CN101604418A - 基于量子粒子群算法的化工企业智能生产计划控制系统 - Google Patents

Abstract

一种基于量子粒子群算法的化工企业智能生产计划控制系统，包括生产计划优化模块、车间智能调度模块、基础信息管理模块、系统管理模块和数据库；根据化工企业的多级多产品多约束混合生产线的生产计划问题的特点，模型做如下假设：①不允许缺货；②无限产品库存容量；③原料到货期发生在各时段初，产品交货期发生在各时段末；④稳定的生产状态，即各工序一有原料输入就有产品输出；⑤产品在满足需求后，剩余产品在当时段全部销售；并设置目标函数和计算产品产量；采用量子粒子群算法进行模型求解。本发明能有效结合化工企业的各种约束条件、效率高、有效共享已有的企业协作生产车间、提高资源和设备利用率。

Description

基于量子粒子群算法的化工企业智能生产计划控制系统

技术领域

本发明涉及化工企业智能生产计划调度问题领域，尤其是一种化工企业智能生产计划控制系统。

背景技术

近十年来化工企业的计划调度问题无论是理论研究，还是应用系统的开发都受到学术界和企业界的关注。化工企业生产计划作为企业生产与物料运作的总调度，统一指导企业的生产运作，直接涉及和影响企业的销售、采购、财务等经营活动。化工企业生产计划问题有如下特点：

(1)化工行业生产线除连续生产设备外，还存在少量间歇式生产设备，生产方式有连续生产过程和间歇式生产过程并存。

(2)由于化工过程的原料和中间产品的物理性质及化学性质与一般制造业有明显不同，必须考虑在过程的连续步骤间的存储策略。

(3)化工行业的产品有气态、液态、固态多种形式，一般具有有毒、危险等特性，因此节能减排是生产计划中必不可少的一项。

由于上述特点，化工行业的生产计划更加复杂，存在更多的约束因素，包括资源、物质的量平衡、生产工艺、库存等多种复杂约束，对生产计划的制定提出了更高的要求。

目前，大多数化工企业的生产计划与调度依靠经验制定，一些开发了ERP管理软件的企业，也仅仅使用库存模块和财务模块，生产计划与调度模块往往只起到记录作用，无法对实际生产中的计划与调度提供支持。一个重要的原因是实际生产中的计划与调度问题存在大规模、非线性、不确定、多约束等情况，采用线性规划方法的ERP软件在求解这些问题时需要耗费大量的时间，且效果不佳，甚至一些ERP软件对物料需求的计划是基于无限能力的这一假设，这必然导致产生的计划结果无法用于实际生产。因此，如何将先进的生产计划管理理念与效率高的智能算法相结合用于求解实际中的生产计划与调度问题有着重要的意义。

目前已经公开的专利申请，如专利申请号为200380104033.0(生产计划管理系统)和专利申请号为03164846.0(生产计划管理方法和生产计划管理程序)的专利申请提出一种面向订单分解的生产计划管理系统与方法；专利申请号为200410021301.9(钢铁生产计划中合同与库存联合优化管理方法)的专利申请提出一种钢铁生产计划与库存联合优化管理方法；专利申请号为200680001669.6(定购和预测生产混合时的生产计划方法和生产计划系统)的专利申请提出一种在定购生产品种和预测生产品种混流的制造工序中考虑到保有生产能力的生产计划方法与生产计划系统；专利申请号为200710091666.2(生产计划方法和生产计划系统)的专利申请提出一种使用生产能力评估计算来提取生产不可能数量的原因参数项的生产计划方法与系统。到目前为止，没有针对化工企业生产计划提出发明申请，并且上述五个申请没有考虑企业生产工序、资源、生产工艺和物质的量平衡等多种约束条件。

发明内容

为了克服已有的企业生产计划系统的没有考虑化工企业的各种约束条件、效率低、不能有效共享已有的企业协作生产车间、资源和设备利用率低的不足，本发明提供一种有效结合化工企业的各种约束条件、效率高、有效共享已有的企业协作生产车间、提高资源和设备利用率的基于量子粒子群算法的化工企业智能生产计划控制系统。

本发明解决其技术问题所采用的技术方案是：

一种基于量子粒子群算法的化工企业智能生产计划控制系统，所述化工企业智能生产计划控制系统包括：

生产计划优化模块，用于获取来自集体的年度计划，并选择量子粒子群算法对其进行分解优化，协调各车间的生产，得到各车间的月度计划；并根据车间的反馈信息对月度计划进行修改；

车间智能调度模块，用于实现由月度计划到日生产安排的转化，根据车间前一日的生产情况，采用某种调度算法(如遗传算法、粒子群算法、差分进化算法等)实现对车间的排产，并对已有调度进行动态调整；

基础信息管理模块，用于物料、设备以及贮罐等与企业生产密切相关的信息管理，还包括库存与产品需求等与企业的进销存密切相关的信息管理；

系统管理模块，用于用于用户维护个人的信息、密码，以及用于控制用户的权限；

数据库，用于为整个系统有效地进行工作提供数据支持，根据化工企业实际情况，作如下分析：首先，该企业有多个车间，每个车间的生产线均不相同；其次，每条生产线均包含有多到工序；再次，存在工序有多套设备并行地运作，每台设备均有可用、故障、维修等三种状态；最后，每台设备均有一种或多种原料投入，并有一种或多种产品或中间品产出；

根据化工企业的多级多产品多约束混合生产线的生产计划问题的特点，模型做如下假设：①不允许缺货；②无限产品库存容量；③原料到货期发生在各时段初，产品交货期发生在各时段末；④稳定的生产状态，即各工序一有原料输入就有产品输出；⑤产品在满足需求后，剩余产品在当时段全部销售；

(1)设置目标函数为：

$\mathrm{Max\; Fitness}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_i*X_{\mathrm{it}}-\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}{C}_i^I*Z_{i1t}^I-\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{C}_m*Z_{11t}^I---\left(1\right)$

上式(1)中，T为计划期时段数，N为产品种类数，G为生产线工序数，P_i为产品i的价格系数，C_i ^I为工序i生产费用系数，C_m为原料价格系数，X_it为t时段产品i的产量，Z^I _ijt为时段t工序i第j个输入物料数量，Z_11t ^I表示工序1第1个输入物料数量，即原料投入数量，生产计划的目标是在计划期内使得产品利润最大，式(1)右侧关系式中，第一项为产品销售收入，第二项为生产成本，第三项为原料费用；

(2)约束条件：

M′₁＝M₁                            (2)

${M^{\′}}_t=M_t+{M^{\′}}_{t-1}-Z_{11,t-1}^I$ t≠1                                    (3)

$Z_{11,t-1}^I\≤{M^{\′}}_t---\left(4\right)$

$Z_{\mathrm{ijt}}^I*U_{\mathrm{ik}}^O=Z_{\mathrm{ikt}}^o*U_{\mathrm{ij}}^I,\∀i,j,k,t---\left(5\right)$

$R_{\mathrm{ij}}^{\min }\≤Z_{\mathrm{ijt}}^I\≤R_{\mathrm{ij}}^{\max },\∀i,j,t---\left(6\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Tr}}_{\mathrm{ji}}*X_{\mathrm{it}}={\mathrm{WT}}_{\mathrm{jk}}*\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Tr}}_{\mathrm{ki}}*X_{\mathrm{it}},\∀t,j,k---\left(7\right)$

 X_it≥D_it $\∀i,t---\left(8\right)$

其中M_t为时段t原料供应数量，M′_t为时段t实际可使用原料数量，Z_ijt ^o时段t工序i第j个输出物料数量，U_ij ^I、U_ik ^O分别表示工序i第j个输入、第k个输出物料质量比例，R_ij ^min、R_ij ^max为工序i第j个输入最小、最大加工能力，Tr_ji为产品i含物质j的比例；WT_jk为根据化学方程式产生物质j质量与物质k质量比例，D_it为时段t产品i需求；式(2)～(4)表示原料数量约束；式(5)表示各工序输入、输出物料数量符合生产工艺质量比例；式(6)表示任一时段任一工序加工物料数量应符合生产能力约束；式(7)表示各产品含有某种物质的量应符合化学方程式产生物质的量的比例；式(8)表示时段t产品i的数量应满足市场对该产品的需求；

(3)计算产品产量：

$X_{\mathrm{it}}=\underset{k=1}{\overset{G}{\mathrm{\Σ}}}\underset{j=1}{\overset{H_k}{\mathrm{\Σ}}}{Z}_{\mathrm{kjt}}^o*W_{\mathrm{ikj}}^O-\underset{k=1}{\overset{G}{\mathrm{\Σ}}}\underset{j=1}{\overset{H_k}{\mathrm{\Σ}}}{Z}_{\mathrm{kjt}}^I*W_{\mathrm{ikj}}^I,\∀i,t---\left(9\right)$

其中，H_k为工序k输出物料种类数；W_ikj ^O、W_ikj ^I分别为物料i与工序k第j个输出物料、与工序k第j个输入物料的关系，如果物料相同， $W_{\mathrm{ikj}}^O=1,$ $W_{\mathrm{ikj}}^I=1,$ 否则 $W_{\mathrm{ikj}}^O=0,$ $W_{\mathrm{ikj}}^I=0;$

(4)模型求解过程：

(4.1)从年度计划表获得各个产品的年度产量，从年度生产计划大修表获得设备维修时间；从设备信息表获得设备的生产能力，从储罐信息表获得储罐的最大容量；

(4.2)设定量子粒子群的参数，所述的参数包括种群规模，迭代次数；

(4.3)将上述的信息读入量子粒子群算法；

(4.4)对生产计划进行编码，在量子粒子群操作中，粒子的更新操作为：

p＝a*Pbest(i)+(1-a)*Gbest；

$\mathrm{mbest}=1/M*\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Pbest}\left(i\right);$

b＝1.0-generation/max generation*0.5；

                           if u≥0.5

position＝p-b*|mbest-position|*ln(1/u)；

                                  else

position＝p+b*|mbest-positon|*ln(1/u)；

其中，a，u为0至1之间的随机数，Pbest为局部最优粒子，Gbest为全局最优粒子，mbest是粒子群Pbest的中间位置，即平均值，M为种群规模，b为收缩扩张系数，generation为迭代次数，position为当前位置。

作为优选的一种方案：在所述步骤(4.4)中，编码方式采用基于实数向量的编码，并且使用GPU加速量子粒子群方法。

本发明的有益效果主要表现在：生产计划制定的效率显著提高，克服了不能有效共享已有的企业协作生产车间生产计划优化方法的缺点，提高了资源利用率和设备利用率，经济效益显著。

附图说明

图1为化工企业智能生产计划系统总体框图。

图2为数据库E-R图。

图3为计划与调度的类图；其中，PlanScheduling为计划调度接口，Planning为计划类，Year、Quarter、Month分别为年度、月度、季度计划类。Scheduling为调度类，Day为日调度类，Result为调度结果类。

图4为智能算法的类图，其中，ExecuteAlgorithm为执行算法方法，setAlgorithm为设置算法方法。PSO为粒子群算法，SDE为基本差分进化算法，GA为遗传算法。

图5为抽象工厂类图；其中，PlanFactory为计划工厂类，SchedulingFactory为调度工厂类，getPlan为获取计划方法，getScheduling为获取调度方法。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图5，一种基于量子粒子群算法的化工企业智能生产计划控制系统，其系统总体框架为：

根据企业的实际生产情况，当企业收到来自集团下发的全年生产计划时，企业的企管科根据生产原料供应情况和设备的状态以及生产能力等多种约束，将集团的计划进行分解，形成月度计划并下发到各个车间。车间根据自身车间的实际生产情况，对该计划进行评估是否能按期完成，若能按期完成，则按该计划进行车间调度，安排生产。否则，则将相关信息反馈给企管科，其对计划进行修改，再重新发布。

根据以上实际情况，可以将系统功能分为如下几个模块，如图1所示：

(1)生产计划优化模块。该模块主要用于获取来自集体的年度计划，并选择量子粒子群算法对其进行分解优化，协调各车间的生产，得到各车间的月度计划。此外，还应能根据车间的反馈信息对月度计划进行修改。由于该模块的使用涉及到对全厂设备、资源等的访问，因此，其所在的层次应为厂级。

(2)车间智能调度模块。该模块实现由月度计划到日生产安排的转化，根据车间前一日的生产情况，采用某种调度算法(如遗传算法、粒子群算法、差分进化算法等)实现对车间的排产，尽量地完成该月的计划产量。为了能更好应对一些突发的情况，如原料不足或设备故障等，还应具备对已有调度进行动态调整的功能，从而尽量降低对车间生产的影响。由于该模块仅对某一个车间进行调度优化，不涉及到其他车间的资源，因此，该模块所处的层次为车间级。

(3)基础信息管理模块。该模块主要用于物料、设备以及贮罐等与企业生产密切相关的信息管理，此外，还包括库存与产品需求等与企业的进销存密切相关的信息管理。

(4)系统管理模块。该模块主要包括用户个人的信息管理，系统的角色管理等。该模块主要是用于用户维护个人的信息、密码等，以及系统管理用于控制用户的权限等。

数据库设计：数据库主要是为整个系统有效地进行工作提供数据支持。根据企业实际情况，可作如下分析：首先，该企业有多个车间，每个车间的生产线均不相同；其次，每条生产线均包含有多到工序；再次，存在工序有多套设备并行地运作，每台设备均有可用、故障、维修等三种状态；最后，每台设备均有一种或多种原料投入，并有一种或多种产品或中间品产出。根据以上情况，数据库中主要表的E-R图如图2所示。

类图：化工企业智能生产计划系统的主要对象有Year、Quarter、Month，它们之间的继承关系如图3。在图4中，算法的构建采用桥接模式，将抽象部分与实现部分分离开来，便于加入新的算法。创建Planning对象采用抽象工厂的模式，能够很好的解耦合，便于加入新的对象，如图5所示。

化工企业智能生产计划调度系统采用三层结构：表现层，业务逻辑层，数据访问层。系统表现层是用户和系统交流的平台，主要提供可是和图形和数据的输入输出；业务逻辑层是生产计划系统各种功能具体实现的过程，是核心所在；数据访问层存储生产计划系统的大量数据信息和数据逻辑，所有与数据相关的安全，完整性控制，数据的一致性，并发操作都是在数据访问层完成的。系统从上层ERP系统的数据库中获取产品单价，物料价格，产品库存信息，从底层DCS系统中获取设备的实时运行状态，产品的实际产量，通过智能算法的计算，得到生产计划和日调度计划。

化工企业智能生产计划调度系统实施的步骤如下：

第一、系统由Web服务器，SQL Server数据库服务器，PHD实时数据库，Web Service中间件构成。

Web服务器：网站采用B/S模式，使用ASP.NET开发。

Web Service中间件：运行系统的核心算法和业务逻辑。

SQL Server数据库服务器：存储各种计划和调度的报表和设备储罐信息。

PHD实时数据库：自动采集和存储装置的企业生产数据。

第二、生产计划信息主要功能是维护参与计划优化的信息以及对这些数据进行预处理，包括产品信息、原料供应信息、可用设备信息。产品信息主要有产品名称、季度号、需求量、初始储量、价格等；原料供应信息有原料名称、初始储量、各季度供应量以及原料价格；设备信息包括设备名称、设备状态、最早可用时间、设备损耗等。操作员根据各时间段的具体生产情况对这些信息进行审查，对不符合的数据进行添加、删除、修改等操作。系统自动对审查确定的数据进行预处理，对部分以立方米/小时、吨碱能耗等数据进行统一转换，符合计划优化需要数据，方便计划的优化。

第三、本发明采用的量子粒子群算法通过DLL封装供系统调用，通过设置算法的参数进行计划优化。完成计划的优化后，首先输出计划优化的概要结果，包括该次计划方案的总利润、毛利率、总能耗、万元能耗、各季度工业盐用量等指标信息供用户参考，用户可以通过点击工序投入产出和产品产量按钮获得该次计划方案的具体信息，通过比较总利润、毛利率、万元能耗等指标，认为该方案较好，并且保存该次计划方案，供以后计划比较，计划发布，计划修改所用。如果认为需要重新设置各种参数，则在系统中重新设置参数。计划结果子模块的主要功能是针对同一次计划数据，不同目标函数获得的多次计划优化结果进行比较，确定需要发布到各车间的计划或者选择某次计划方案做进一步的修改。

第四、为了提高算法的执行速度，本发明的算法在GPU上执行。微粒群粒子的位置X用实数表述，由于GPU只支持单精度浮点数，所以采用float数据类型计算。粒子的参数编码格式：X₁，X₂，....X_D，D为粒子群的参数维数，在GPU的平台上实现细粒度的并行。算法在CUDA平台上进行开发，使用单Block多thread架构，便于各个thread之间共享和同步数据。定义粒子号

n为种群大小，同时也是GPU的thread个数，粒子号a_i＝blockDim*blockIndex+threadIndex。

利用GPU量子粒子群进行计算时，n个原始块首先从host(CPU)的内存传输到GPU的全局内存中。当计算完成时，数据又传回host的内存。然而，GPU的全局内存访问时间是非常长的，通常要占用数百个GPU时钟周期，这将成为整个计算过程的瓶颈。相反，共享内存访问速度非常的快，但是容量非常比较小。GPU量子粒子群算法操作步骤如下：

(1)确定种群规模M和粒子维数D

(2)初始化粒子群体，计算粒子的适应度，更新每个粒子的Pbest

(3)初始化显卡参数，分配计算所需的显存空间

(4)设置Kernel运行的block和thread大小

(5)拷贝粒子群到显存空间，启动kernel，运行量子粒子群计算kernel程序

(6)获取在GPU上执行的粒子的粒子号

(7)更新每个粒子的Gbest

(8)根据公式(1)至(5)以一定的概率加或减，更新每个粒子的位置，生成新的粒子群体

(9)计算新种群的粒子的适应度，更新每个粒子的Pbest

(10)当迭代次数达到最大迭代次数时，跳转到(10)，否则返回(7)

(11)从显存拷贝结果的内存上

步骤(1)～(5)，(11)在CPU上执行，步骤(6)至(10)由每个粒子并行的在GPU上执行。

Claims (2)

1、一种基于量子粒子群算法的化工企业智能生产计划控制系统，其特征在于：所述化工企业智能生产计划控制系统包括：

生产计划优化模块，用于获取来自集体的年度计划，并选择量子粒子群算法对其进行分解优化，协调各车间的生产，得到各车间的月度计划；并根据车间的反馈信息对月度计划进行修改；

车间智能调度模块，用于实现由月度计划到日生产安排的转化，根据车间前一日的生产情况，采用某种调度算法(如遗传算法、粒子群算法、差分进化算法等)实现对车间的排产，并对已有调度进行动态调整；

基础信息管理模块，用于物料、设备以及贮罐等与企业生产密切相关的信息管理，还包括库存与产品需求等与企业的进销存密切相关的信息管理；

系统管理模块，用于用户维护个人的信息、密码，以及用于控制用户的权限；

数据库，用于为整个系统有效地进行工作提供数据支持，根据化工企业实际情况，作如下分析：首先，该企业有多个车间，每个车间的生产线均不相同；其次，每条生产线均包含有多到工序；再次，存在工序有多套设备并行地运作，每台设备均有可用、故障、维修等三种状态；最后，每台设备均有一种或多种原料投入，并有一种或多种产品或中间品产出；

根据化工企业的多级多产品多约束混合生产线的生产计划问题的特点，模型做如下假设：①不允许缺货；②无限产品库存容量；③原料到货期发生在各时段初，产品交货期发生在各时段末；④稳定的生产状态，即各工序一有原料输入就有产品输出；⑤产品在满足需求后，剩余产品在当时段全部销售；

(1)设置目标函数为：

$\mathrm{MaxFitness}=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_i*X_{\mathrm{it}}-\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}{C}_i^I*Z_{i1t}^I-\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{C}_m*Z_{11t}^I---\left(1\right)$

上式(1)中，T为计划期时段数，N为产品种类数，G为生产线工序数，P_i为产品i的价格系数，C_i ^I为工序i生产费用系数，C_m为原料价格系数，X_it为t时段产品i的产量，Z^I _ijt为时段t工序i第j个输入物料数量，Z_11t ^I表示工序1第1个输入物料数量，即原料投入数量，生产计划的目标是在计划期内使得产品利润最大，式(1)右侧关系式中，第一项为产品销售收入，第二项为生产成本，第三项为原料费用；

(2)约束条件：

M′₁＝M₁           (2)

${M^{\′}}_t=M_t+{M^{\′}}_{t-1}-Z_{11,t-1}^{I}t\≠1---\left(3\right)$

$Z_{11,t-1}^I\≤{M^{\′}}_t---\left(4\right)$

$Z_{\mathrm{ijt}}^I*U_{\mathrm{ik}}^O=Z_{\mathrm{ikt}}^o*U_{\mathrm{ij}}^I$ $\∀i,j,k,t---\left(5\right)$

$R_{\mathrm{ij}}^{\min }\≤Z_{\mathrm{ijt}}^I\≤R_{\mathrm{ij}}^{\max }$ $\∀i,j,t---\left(6\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Tr}}_{\mathrm{ji}}*X_{\mathrm{it}}={\mathrm{WT}}_{\mathrm{jk}}*\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Tr}}_{\mathrm{ki}}*X_{\mathrm{it}}$ $\∀t,j,k---\left(7\right)$

X_it≥D_it $\∀i,t---\left(8\right)$

其中M_t为时段t原料供应数量，M′_t时段t实际可使用原料数量，Z_ijt ^o时段t工序i第j个输出物料数量，U_ij ^I、U_ik ^O分别表示工序i第j个输入、第k个输出物料质量比例，R_ij ^min、R_ij ^max为工序i第j个输入最小、最大加工能力，Tr_ji为产品i含物质j的比例；WT_jk为根据化学方程式产生物质j质量与物质k质量比例，D_it为时段t产品i需求；式(2)～(4)表示原料数量约束；式(5)表示各工序输入、输出物料数量符合生产工艺质量比例；式(6)表示任一时段任一工序加工物料数量应符合生产能力约束；式(7)表示各产品含有某种物质的量应符合化学方程式产生物质的量的比例；式(8)表示时段t产品i的数量应满足市场对该产品的需求；

(3)计算产品产量：

$X_{\mathrm{it}}=\underset{k=1}{\overset{G}{\mathrm{\Σ}}}\underset{j=1}{\overset{H_k}{\mathrm{\Σ}}}{Z}_{\mathrm{kjt}}^o*W_{\mathrm{ikj}}^O-\underset{k=1}{\overset{G}{\text{\Σ}}}\underset{j=1}{\overset{H_k}{\mathrm{\Σ}}}{Z}_{\mathrm{kjt}}^I*W_{\mathrm{ikj}}^I\∀i,t---\left(9\right)$

其中，H_k为工序k输出物料种类数；W_ikj ^O、W_ikj ^I分别为物料i与工序k第j个输出物料、与工序k第j个输入物料的关系，如果物料相同， $W_{\mathrm{ikj}}^O=1,$ $W_{\mathrm{ikj}}^I=1,$ 否则 $W_{\mathrm{ikj}}^O=0,$ $W_{\mathrm{ikj}}^I=0;$

(4)模型求解过程：

(4.1)从年度计划表获得各个产品的年度产量，从年度生产计划大修表获得设备维修时间；从设备信息表获得设备的生产能力，从储罐信息表获得储罐的最大容量；

(4.2)设定量子粒子群的参数，所述的参数包括种群规模，迭代次数；

(4.3)将上述的信息读入量子粒子群算法；

(4.4)对生产计划进行编码，在量子粒子群操作中，粒子的更新操作为：

p＝a*Pbest(i)+(1-a)*Gbest；

$\mathrm{mbest}=1/M*\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Pbest}\left(i\right);$

b＝1.0-generation/maxgeneration*0.5；

                           if u≥0.5

position＝p-b*|mbest-position|*ln(1/u)；

                                  else

position＝p+b*|mbest-positon|*ln(1/u)；

其中，a，u为0至1之间的随机数，Pbest为局部最优粒子，Gbest为全局最优粒子，mbest是粒子群Pbest的中间位置，即平均值，M为种群规模，b为收缩扩张系数，generation为迭代次数，position为当前位置。

2、如权利要求1所述的基于量子粒子群算法的化工企业智能生产计划控制系统，其特征在于：在所述步骤(4.4)中，编码方式采用基于实数向量的编码，并且使用GPU加速量子粒子群方法。

Images