当前位置: 首页 > 专利查询>清华大学专利>正文

跨组织机加车间的数模双驱智能调度方法及装置制造方法及图纸

技术编号:43325630 阅读:33 留言:0更新日期:2024-11-15 20:24
本申请涉及一种跨组织机加车间的数模双驱智能调度方法及装置,其中,方法包括:建立跨组织机加车间调度模型并对其进行向量编码,得到工厂、工序和机器向量;通过协同初始化策略生成第一和第二父代种群,遗传进化搜索第一父代种群获取第一子代种群,数据驱动邻域搜索第二子代种群并记录其搜索知识;根据上述父代和子代种群生成新的第一和第二父代种群,通过多算子协同邻域搜索新的第一父代种群获取其搜索知识;拼接工厂向量等得到一维张量,并结合邻域动作推荐神经网络模型,得到对应的调度方案。由此,解决了现有的跨组织车间调度方法难以在实现快速高效搜索的同时,记录历史搜索经验,对资源分组复杂机加工车间调度问题的求解效率较低等问题。

【技术实现步骤摘要】

本申请涉及跨组织车间调度,特别涉及一种跨组织机加车间的数模双驱智能调度方法及装置


技术介绍

1、机械加工车间是航空产品的工艺路线中重要生产环境,机加车间负责将热压后的复合材料切割加工成所需形状大小。现代制造企业,采用多园区分布式制造模式,订单下达到总部后,指令中心指挥运输车队将原材料从仓库送往不同园区,不同的园区的加工能力不同,但可并行加工,为了提高产能,企业选择将原材料分配到多个园区加工,增加了问题的复杂性。

2、目前考虑跨组织的车间调度问题的现有技术在方法层面仍存在明显不足。

3、在方法层面,目前分布式车间调度问题的求解方式可分为数据驱动型和知识驱动型。其中,知识驱动型算法一般使用智能优化算法结合知识驱动的局部搜索操作,该方法可以实现快速全局搜索,但无法记录每一代的搜索知识,算法在种群更新迭代完成后直接淘汰旧的种群,但被淘汰的种群包含了历史的搜索经验,可以有效利用其为算法后续搜索提供知识;数据驱动的算法一般使用强化学习算法,该类算法使用神经网络来存储每一代的搜索策略,但该类算法搜索速度慢,策略搜索方向随机,缺乏引导性。

本文档来自技高网...

【技术保护点】

1.一种跨组织机加车间的数模双驱智能调度方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述预设协同初始化策略,包括:

3.根据权利要求1所述的方法,其特征在于,所述根据预设协同初始化策略生成所述跨组织机加车间调度模型对应的第一父代种群和第二父代种群,包括:

4.根据权利要求3所述的方法,其特征在于,所述对所述第一父代种群执行遗传进化搜索操作,以获取所述第一父代种群的第一子代种群,包括:

5.根据权利要求4所述的方法,其特征在于,所述预设数据驱动的邻域搜索策略,包括:

6.根据权利要求5所述的方法,其...

【技术特征摘要】

1.一种跨组织机加车间的数模双驱智能调度方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述预设协同初始化策略,包括:

3.根据权利要求1所述的方法,其特征在于,所述根据预设协同初始化策略生成所述跨组织机加车间调度模型对应的第一父代种群和第二父代种群,包括:

4.根据权利要求3所述的方法,其特征在于,所述对所述第一父代种群执行遗传进化搜索操作,以获取所述第一父代种群的第一子代种群,包括:

5.根据权利要求4所述的方法,其特征在于,所述预设数据驱动的邻域搜索策略,包括:

6.根据权利要求5所述的方法,其特征在于,所述将所述一维张量输入至预先训练...

【专利技术属性】
技术研发人员:王凌李瑞堵君懿
申请(专利权)人:清华大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1