杂动态环境下的机加工排产问题。
[0014]在一个优选地实施方式中，步骤S1中，用户和加工工件信息包括工件号、任务编号、设备号、任务开始时间、加工时间、完工时间和优先级。
[0015]在一个优选地实施方式中，步骤S2中，建立蒙特卡洛树，初始化根节点，并初始化当前系统的状态。
[0016]在一个优选地实施方式中，步骤S3中，根据用户输入数据的规模，设定蒙特卡洛树搜索算法的总的迭代次数作为约束。
[0017]在一个优选地实施方式中，步骤S4中，在设定的总迭代次数内，对蒙特卡洛树进行搜索算法训练，步骤S4中，对蒙特卡洛树进行搜索算法训练中，使得蒙特卡洛树参数根据具体步骤进行迭代，并根据此具体步骤进行作业调度模拟。
[0018]在一个优选地实施方式中，步骤S5中，当蒙特卡洛树迭代次数等于设定最大值时，迭代结束，得到一颗训练完毕的蒙特卡洛树。
[0019]在一个优选地实施方式中，步骤S5中，根据所述训练完毕的蒙特卡洛树的树结构，从根节点开始利用UCT算法持续向下选择UCT值最大的子节点，直到达到一个叶子节点为止，系统根据所选择的节点执行相应的任务调度，还可以根据需要生成排产顺序的json文件，并生成甘特图。
[0020]本专利技术的技术效果和优点：
[0021]1、本专利技术克服了现有技术的缺点，更适用于复杂的排产环境。在生产实际中，排产的工件状态、机床状态等信息都是随时间变化而变化的，蒙特卡洛树搜索可以在动态的环境中做出较好的调度权衡，并且可以得出具有启发性的解决方案，相较于Q
‑
learning算法利用表格来记录状态
‑
动作对的方法，蒙特卡洛树搜索利用树结构来保存当前的系统状态与动作，并增加了随机选择动作的策略，更适用于动态变化的车间环境，解决了复杂动态环境下的机加工排产问题。
[0022]2、相较于其他传统的强化学习算法，本专利技术效率较高，自上而下的树搜索方式大大降低了时间复杂度，更加符合当下高效的机加工排产需求。
附图说明
[0023]图1为本专利技术中实施例二的流程图；
[0024]图2为本专利技术中蒙特卡洛树搜索算法伪代码示意图；
[0025]图3为本专利技术中举例说明示意图。
具体实施方式
[0026]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，都属于本专利技术保护的范围。
[0027]实施例一：
[0028]一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，包括以下方法：
[0029]步骤S1：输入数据；输入用户和加工工件信息；步骤S1中，用户和加工工件信息包括工件号、任务编号、设备号、任务开始时间、加工时间、完工时间和优先级；
[0030]步骤S2：初始化设备状态及蒙特卡洛树；步骤S2中，建立蒙特卡洛树，初始化根节点，并初始化当前系统的状态。
[0031]步骤S3：设定训练总次；步骤S3中，根据用户输入数据的规模，设定蒙特卡洛树搜索算法的总的迭代次数作为约束。
[0032]步骤S4：蒙特卡洛树搜索算法训练；步骤S4中，在设定的总迭代次数内，对蒙特卡洛树进行搜索算法训练，步骤S4中，对蒙特卡洛树进行搜索算法训练中，使得蒙特卡洛树参数根据具体步骤进行迭代，并根据此具体步骤进行作业调度模拟。
[0033]步骤S5：获取最优的调度策略，步骤S5中，当蒙特卡洛树迭代次数等于设定最大值时，迭代结束，得到一颗训练完毕的蒙特卡洛树，步骤S5中，根据所述训练完毕的蒙特卡洛树的树结构，从根节点开始利用UCT算法持续向下选择UCT值最大的子节点，直到达到一个叶子节点为止，系统根据所选择的节点执行相应的任务调度，还可以根据需要生成排产顺序的json文件，并生成甘特图。
[0034]实施例二：
[0035]参照图1
‑
3，一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，
[0036]步骤1，首先获取当前作业状态、任务队列、所有机器的可用资源、时间序列及操作级别值，构建蒙特卡洛树，并设定其根节点。
[0037]本实施例中用户输入当前的任务队列、可用机器及每个任务的时间序列信息，其中我们加入级别值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，其特征在于；包括以下方法：步骤S1：输入数据；输入用户和加工工件信息；步骤S2：初始化设备状态及蒙特卡洛树；步骤S3：设定训练总次；步骤S4：蒙特卡洛树搜索算法训练；步骤S5：获取最优的调度策略。2.根据权利要求1所述的一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，其特征在于：步骤S1中，用户和加工工件信息包括工件号、任务编号、设备号、任务开始时间、加工时间、完工时间和优先级。3.根据权利要求1所述的一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，其特征在于：步骤S2中，建立蒙特卡洛树，初始化根节点，并初始化当前系统的状态。4.根据权利要求1所述的一种基于蒙特卡洛树搜索算法的机加工柔性排产方法，其特征在于：步骤S3中，根据用户输入数据的规模，设定蒙特卡洛树搜索算法的总的迭代次数作为约束。5.根据权利要求1所述的一种基于蒙特卡洛树搜索算法的...

【专利技术属性】
技术研发人员：刘壮，史春平，
申请(专利权)人：上海炬隆精密工具有限公司，
类型：发明
国别省市：