欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024107947449
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:包括以下步骤:S1、构建考虑机器系统稳定性的异构并行机生产计划问题的数学模型,并对建立的模型设置约束,具体表达式如下:其中,M表示代理集合,N表示任务集合,i∈N,j∈M,f1表示总加工成本,f2表示机器系统稳定性的倒数,Fij表示任务i分配给代理j处理的累计处理成本,Sij表示任务i分配给代理j处理的单位时间内的处理成本,ρj表示代理j的故障率,表示N个数据进行累加,表示M个数据进行累加,表示M个数据进行累乘,qi表示任务i的处理需求量,e表示自然对数,e*表示以自然对数e为底的指数函数,Qj表示代理j的处理能力上限,xij=1表示任务i被分配给代理j,xij=0表示任务i未被分配给代理j;

S2、构建基于概率学习的帕累托进化算法对步骤S1中生产计划问题进行求解,具体包括如下步骤:S2.1、编码;

S2.2、设置基于概率学习的帕累托进化算法中的关键参数,关键参数包括种群大小、交叉概率、变异概率、学习率、最大不更新次数;

S2.3、初始化主种群,初始化理想点Z=(z1,z2),初始化概率矩阵,其中,z1表示种群中目标函数f1的最小值,z2表示种群中目标函数f2的最小值;

S2.4、对种群快速非支配排序以及计算拥挤距离;

S2.5、采用二元锦标赛选择优势个体进行遗传操作生成子代,遗传操作包括交叉、变异、选择操作,若产生不可行解,则需对其进行修复;

S2.6、父代子代合并,对合并后的种群采用快速非支配排序,并进行精英选择:按照非支配等级选择构建下一代的父代种群,非支配等级小的先选,非支配等级相同的则选拥挤距离大的直到所选择的种群满足种群大小限制,同时更新主种群为精英选择后的种群;

S2.7、计算当前种群的理想点Z’=(z’1,z’2),若z’1

S2.8、选择当前次迭代的种群中非支配排序后第一层非支配解的两个极端点和knee点组成的个体集合来更新概率矩阵;

S2.9、判断是否达到学习条件,学习条件为理想点不更新次数是否累计达到最大不更新次数,若达到则执行步骤S2.10,若未达到则跳转执行步骤S2.5;

S2.10、由概率矩阵帮助预测新解构建辅助种群,若产生不可行解,则需对其进行修复;

S2.11、辅助种群与原迭代中的主种群基于种群合作机制产生下一代主种群;

S2.12、判断是否达到终止条件,未达到算法终止条件则返回S2.5继续迭代。

2.根据权利要求1所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:所述步骤S2.5中快速非支配排序方法是基于帕累托支配关系,将当前种群中的所有解划分为Lk(k≥1)个非支配水平,所有Lk水平的解都被种群中其他k-1水平的解支配,所述步骤S2.4中拥挤距离计算公式如下:其中,m指的是在第m个目标函数方向上即fm方向上,DI为个体I的拥挤距离,fm[I-1]为当前非支配水平里按目标函数fm的函数值排序后排在个体I前面的个体的目标函数值,fm[I+1]为当前非支配水平里按目标函数fm的函数值排序后排在个体I后面的个体的目标函数值,表示当前非支配水平里目标函数fm的最大值,表示当前非支配水平里目标函数fm的最小值,表示个体I的拥挤距离是通过该个体在两个目标函数方向上的距离之和来计算的,在第m个目标函数方向上的距离就是个体与周围个体I+1,I-1在第m个目标函数上的函数值之差除以在第m个目标函数上最大值与最小值之差。

3.根据权利要求1所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:所述步骤S2.5中优势个体选择标准为:先根据非支配等级评价,非支配等级低者为优势个体,若非支配等级相同则比较拥挤距离,拥挤距离大的则为优势个体,若非支配等级和拥挤距离都相同则随机选一个作为优势个体,由此生成子代种群。

4.根据权利要求1所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:所述步骤S2.3中初始化概率矩阵的表达式如下:其中,PrM×N表示初始化的概率矩阵,M和N分别表示该概率矩阵的行数和列数,由于该概率矩阵记录的是任务分配给代理的情况,则N的大小与任务集合的大小一致,M的大小与代理集合的大小一致。

5.根据权利要求4所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:所述步骤S2.8中概率矩阵更新表达式如下:其中,i代表任务,j代表代理,α表示学习率,Pr(j,i)(gen)表示第gen代任务i分配给代理j的概率,Pr(j,i)(gen-1)表示第gen-1代任务i分配给代理j的概率,Po表示当前代存储着当前迭代下第一层非支配解中的两个极端点和一个knee点的个体集合中任务i被分配给代理j的概率。

6.根据权利要求5所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:所述两个极端点为种群中总加工成本最小值的点和机器稳定性倒数最小的解,所述knee点为在该帕累托前沿上到由两个极端点相连得到的直线的距离最大点。

7.根据权利要求1所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:所述步骤S2.10中由概率矩阵帮助预测新解构建辅助种群的具体步骤:S2.10.1、生成与主种群大小相同数量的随机任务分配路径;

S2.10.2、通过概率矩阵采用二元锦标赛和轮盘赌混合的方法来按照任务分配路径逐一预测任务分配给代理的情况,该处混合方法具体为生成随机选择因子,随机选择因子为0则运用二元锦标赛方法来预测新解,随机选择因子为1则运用轮盘赌方法来预测新解。

8.一种考虑机器稳定性的异构并行机生产计划的帕累托优化系统,实现权利要求1-7任意一项权利要求所述的一种考虑机器稳定性的异构并行机生产计划的帕累托优化方法,其特征在于:包括:建立模块,用于以最小化总加工成本和最大化机器稳定性为优化目标,建立考虑机器系统稳定性的异构并行机生产计划的数学模型;

优化模块,用于采用基于概率学习的帕累托进化算法对上述模型中的两个优化目标进行优化。