CN102073311A - 基于离散量子微粒群算法的机器零件加工流水线调度方法 - Google Patents
基于离散量子微粒群算法的机器零件加工流水线调度方法 Download PDFInfo
- Publication number
- CN102073311A CN102073311A CN2010105927966A CN201010592796A CN102073311A CN 102073311 A CN102073311 A CN 102073311A CN 2010105927966 A CN2010105927966 A CN 2010105927966A CN 201010592796 A CN201010592796 A CN 201010592796A CN 102073311 A CN102073311 A CN 102073311A
- Authority
- CN
- China
- Prior art keywords
- population
- particle
- vector
- quantum particle
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002245 particle Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 title claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 238000011112 process operation Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 92
- 230000003044 adaptive effect Effects 0.000 claims description 22
- 238000003754 machining Methods 0.000 claims description 16
- 239000011859 microparticle Substances 0.000 claims description 7
- 238000003780 insertion Methods 0.000 claims description 6
- 230000037431 insertion Effects 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001174 ascending effect Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于离散量子微粒群算法的机械零件加工流水线调度方法,该方法包括如下步骤:读入机器零件加工的过程操作时间;微粒种群初始化;计算每个微粒的适应值;更新每个粒子的个体最优位置及全局最优位置;基于离散量子微粒群优化的全局搜索;局部搜索;根据全局最优调度方案绘制零件加工次序甘特图。通过本发明提供的方法,改进传统量子微粒群优化在生产调度领域的局限性,克服了微粒群优化容易陷入局部最优的缺陷,具有寻优精度高、速度快的特点。本发明方法应用于机械零件加工流水线调度,能够在更短时间内求解得到更优的调度方案,操作简洁方便。原理适用范围广,可推广到制造业和流程工业等生产加工领域。
Description
技术领域
本发明涉及机器零件加工流水线调度方法,特别地,涉及一种基于离散量子微粒群算法的机器零件加工流水线调度方法。
背景技术
机器零件加工流水线调度从属于流水线调度,是目前研究和应用最广泛的一类典型生产调度问题,同时它又是一个具有很多变量和强NP难的复杂组合优化问题。也是生产管理的核心内容。随着生产规模的扩大,流水线调度问题的优化对提高资源利用率的作用越来越大,因此对其研究具有重要的理论和工程价值。
流水线调度问题研究 台机器上个工件的流水加工过程,每个零件在各台机器上的加工顺序相同,同时每个工件在每台机器上只加工一次,每台机器在某一时刻只能加工一个工件,各工件在各机器上所需的加工时间已知。调度问题的目标函数是求个工件的最优加工顺序,使最大流程时间最小。
流水线调度问题经过50多年的研究和发展,其求解方法已经形成了一定体系,总的来说,可以划分为三个分支:(1)精确方法,如分支定界,动态规划等,此类方法简单但只对小规模问题有效;(2)构造性方法,NEH方法是其中的典型代表,目前此方法常用于产生初始解;(3)混合启发式算法,就是融合了各类算法的组合算法。如结合模拟退火,遗传算法,禁忌搜索,蚁群和微粒群优化等智能优化方法的混合启发式算法,在近十多年来得到快速发展和成功应用。
微粒群优化算法是一种简单而有效的智能优化算法,其在调度领域的研究才刚刚起步。然而该算法不能保证搜索的全局收敛性,常常陷入局部最优解。在微粒群优化和量子理论基础上,孙俊于2004年提出了量子微粒群优化算法。该算法通过引入几何中心位置的概念,对微粒位置更新提供了更多的信息,并且只需要计算位置向量从而降低了计算复杂度。最重要的是,量子微粒群优化算法是一种全局最优的算法,保证了算法的有效性。但是该算法只能用于连续空间的搜索,对组合优化问题无法求解。
离散量子微粒群优化算法是一种用于求解流水线调度的优化算法。它受量子微粒群优化算法启发,将遗传算法中交叉概念和向量元素的对换操作应用于微粒位置更新。使传统量子微粒群优化原理可以适用于最小化最大流程时间的流水线调度问题。
发明内容
本发明的目的是为有效解决机器零件加工流水线调度的优化问题,提供一种基于量子微粒群优化和遗传算法交叉与向量元素对换操作的流水线方法。使该进后的算法填补了传统量子微粒群优化在组合优化领域的空白,能够有效求解具有典型NP难特性的流水线调度问题。
本发明的技术解决方案为:
基于离散量子微粒群算法的机械零件加工流水线调度方法的步骤包括:
1)读入机器零件加工的过程操作时间;
5)基于插入邻域结构的局部搜索;
6)判断终止条件,若未达到足够好的适应值或一个预设的最大代数,则返回步骤3),否则执行步骤7);
7)根据全局最优调度方案绘制零件加工次序甘特图。
所述的一种基于离散量子微粒群算法的机械零件加工流水线调度方法,其特征在于所述的基于离散量子微粒群优化的全局搜索,按照离散量子微粒群优化的位置进化公式更新种群位置、适应值、个体最优位置,全局最优位置,和种群位置的几何中心步骤,包括:
(1)计算种群位置的几何中心;
(2)对每个微粒按照如下离散量子微粒群优化的位置进化公式进行计算:
c) 位置位置加法算子:对位置向量做两点交叉操作,得到子代位置向量;
所述的一种基于离散量子微粒群算法的机械零件加工流水线调度方法,其特征在于所述的基于插入邻域结构的局部搜索步骤,包括:
本发明与现有技术相比具有的有益效果:
1)本发明方法应用于机械零件加工流水线调度,能够在更短时间内求解得到更优的调度方案,操作简洁方便。原理适用范围广,可推广到制造业和流程工业等生产加工领域。
2)通过本发明提供的方法,改进传统量子微粒群优化在生产调度领域的局限性,克服了微粒群优化容易陷入局部最优的缺陷,具有寻优精度高、速度快的特点。
附图说明
图1是本发明所提出的流水线调度方法的流程图;
图2是两点交叉操作的示意图;
图3位置向量减法算子的示意图;
图4(a)是执行插入邻域结构前的示意图;
图4(b)是执行插入邻域结构过程的示意图;
图4(c)是执行插入邻域结构后的示意图;
图5(a)是实施例执行本发明的流水线调度方法前的效果图;
图5(b)是实施例执行本发明的流水线调度方法后的效果图。
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2、图3、图4和图5,
基于离散量子微粒群算法的机械零件加工流水线调度方法的步骤包括:
1)读入机器零件加工的过程操作时间;
(1)将NEH方法用于种群中一个微粒的初始化;所述的NEH方法步骤为:
c)取前两个工件,以最小化完成时间来排序;
a)将微粒位置向量的各维元素按升序排列;
b)依次记录升序排列过程中,各元素对应维数的索引值,将其填入离散排序向量,得到可应用于流水线问题的新的种群位置向量。
(1)计算种群当前位置的几何中心:
(2)对每个微粒按照下式执行离散量子微粒群优化的位置进化计算:
所述的离散量子微粒群优化的位置进化公式包括如下算子:
5)基于插入邻域结构的局部搜索;所述的局部搜索步骤如下:
6)判断终止条件,若未达到足够好的适应值或一个预设的最大代数,则返回步骤3),否则执行步骤7);
7)根据全局最优调度方案绘制零件加工次序甘特图。
实施例
以下将本发明方法用于轴承加工次序的调度,进一步详细描述:
。[0023] 基于离散量子微粒群算法对轴承加工流水线调度方法如下:
1)读入轴承加工的过程操作时间作为已知条件:
(1)将NEH方法用于种群中一个微粒的初始化;所述的NEH方法步骤为:
b)将按降序排列;
c)取前两个工件,以最小化完成时间来排序;
a)将微粒位置向量的各维元素按升序排列;
b)依次记录升序排列过程中,各元素对应维数的索引值,将其填入离散排序向量,得到可应用于流水线问题的新的种群位置向量。
(1) 计算种群当前位置的几何中心:
(2) 对每个微粒按照下式执行离散量子微粒群优化的位置进化计算:
所述的离散量子微粒群优化的位置进化公式包括如下算子:
(3)评价每个微粒的适应值;更新每个微粒的当前最好位置,种群的最好位置及其对应的适应度。对每个微粒,若适应值小于其最好位置,则将其作为当前的最好位置;若其适应值小于整个种群的最好位置,则将其作为当前种群最好位置。
5)基于插入邻域结构的局部搜索:借鉴遗传算法交叉概念和向量元素的对换操作,对全局搜索更新后的种群最优位置向量执行插入邻域结构搜索;所述的局部搜索步骤如下:
6)判断终止条件,若未达到足够好的适应值或一个预设的最大代数,则返回步骤3),否则执行步骤7);
7)根据全局最优调度方案绘制零件加工次序甘特图:
重复执行本发明方法20次,每次运行都得到最优最大流程时间为:45h,对应的可行轴承加工顺序有6种方案。分别为:
Claims (3)
1.一种基于离散量子微粒群算法的机械零件加工流水线调度方法,其特征在于它的步骤包括:
1)读入机器零件加工的过程操作时间;
5)基于插入邻域结构的局部搜索;
6)判断终止条件,若未达到足够好的适应值或一个预设的最大代数,则返回步骤3),否则执行步骤7);
7)根据全局最优调度方案绘制零件加工次序甘特图。
2.如权利要求1所述的一种基于离散量子微粒群算法的机械零件加工流水线调度方法,其特征在于所述的基于离散量子微粒群优化的全局搜索,按照离散量子微粒群优化的位置进化公式更新种群位置、适应值、个体最优位置,全局最优位置,和种群位置的几何中心步骤,包括:
(1)计算种群位置的几何中心;
(2)对每个微粒按照如下离散量子微粒群优化的位置进化公式进行计算:
c) 位置位置加法算子:对位置向量做两点交叉操作,得到子代位置向量;
若,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010592796A CN102073311B (zh) | 2010-12-17 | 2010-12-17 | 基于离散量子微粒群算法的机器零件加工流水线调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010592796A CN102073311B (zh) | 2010-12-17 | 2010-12-17 | 基于离散量子微粒群算法的机器零件加工流水线调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102073311A true CN102073311A (zh) | 2011-05-25 |
CN102073311B CN102073311B (zh) | 2012-09-26 |
Family
ID=44031884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010592796A Expired - Fee Related CN102073311B (zh) | 2010-12-17 | 2010-12-17 | 基于离散量子微粒群算法的机器零件加工流水线调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102073311B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102537663A (zh) * | 2012-02-07 | 2012-07-04 | 北京康吉森油气工程技术有限公司 | 基于微粒群算法的液相介质长输管道、优化装置及方法 |
CN102606886A (zh) * | 2012-02-07 | 2012-07-25 | 北京康吉森油气工程技术有限公司 | 基于微粒群算法的气相介质长输管道、优化装置及方法 |
CN107703900A (zh) * | 2017-11-13 | 2018-02-16 | 浙江大学 | 一种高效的优化调度方法 |
CN107831746A (zh) * | 2017-11-13 | 2018-03-23 | 浙江大学 | 一种高效的航空发动机装配车间调度系统 |
CN108647859A (zh) * | 2018-04-17 | 2018-10-12 | 东莞理工学院 | 知识驱动的置换流水线双种群协同学习策略与优化方法 |
CN108717289A (zh) * | 2018-04-09 | 2018-10-30 | 湘潭大学 | 一种流水线布局优化方法 |
CN110263906A (zh) * | 2019-06-24 | 2019-09-20 | 中国科学技术大学 | 非对称负相关搜索方法 |
CN110471274A (zh) * | 2019-08-12 | 2019-11-19 | 余姚市浙江大学机器人研究中心 | 基于改进统一粒子群算法的机械零件加工流水线调度方法 |
CN113467399A (zh) * | 2021-07-08 | 2021-10-01 | 武汉理工大学 | 一种知识驱动的柔性离散制造生产调度优化方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107743104B (zh) * | 2017-09-29 | 2021-08-31 | 天津师范大学 | 基于扫描和缩放的广义频分复用技术中脉冲成形滤波器的滚降系数选择方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0654753A2 (en) * | 1993-11-24 | 1995-05-24 | Xerox Corporation | A method of analyzing an image showing a graphical representation |
JP3056705B2 (ja) * | 1997-09-03 | 2000-06-26 | 株式会社日本触媒 | グリオキシル酸エステル類の精製方法、およびグリオキシル酸エステル類の精製用蒸留装置 |
CN1943922A (zh) * | 2006-10-16 | 2007-04-11 | 上海宝信软件股份有限公司 | 炼钢连铸生产工艺中分配中间包的方法 |
CN101286071A (zh) * | 2008-04-24 | 2008-10-15 | 北京航空航天大学 | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 |
CN101645169A (zh) * | 2009-09-09 | 2010-02-10 | 北京航空航天大学 | 基于量子以及量子微粒群算法的机器人视觉匹配方法 |
-
2010
- 2010-12-17 CN CN201010592796A patent/CN102073311B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0654753A2 (en) * | 1993-11-24 | 1995-05-24 | Xerox Corporation | A method of analyzing an image showing a graphical representation |
JP3056705B2 (ja) * | 1997-09-03 | 2000-06-26 | 株式会社日本触媒 | グリオキシル酸エステル類の精製方法、およびグリオキシル酸エステル類の精製用蒸留装置 |
CN1943922A (zh) * | 2006-10-16 | 2007-04-11 | 上海宝信软件股份有限公司 | 炼钢连铸生产工艺中分配中间包的方法 |
CN101286071A (zh) * | 2008-04-24 | 2008-10-15 | 北京航空航天大学 | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 |
CN101645169A (zh) * | 2009-09-09 | 2010-02-10 | 北京航空航天大学 | 基于量子以及量子微粒群算法的机器人视觉匹配方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102537663A (zh) * | 2012-02-07 | 2012-07-04 | 北京康吉森油气工程技术有限公司 | 基于微粒群算法的液相介质长输管道、优化装置及方法 |
CN102606886A (zh) * | 2012-02-07 | 2012-07-25 | 北京康吉森油气工程技术有限公司 | 基于微粒群算法的气相介质长输管道、优化装置及方法 |
CN107703900A (zh) * | 2017-11-13 | 2018-02-16 | 浙江大学 | 一种高效的优化调度方法 |
CN107831746A (zh) * | 2017-11-13 | 2018-03-23 | 浙江大学 | 一种高效的航空发动机装配车间调度系统 |
CN108717289A (zh) * | 2018-04-09 | 2018-10-30 | 湘潭大学 | 一种流水线布局优化方法 |
CN108717289B (zh) * | 2018-04-09 | 2020-11-17 | 湘潭大学 | 一种流水线布局优化方法 |
CN108647859A (zh) * | 2018-04-17 | 2018-10-12 | 东莞理工学院 | 知识驱动的置换流水线双种群协同学习策略与优化方法 |
CN110263906A (zh) * | 2019-06-24 | 2019-09-20 | 中国科学技术大学 | 非对称负相关搜索方法 |
CN110263906B (zh) * | 2019-06-24 | 2022-09-06 | 中国科学技术大学 | 非对称负相关搜索方法 |
CN110471274A (zh) * | 2019-08-12 | 2019-11-19 | 余姚市浙江大学机器人研究中心 | 基于改进统一粒子群算法的机械零件加工流水线调度方法 |
CN113467399A (zh) * | 2021-07-08 | 2021-10-01 | 武汉理工大学 | 一种知识驱动的柔性离散制造生产调度优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102073311B (zh) | 2012-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102073311B (zh) | 基于离散量子微粒群算法的机器零件加工流水线调度方法 | |
CN107862411B (zh) | 一种大规模柔性作业车间调度优化方法 | |
CN110543151B (zh) | 基于改进nsga-ⅱ求解车间节能调度问题的方法 | |
CN109765862B (zh) | 基于自适应遗传算法的混合流水车间可持续调度控制方法 | |
CN112488315B (zh) | 一种基于深度强化学习和遗传算法的分批调度优化方法 | |
CN107193258A (zh) | 面向能耗的数控加工工艺路线与切削参数优化模型与方法 | |
CN108710970B (zh) | 一种巨型梯级水电系统的多目标调度并行降维方法 | |
CN110471274A (zh) | 基于改进统一粒子群算法的机械零件加工流水线调度方法 | |
CN109255484A (zh) | 数据驱动的离散制造资源协同优化方法及系统 | |
CN116204955A (zh) | 一种面向智能建造的一维大规模优化下料方法 | |
CN112859761B (zh) | 一种考虑集中热处理的分布式锻造流水车间节能调度方法 | |
CN114021934A (zh) | 基于改进spea2求解车间节能调度问题的方法 | |
CN112631214B (zh) | 基于改进入侵杂草优化算法的柔性作业车间分批调度方法 | |
CN113450013A (zh) | 基于改进nsga-ⅲ算法求解车间节能调度问题的方法 | |
CN109214695A (zh) | 基于改进eda的高端装备研发制造协同调度方法及系统 | |
CN113836706B (zh) | 一种数控加工参数优化方法及存储介质 | |
CN112100909B (zh) | 一种基于协同优化策略的并行可配置智能优化方法 | |
CN115169518A (zh) | 算法优化的方法和装置 | |
CN114237166A (zh) | 基于改进spea2算法求解多转速节能调度问题的方法 | |
CN110096741B (zh) | 一种基于预测模型及改进遗传算法的预锻成形模具设计方法 | |
Bao et al. | Research on assembly line scheduling based on small population adaptive genetic algorithm | |
CN104571009A (zh) | 一种用于轧辊热处理过程的能耗控制方法 | |
CN113313283B (zh) | 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度方法 | |
Xie et al. | Selection of machining parameters using genetic algorithms | |
CN116167593B (zh) | 用于零等待作业车间调度的工件加工时刻获取方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120926 Termination date: 20141217 |
|
EXPY | Termination of patent right or utility model |