买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明提供的是一种求解炼钢连铸生产调度问题的基于知识的分布估计算法，属于混合流水车间调度问题领域。由于炼钢连铸生产过程中的特殊约束条件,因此针对该特殊问题对分布估计算法进行改进使其更贴合该问题。改进算法主要包括以下步骤：首先建立描述浇次序列关系的概率模型，在概率模型采样产生个体的过程中采用自适应变化的概率模型来使得个体向更贴合优秀个体的趋势发展；此外为了有针对性的增强搜索结果，提出一种基于浇次的局部搜索方法来使得目标函数最小。本发明解决了分布估计算法在炼钢连铸调度问题中局部搜索不强，求解精度不高等问题，优化了实际过程中能耗消耗过多的问题。

主权项：1.求解炼钢连铸生产调度问题的基于知识的分布估计算法其特征是：基于分布估计算法解决炼钢连铸生产调度的一种调度方法，且所述方法是在计算机上依次按如下步骤实现的：S1：初始化，设定如下基本变量；设定问题变量： :炉次集合，其中含有k个炉次，； :浇次集合，其中含有n个浇次，； :生产阶段的集合，，其中p=1为炼钢阶段，p=2为精炼阶段，p=3为连铸阶段； :机器集合，，其中表示第一个加工阶段的第一台机器,其中第一阶段含有台台机器，第二阶段含有台机器，第三阶段含有台机器； :炉次在阶段中加工时间； :阶段到的转移时间； :浇次间的设置时间； :炉次在阶段的开始加工时间； :在计划方面浇次预计开始时间；设定算法相关参数： :学习率； :优秀个体间设定的距离阈值； :控制函数值的整体范围； :调节插入的非本浇次的炉次数量；S2：采集包括上述炉次数、浇次数、并行机器数、工序数、各阶段中加工时间、阶段之间转移时间等相关调度信息，形成待求解的炼钢连铸生产调度问题实例；S3：建立约束条件集，所述约束条件包括如下：调度开始时，所有炉次都具备加工能力且所有生产阶段的机器均为可用状态，在含有多台相同并行机情况下，每个炉次在每个阶段只能选择一台机器加工且一台机器在同一时刻仅被允许一个炉次加工，车间内所有炉次都是遵循一样的加工过程，工艺路线全部为炼钢-精炼-连铸，不考虑各种机器故障导致的生产过程中断，连铸机上属于同一个浇次的炉次已预先定义并按照一定加工顺序连续工作；S4：初始化概率模型，根据问题特征建立了一个描述解空间分布的概率模型，由于连铸阶段的独特约束条件，因此建立的概率模型从数值上反映不同浇次之间的加工优先关系，根据连铸阶段的每个浇次预计开始时间对浇次加工顺序进行排序，按照顺序设定初始概率模型并将其进行归一化处理；S5：个体编码，针对炼钢连铸调度问题的特点，提出一种炉-浇次互换的方式来进行浇次和炉次之间的切换来满足炼钢连铸调度问题的独特约束条件；S6：个体采样生成，在通过概率矩阵采样生成个体时，为了确保属于同一个浇次的炉次在编码中不会相距太远，我们根据插入的不属于该浇次的炉次的数量来提高选择该浇次的概率；S7：评价种群，计算每个个体的目标函数值，选择目标函数最低的前面一些个体作为优秀个体，得到当前优势群体；S8：对种群中的优势个体进行基于浇次的局部搜索；S8.1:随机选择一个浇次位置；S8.2:找到属于该浇次的其他位置；S8.3:统计属于该浇次第一次出现的位置到选定位置中与其重叠的其他浇次；S8.5:随机从这些重叠浇次中选择一个位置执行插入操作；S9：根据优势个体更新概率模型，根据进行完局部搜索之后保留下来的最终个体对概率模型进行更新，同时为了使概率矩阵更准确反映解空间分布，在通过优秀个体对概率模型更新时将个体适应度大小占比加入到其中，适应度越好的相应在概率模型更新时占比更高；S10：种群更新机制；S10.1：初始化阶段：首先通过概率模型随机采样来产生初始解；S10.2：迭代过程：在每一次迭代中，保留上一代适应度最好的前10%的个体作为下一次迭代初始种群的部分高质量解，然后剩余的90%通过概率模型采样生成，将所有个体合并成为新一代种群，这样即可以保证种群的多样性避免陷入局部最优又可以保证种群具有高质量解；S11：判断终止条件；判断是否达到终止条件，若达到则算法结束，输出最优个体作为最终的解；否则，转至S5直到满足终止条件。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 求解炼钢连铸生产调度问题的基于知识的分布估计算法