有效
跨组织机加车间的数模双驱智能调度方法及装置
王凌、李瑞、堵君懿
清华大学
王
王凌机构 暂无
技术领域 暂无
李
李瑞机构 暂无
技术领域 暂无
堵
堵君懿机构 暂无
技术领域 暂无
摘要
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。
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:对实际的机加车间生产场景进行建模,建立所述机加车间生产场景对应的跨组织机加车间调度模型,并对所述跨组织机加车间调度模型进行向量编码,以得到所述跨组织机加车间调度模型对应的工厂向量、工序向量和机器向量;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,且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,同时基于所述第二父代种群和预设数据驱动的邻域搜索策略,获取第二子代种群,并记录所述第二子代种群对应的第一搜索知识;基于所述第一父代种群和所述第二子代种群,生成新的第一父代种群,同时根据所述第二父代种群和所述第一子代种群,得到新的第二父代种群,并对所述新的第一父代种群执行多算子协同邻域搜索操作,以获取所述新的第一父代种群对应的第二搜索知识;根据所述第一搜索知识和所述第二搜索知识横向拼接所述工厂向量、所述工序向量和所述机器向量得到一维张量,并将所述一维张量输入至预先训练的邻域动作推荐神经网络模型,以得到所述机加车间生产场景对应的满足预设要求的调度方案。
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:利用所述跨组织机加车间调度模型中每个工件选择加工时间最小的并行机;或者,累计所述每个工件在不同工厂的加工时间,得到所述每个工件对应的累计值,并对所有工件的所述累计值进行降序排列,生成累计值序列,以根据所述累计值序列将所述每个工件分配至对应的工厂中;或者,所述每个工件选择所有工厂中具有最小完工时间的并行机;或者,根据所述跨组织机加车间调度模型每个工序的交货期,对所述每个工序进行升序排列,得到工序序列,并基于所述工序序列和预设的工厂码,将所述每个工件分配至对应的工厂中。
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:根据所述工厂向量、所述工序向量和所述机器向量计算所述机加车间生产场景对应的总拖期和最大完工时间;随机初始化多个目标子种群,并通过预设的多个初始化策略中的任一初始化策略调整所述多个目标子种群中的每个目标子种群对应的所述工厂向量、所述工序向量和所述机器向量;根据调整后的所述工厂向量、所述工序向量和所述机器向量合并所述多个目标子种群,以得到所述第一父代种群和所述第二父代种群。
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:基于双人锦标赛算法,获取所述第一父代种群对应交配池,并通过所述第一父代种群中的每个个体随机从所述交配池中选择亲本;根据基于工序的交叉策略和所述亲本交换所述跨组织机加车间调度模型的工序加工顺序,并利用一般交叉策略交换所述跨组织机加车间调度模型的机器选择信息和工厂信息,以生成所述第一父代种群的第一子代种群。
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:查找所述跨组织机加车间调度模型中拖期最大的关键工件,并向前搜索满足预设交货期要求的第一目标工件,交换所述关键工件和所述第一目标工件的位置,或者,将所述关键工件向前插入至所述第一目标工件前方位置处;或者,随机选取所述跨组织机加车间调度模型中任一工件,并搜索满足所述预设交货期要求的第二目标工件,且交换所述第二目标工件和所述任一工件的位置;或者,根据所述最大完工时间查找所述跨组织机加车间调度模型的关键工厂和所述关键工厂对应的关键路径,同时随机选取一个关键工序,并扫描所有机器的完工时间,得到满足预设完工时间要求的目标机器,以将所述关键工序插入至所述目标机器中。
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的邻域动作推荐神经网络模型,以得到所述机加车间生产场景对应的满足预设要求的调度方案,包括:提取所述一维张量的当前状态,并将所述当前状态输入至所述邻域动作推荐神经网络模型的评价网络中,以获取当前状态的Q值,同时根据所述选择的邻域动作确定当前策略的Q值;提取所述一维张量的下一个状态,并将所述下一个状态输入至所述邻域动作推荐神经网络模型的目标网络中,以得到下一个状态所有动作的Q值;基于所述下一个状态所有动作的Q值,获取所述下一个状态所有动作中最大Q值,并根据所述最大Q值、预设折扣因子和所述一维张量的奖励信息计算目标值;根据当前动作的Q值和所述目标值计算所述邻域动作推荐神经网络模型的均方根误差,并通过预设反向传播算法优化评价网络参数,同时在目标网络参数满足预设更新要求的情况下,利用优化后的评价网络参数更新所述目标网络参数;通过更新后的目标网络参数调节所述均方根误差,并在所述均方根误差满足预设误差条件的情况下,得到所述机加车间生产场景对应的满足预设要求的调度方案。
7.一种跨组织机加车间的数模双驱智能调度装置,其特征在于,包括:建模模块,用于对实际的机加车间生产场景进行建模,建立所述机加车间生产场景对应的跨组织机加车间调度模型,并对所述跨组织机加车间调度模型进行向量编码,以得到所述跨组织机加车间调度模型对应的工厂向量、工序向量和机器向量;数据驱动模块,用于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,且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,同时基于所述第二父代种群和预设数据驱动的邻域搜索策略,获取第二子代种群,并记录所述第二子代种群对应的第一搜索知识;知识驱动模块,用于基于所述第一父代种群和所述第二子代种群,生成新的第一父代种群,同时根据所述第二父代种群和所述第一子代种群,得到新的第二父代种群,并对所述新的第一父代种群执行多算子协同邻域搜索操作,以获取所述新的第一父代种群对应的第二搜索知识;拼接模块,用于根据所述第一搜索知识和所述第二搜索知识横向拼接所述工厂向量、所述工序向量和所述机器向量得到一维张量,并将所述一维张量输入至预先训练的邻域动作推荐神经网络模型,以得到所述机加车间生产场景对应的满足预设要求的调度方案。
8.根据权利要求7所述的装置,其特征在于,所述数据驱动模块包括:第一初始化策略单元,用于利用所述跨组织机加车间调度模型中每个工件选择加工时间最小的并行机;或者,第二初始化策略单元,用于累计所述每个工件在不同工厂的加工时间,得到所述每个工件对应的累计值,并对所有工件的所述累计值进行降序排列,生成累计值序列,以根据所述累计值序列将所述每个工件分配至对应的工厂中;或者,第三初始化策略单元,用于所述每个工件选择所有工厂中具有最小完工时间的并行机;或者,第四初始化策略单元,用于根据所述跨组织机加车间调度模型每个工序的交货期,对所述每个工序进行升序排列,得到工序序列,并基于所述工序序列和预设的工厂码,将所述每个工件分配至对应的工厂中。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-6任一项所述的跨组织机加车间的数模双驱智能调度方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-6任一项所述的跨组织机加车间的数模双驱智能调度方法。



