【技术实现步骤摘要】
本专利技术属于自动控制、信息技术和先进制造领域。具体涉及在决策变量存在耦合、决策变量多、规模大的环境下，提高优化速度和性能的方法。
技术介绍
软计算在优化调度过程中取得了广泛应用，但在解空间规模庞大时，易于出现算法早熟、收敛速度慢等现象，整个求解过程效率较低。虽然高效的进化计算方法被不断提出，如量子进化计算、差分进化计算等高效的进化算法被不断提出，在提高算法效率方面取得了一定的改善，但当面对大规模问题时，求解效率仍很难令人满意。半导体生产过程十分复杂，规模庞大，特别在组批加工过程中，相比普通的加工过程，还存在组批、Batch排序等过程，同时组批决策和操作排序决策之间存在较强的耦合作用，即组批决策结果受操作排序结果的影响，因此，如何通过挖掘问题自身的特征，提高算法的求解效率，是优化带有批处理过程的调度问题的难点。本专利技术提出一种，与其他算法相比，本专利技术具有较优的调度性能和求解效率。
技术实现思路
为了解决复杂生产制造过程中优化算法存在的求解效率低下的不足，本专利技术针对半导体生产过程中的扩散区组批调度过程中决策变量多，批调度策略与操作排序策略之间存在强耦合，调度...
【技术保护点】
基于序优化与在线核极限学习机的分层迭代优化调度方法，其特征在于，所述方法是在计算机上依次按以下步骤实现的：步骤1：初始化调度算法相关参数采集调度所需的相关初始化信息，包括每个lot的片数、品种、工艺流程信息，每个操作的菜单、可加工机器名称、所属的加工机器组名称信息，每个机器的释放时间、所属的机器组、对每种菜单的加工时间信息，这些信息写入算法数据库中，在调度算法启动时，作为初始化信息加载到算法中；确定差分进化优化算法相关参数：选定种群规模N＝20，差分缩放因子F＝0.3，最大进化代数Gmax＝5，杂交率CR＝0.8，变异比率λ＝0.3；迭代次数设为2次；步骤2：差分进化算法初...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘民，郝井华，郭路，吴澄，王凌，张亚斌，刘涛，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
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。