本發(fā)明涉及生產(chǎn)調(diào)度與不確定性優(yōu)化，具體涉及一種確定性場景引導(dǎo)的多階段有限適應(yīng)性魯棒優(yōu)化方法，還涉及一種確定性場景引導(dǎo)的多階段有限適應(yīng)性魯棒優(yōu)化系統(tǒng)。

背景技術(shù)：

1、在流程工業(yè)中，企業(yè)的生產(chǎn)和經(jīng)營往往存在各種各樣的不確定性，如原料價格波動、需求量波動、設(shè)備突發(fā)故障等，不確定因素直接關(guān)系到生產(chǎn)過程的安全、穩(wěn)定和效率等方面。在實際生產(chǎn)過程中，生產(chǎn)調(diào)度是協(xié)調(diào)生產(chǎn)過程中的各種工序，確保生產(chǎn)計劃的順利實施，最大限度地提高生產(chǎn)效率和生產(chǎn)質(zhì)量的關(guān)鍵過程，但由于工業(yè)生產(chǎn)流程具有長周期性、動態(tài)性、多源不確定性等特點，調(diào)度決策的有效性往往會受到多源不確定因素的影響。

2、工業(yè)過程的不確定性是生產(chǎn)調(diào)度與不確定性優(yōu)化領(lǐng)域廣泛關(guān)注的問題，而魯棒優(yōu)化作為處理不確定性問題的常用方法，已經(jīng)被普遍應(yīng)用于原油調(diào)度優(yōu)化等生產(chǎn)調(diào)度過程中。

3、目前通常采用的魯棒優(yōu)化方法多為靜態(tài)魯棒優(yōu)化，決策變量在計劃調(diào)度執(zhí)行前被全部確定，并且調(diào)度執(zhí)行過程中不會被調(diào)整。但是，靜態(tài)魯棒優(yōu)化方法有以下缺點：

4、首先，由于所有決策都需要基于最差情況在事先被確定，因此可能存在過于保守的問題；

5、其次，缺乏對不確定性集合時變性和決策依賴性的考慮，不適用于包含二元變量的優(yōu)化場景，例如設(shè)備維護周期調(diào)度問題等；

6、最后，對具有非線性約束的生產(chǎn)調(diào)度問題的適用性較低，開發(fā)不確定性條件下的多階段決策依賴的魯棒優(yōu)化方法是流程工業(yè)過程面臨的挑戰(zhàn)性問題之一。

7、多階段決策依賴的魯棒優(yōu)化方法具有三個明顯的性質(zhì)，性質(zhì)一：決策過程包含多個階段，不同階段對應(yīng)著不同的不確定性集合，具有時變性；性質(zhì)二，決策與不確定性參數(shù)的取值范圍相互影響的特性，不確定性集合的構(gòu)建具有決策依賴性；性質(zhì)三，考慮生產(chǎn)調(diào)度模型具有非線性的情景。基于性質(zhì)一，多階段可調(diào)魯棒的方法使變量可以在不確定性被觀測到之后進行自適應(yīng)地調(diào)整，一定程度上緩解了常規(guī)魯棒優(yōu)化過于保守的問題；基于性質(zhì)二，候選解集生產(chǎn)算法和有限適應(yīng)性方法通過構(gòu)建多條候選路徑，并且事先對不確定性集進行劃分，將無限維的魯棒優(yōu)化轉(zhuǎn)化為了有限維的問題；基于性質(zhì)三，通過最差情況分析的方法，避免了對魯棒優(yōu)化模型的對偶重構(gòu)，從而可直接采用啟發(fā)式算法求解。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種確定性場景引導(dǎo)的多階段有限適應(yīng)性魯棒優(yōu)化方法，以用于對流程工業(yè)中具備多階段、決策依賴特性的不確定性生產(chǎn)調(diào)度過程的建模與求解。

2、為了達到上述目的，本發(fā)明的基礎(chǔ)方案提供一種確定性場景引導(dǎo)的多階段有限適應(yīng)性魯棒優(yōu)化方法，包括以下步驟：

3、步驟1，明確生產(chǎn)調(diào)度過程中的慢時變不確定性問題，建立不確定性參數(shù)的標稱公式以及確定性場景下長周期混合整數(shù)最優(yōu)控制問題；

4、步驟2，采用控制參數(shù)向量化方法對確定性混合整數(shù)最優(yōu)控制問題進行求解，獲取初始決策方案；

5、步驟3，以確定性場景下的初始決策方案為基準，采用候選路徑生成算法獲取一系列候選解，構(gòu)造候選解集；

6、步驟4，建立生產(chǎn)調(diào)度過程的多階段決策依賴的魯棒優(yōu)化模型，構(gòu)建慢時變參數(shù)的不確定性集合，同時，依據(jù)有限適應(yīng)性算法將決策依賴的不確定性集分割成有限的分區(qū)，生成不確定性參數(shù)的有限條演化路徑；

7、步驟5，針對不同的演化路徑與時變不確定性集合，基于最壞情況分析方法對多階段魯棒優(yōu)化問題進行求解。

8、在可能的一個設(shè)計中，步驟1包括，

9、步驟1.1，明確生產(chǎn)調(diào)度過程中對系統(tǒng)性能有較大影響并具有不確定性的關(guān)鍵慢時變參數(shù)加入到設(shè)備隨時間的性能衰減過程中，獲取標稱公式：

10、

11、式中，α(t)＞0,λ(t)＞0為影響參數(shù)變化程度和速率的參數(shù)，θ(t)為慢時變參數(shù)，θ0為初始時刻的參數(shù)取值；

12、步驟1.2，考慮慢時變參數(shù)對系統(tǒng)性能的影響，建立確定性場景下長周期混合整數(shù)最優(yōu)控制問題：

13、

14、式中，目標函數(shù)j(·)由兩部分組成：t∈[t0,tf]上的積分項和終端時間tf的終值項φ0[x(tf)]，x是狀態(tài)變量，u是二進制決策變量，q是連續(xù)的決策變量，θ是慢時變參數(shù)，g(·)是不等式約束；f(·)是系統(tǒng)的狀態(tài)方程，u是決策變量u的值范圍。

15、在可能的一個設(shè)計中，步驟2包括，利用控制參數(shù)向量化方法將確定性場景下的動態(tài)優(yōu)化問題轉(zhuǎn)化為有限維非線性規(guī)劃問題，將優(yōu)化周期t∈[t0,tf]離散為若干區(qū)間t0＜t1＜t2＜…＜tl-1＜tl，基于分段常數(shù)函數(shù)的近似策略，tl和t0之間的距離被描述為：

16、tl＝t0+l×(tf-t0)/l,l＝0,1,...,l

17、同時控制向量和目標函數(shù)被近似表達為：

18、

19、式中，ul(t)是第l個區(qū)間t∈[tl-1,tl]中控制軌跡的近似值，x?l(t)為參數(shù)化函數(shù)，其取值為：

20、

21、在可能的一個設(shè)計中，所述步驟3中，以確定性場景的決策為引導(dǎo)，定義了候選路徑生成算法，獲取一系列的候選解，構(gòu)造候選解集，充分利用經(jīng)驗知識引導(dǎo)不確定性優(yōu)化。

22、在可能的一個設(shè)計中，步驟3具體為，在獲取確定性場景下混合整數(shù)最優(yōu)控制問題的最優(yōu)解后，以該最優(yōu)解為基準，通過候選路徑生成算法獲取第l個階段中的候選決策解集

23、在可能的一個設(shè)計中，所述步驟4中，依據(jù)不確定性參數(shù)的時變特性和決策依賴性，建立多階段決策依賴的魯棒優(yōu)化模型和時變不確定性集合，依據(jù)步驟3中的候選解集和有限適應(yīng)性算法，將決策依賴的時變不確定性集合分割成有限維度的不確定參數(shù)演化路徑，提供分解決策依賴的魯棒優(yōu)化問題的手段。

24、在可能的一個設(shè)計中，步驟4包括，

25、步驟4.1，針對流程工業(yè)生產(chǎn)調(diào)度過程中的不確定性，考慮決策與不確定性集合的相互依賴關(guān)系，建立多階段決策依賴的魯棒優(yōu)化模型和時變不確定性集合。其中魯棒優(yōu)化模型為

26、

27、式中，u1,...,ul和q1,...,ql是從第1階段到第l階段的決策，而ul∈{0,1}n是連接連續(xù)兩個階段l和l+1的二進制決策變量。是第l階段(ul,ql)的可行區(qū)域，取決于ul-1和ξl的取值。每個階段的成本函數(shù)定義為ξl∈ξl是第l階段的不確定性向量，第l階段中的不確定性集合由ξl表示，這取決于前一階段的決策變量ul-1。不失一般性，不確定性集合采用多面體不確定性集描述：

28、

29、式中，參數(shù)w∈r?n×k和是第l階段不確定性向量的標稱值，是第l-1階段中觀察到的不確定參數(shù)值。符號表示元素點乘即舒爾乘積；

30、步驟4.2，依據(jù)以確定性場景為導(dǎo)向的候選解集和有限適應(yīng)性算法，將決策依賴的時變不確定性集合分割成有限維度的不確定參數(shù)演化路徑：

31、

32、式中，為在第l階段第p條路徑的不確定性集合；對于整個決策階段，第p條路徑中的不確定性集合定義為：

33、

34、在可能的一個設(shè)計中，所述步驟5中，將多階段決策依賴的魯棒優(yōu)化模型轉(zhuǎn)換為求解最差路徑下的優(yōu)化問題，并依據(jù)最差情況分析方法將復(fù)雜的魯棒優(yōu)化轉(zhuǎn)換為可以直接求解的優(yōu)化問題。

35、在可能的一個設(shè)計中，步驟5具體為，

36、步驟5.1，通過確定性場景引導(dǎo)的有限適應(yīng)性方法，將多階段決策依賴的魯棒優(yōu)化模型轉(zhuǎn)換為求解最差路徑下的優(yōu)化問題：

37、

38、式中，p為所有候選路徑的集合；

39、步驟5.2，基于最差情況分析，將魯棒優(yōu)化轉(zhuǎn)換為可以直接求解的多個確定性優(yōu)化問題：

40、

41、ηf-δjr0≤0

42、ηg≤0

43、

44、式中，ηf為目標魯棒性，用于衡量目標函數(shù)對不確定性的敏感性；ηg為約束魯棒性，用于反映不確定性約束的敏感性；fc用于描述目標函數(shù)的值。

45、本發(fā)明提供一種系統(tǒng)，包括存儲器、控制處理器及存儲在所述存儲器上并可在所述控制處理器上運行的計算機程序，所述控制處理器執(zhí)行所述程序，以實現(xiàn)如前所述的確定性場景引導(dǎo)的多階段有限適應(yīng)性魯棒優(yōu)化方法。

46、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

47、本發(fā)明針對流程工業(yè)中具備多階段、決策依賴特性的不確定性生產(chǎn)調(diào)度過程建立魯棒優(yōu)化模型并提出高效求解方法，本發(fā)明考慮了流程工業(yè)中具有長周期性、動態(tài)性、決策依賴性等特點的不確定性問題，并建立生產(chǎn)調(diào)度過程的多階段決策依賴的魯棒優(yōu)化模型，同時通過集成混合整數(shù)最優(yōu)控制過程，提出了一種面向慢時變工業(yè)過程的候選路徑生成方法，以確定性場景為導(dǎo)向，利用有限適應(yīng)性方法構(gòu)造了多條可行路徑，將復(fù)雜的多階段魯棒優(yōu)化問題轉(zhuǎn)化為有限維優(yōu)化過程，進一步，基于最差情況分析，將上述魯棒優(yōu)化問題轉(zhuǎn)換為可以直接求解的形式。