基于dnsga-ii的太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人工智能與生產(chǎn)管理等領(lǐng)域，主要公開了基于DNSGA-II的太陽能電 池組件有限緩沖區(qū)多目標(biāo)批量調(diào)度方法，能有效縮短生產(chǎn)周期，提高生產(chǎn)效率。
【背景技術(shù)】
[0002] 太陽能是人類取之不盡、用之不竭的綠色能源。太陽能的合理利用，是對可持續(xù)發(fā) 展，節(jié)能減排，保護(hù)環(huán)境的積極響應(yīng)和倡導(dǎo)。而太陽能電池的生產(chǎn)則是充分利用太陽能的必 經(jīng)之路，占據(jù)國民經(jīng)濟(jì)重要地位。太陽能電池生產(chǎn)是在批量生產(chǎn)基礎(chǔ)上，滿足工藝、設(shè)備約 束條件下,確定不同型號電池組件的加工順序和加工時(shí)間,使整個(gè)產(chǎn)品完工時(shí)間最小化。合 理科學(xué)的調(diào)度方案的制定，能保證企業(yè)在整個(gè)生產(chǎn)過程中設(shè)備資源的充分利用，滿足供應(yīng) 商的交貨期，使整個(gè)生產(chǎn)系統(tǒng)順暢、平穩(wěn)、高效的運(yùn)行。
[0003] 太陽能電池的生產(chǎn)是典型的批量流水線調(diào)度（LotStreamingFlowshop,LSFS) 問題。一般流水線調(diào)度問題基本前提是，一個(gè)（批）工件是完整的，不可分割的，但在實(shí)際 太陽能電池生產(chǎn)環(huán)境中，同一個(gè)型號的電池組件，在各個(gè)工藝流程階段，可分割成若干轉(zhuǎn)移 批量，每個(gè)轉(zhuǎn)移批量在當(dāng)前階段設(shè)備上加工完畢之后，可允許進(jìn)入下一個(gè)階段設(shè)備上加工。 這樣批量加工方式，可以加速生產(chǎn)流程，降低生產(chǎn)成本，具有廣泛的工程應(yīng)用背景和重要的 理論研究價(jià)值。
[0004] 在現(xiàn)實(shí)生產(chǎn)中，由于成本、資源等限制，很多生產(chǎn)過程，存在有限的中間緩沖區(qū) (庫存），甚至沒有中間緩沖區(qū)，使得部分加工完畢的工件或產(chǎn)品被阻塞在當(dāng)前加工設(shè)備 上。導(dǎo)致產(chǎn)品生產(chǎn)周期延遲。因此，根據(jù)中間緩沖區(qū)（庫存）分類，批量流水線可分為：傳 統(tǒng)的批量流水線，有限緩沖區(qū)批量流水線以及阻塞批量流水線調(diào)度（如圖1所示）。
[0005] 近幾十年來，很多學(xué)者對批量流水線調(diào)度問題的求解算法進(jìn)行了研究。譬如， 遺傳算法（GeneticAlgorithm,GA)、和聲搜索算法（HarmonySearch,HS)、粒子群算法 (ParticleSwarmOptimization,PS0)、離散人工蜂群算法（DiscreteArtificialbee colony,DABC)、分布估計(jì)算法(estimationofthedistributionalgorithm,EDA) 等。盡管有相關(guān)文獻(xiàn)對有限緩沖區(qū)的批量流水線調(diào)度進(jìn)行了研究，如2013年出版的期 干丨J《Journalofintelligentmanufacturing》第 24 期"Anewgeneticalgorithmfor lot-streamingflowshopschedulingwithlimitedcapacitybuffers",但文中僅考慮 了單目標(biāo)情況。
[0006] 上述技術(shù)成果為太陽能電池有限緩沖區(qū)多目標(biāo)批量生產(chǎn)調(diào)度提供了新的解決方 法，但是，應(yīng)當(dāng)指出，現(xiàn)有方法仍然存在如下問題：⑴目前多數(shù)太陽能電池生產(chǎn)調(diào)度仍然 采用人工編制調(diào)度方式，其粗放型的調(diào)度方案與生產(chǎn)調(diào)度效率低下，準(zhǔn)確性差，而在實(shí)際生 產(chǎn)工程中，企業(yè)常面臨大規(guī)模不同型號電池的訂單，加大了調(diào)度問題難度，因此僅靠一些簡 單優(yōu)化方法或者人工編制調(diào)度方式，無法制定出最優(yōu)調(diào)度方案；（2)已有的調(diào)度優(yōu)化方法， 僅僅考慮了單目標(biāo)優(yōu)化問題，而太陽能電池實(shí)際生產(chǎn)過程中，不僅考慮產(chǎn)品的完工時(shí)間，還 需考慮供應(yīng)商交貨期等多個(gè)指標(biāo)。對于這種情況，已有方法很難得到理想的結(jié)果；（3)現(xiàn)有 求解多目標(biāo)問題的方法，通常對個(gè)體比較、排序、選擇等策略上進(jìn)行了改進(jìn)，而針對算法中 關(guān)鍵的交叉變異算子并沒有給出進(jìn)一步的研究。傳統(tǒng)的交叉，變異操作具有隨機(jī)性，無目的 性和無方向性，不能保證新生成的個(gè)體具有較高的質(zhì)量，從而降低了搜索進(jìn)度和收斂速度， 影響了算法的效率。

【發(fā)明內(nèi)容】

[0007]本發(fā)明所要解決的技術(shù)問題是，克服現(xiàn)有技術(shù)的不足，將離散NSGA-II(DNSGA-II) 應(yīng)用于太陽能電池組件有限緩沖區(qū)批量生產(chǎn)調(diào)度問題。為使算法能得到較優(yōu)的Pareto前 沿，本發(fā)明在DNSGA-II中引入了變異的曲線擬合方法初始化種群，利用種群個(gè)體差異和非 支配解優(yōu)良基因，提出了新的交叉變異算子，以平衡算法的全局和局部搜索能力，更好的服 務(wù)于有限緩沖區(qū)多目標(biāo)批量流水線調(diào)度等實(shí)際生產(chǎn)。
[0008]本發(fā)明的技術(shù)解決方案：建立太陽能電池有限緩沖區(qū)多目標(biāo)批量流水線調(diào)度問題 數(shù)學(xué)模型，然后設(shè)計(jì)合適的初始化策略，交叉變異算法及精英保留策略，以較快的速度收斂 到Pareto最優(yōu)前沿。其特征在于步驟如下：
[0009] 1、構(gòu)建與太陽能電池組件生產(chǎn)流程對應(yīng)的由工件和機(jī)器設(shè)備組成的生產(chǎn)模型。
[0010] 太陽能電池組件生產(chǎn)流程是一個(gè)典型的批量流水線調(diào)度過程，當(dāng)電池在某個(gè)工藝 階段完工后，暫存在緩沖區(qū)中，待下一個(gè)工藝設(shè)備空閑時(shí)，繼續(xù)加工，因此，所建立的生產(chǎn)模 型，除了滿足加工過程中的約束外，還應(yīng)將工藝流程各個(gè)階段之間緩沖區(qū)個(gè)數(shù)，作為約束條 件，加入到數(shù)學(xué)模型中，并建立2目標(biāo)優(yōu)化函數(shù)：
【主權(quán)項(xiàng)】
1. 一種基于DNSGA-II的太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào)度方法，其特征在 于，該方法包括： (1) 太陽能電池組件生產(chǎn)調(diào)度建模：將不同型號的太陽能電池組件看作是一個(gè)待加工 工件，工藝流程的不同階段看作是一臺機(jī)器，根據(jù)實(shí)際生產(chǎn)流程和滿足的生產(chǎn)條件，構(gòu)建與 太陽能電池組件生產(chǎn)流程對應(yīng)的由工件和機(jī)器設(shè)備組成的生產(chǎn)模型； (2) 根據(jù)問題的離散特性和多目標(biāo)特性，采用基于工件序列編碼方式的DNSGA-II算法 優(yōu)化太陽能電池組件調(diào)度模型。
2. 根據(jù)權(quán)利要求1所述的基于DNSGA-II的太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào) 度方法，其特征在于，太陽能電池組件生產(chǎn)流程是一個(gè)典型的批量流水線調(diào)度過程，當(dāng)電池 在某個(gè)工藝階段完工后，暫存在緩沖區(qū)中，待下一個(gè)工藝設(shè)備空閑時(shí)，繼續(xù)加工，因此，所建 立的生產(chǎn)模型，除了滿足加工過程中的約束外，還應(yīng)將工藝流程各個(gè)階段之間緩沖區(qū)個(gè)數(shù)， 作為約束條件，加入到數(shù)學(xué)模型中，并建立2目標(biāo)優(yōu)化函數(shù)：
為一個(gè)包含n個(gè)不同型號電池組件（工件）序列，目P，n= {> (1)，JI似，...，31 (j)，. ..，JI(n)};每個(gè)工件31 〇'）被分割為若干小批次，即 種/')=扣(7')1，種為工件n(j)包含的小批量總數(shù)；T為所有工件的 小批量集合，
機(jī)器i與i+1之間緩沖區(qū)個(gè)數(shù)；P。uu為工件n(j)在機(jī)器i上的加工時(shí)間；Dt 為小批 量X(e)離開機(jī)器i上的時(shí)間沖為工件n(j)的交貨期；fi和f2分別是最大完工時(shí)間和 推遲完工時(shí)間。
3. 根據(jù)權(quán)利要求1所述的基于DNSGA-II的太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào) 度方法，其特征在于，鑒于該問題含有約束性和多目標(biāo)特性，在初始化種群時(shí)，采用了變異 的曲線擬合方法，產(chǎn)生若干個(gè)性能較好的初始解；此外，為了保證初始種群多樣性，剩余的 初始解，通過隨機(jī)函數(shù)產(chǎn)生。
4. 根據(jù)權(quán)利要求1所述的基于DNSGA-II的太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào) 度方法，其特征在于，基于父代種群中個(gè)體差異和非支配解的優(yōu)良基因，設(shè)計(jì)新的變異交叉 算子，產(chǎn)生分布性和收斂性好的子代個(gè)體，生成子代個(gè)體步驟如下： 步驟1 :執(zhí)行變異操作； 步驟1.1;從當(dāng)前種群中，隨機(jī)選擇種群中3個(gè)不同的工件序列，n。，jib，n。； 步驟1. 2 ;每一個(gè)新工件序列有n個(gè)工件組成，目P，n= {> (1)，(2)，...，n(i)，...，(n)}，設(shè)置工件個(gè)數(shù)計(jì)數(shù)器i= 1 ; 步驟1. 3 ;通過下述公式，獲得新工件序列的每一個(gè)工件的值： n(i) = 〇b(U-3IeQ))*flag〇 3Ia(U 其中，a,b，c代表工件序列在種群中的位置標(biāo)號，其取值范圍為[1，PS]，PS為種 群大??；n(i)是工件序列n的第i個(gè)工件；flag是布爾變量，其取值為0或1 ;運(yùn)算 符號是乘號，運(yùn)算符號"0"是取余運(yùn)算符，即，（nb(i)-nta))*flag〇 ^。似= (〇b(i) - 31e(i))*flag+ 31a(i) +n) %n+1; 步驟1. 4;i=i+1 ;如果i< =n，執(zhí)行步驟1. 3,否則，輸出新解31，執(zhí)行步驟2 ; 步驟2 ;執(zhí)行交叉操作： 步驟2.1;將上述變異操作得到的n中重復(fù)的工件刪除，得到新的部分工件序列Kp， 作為為全局引導(dǎo)的參考解，記Kp中工件總個(gè)數(shù)為k; 步驟2. 2;從非支配解集中，隨機(jī)選擇1個(gè)工件序列，n'，并將其中與Kp相同的工件 刪除，得到新的部分工件序列n。。，，目的是，利用非支配解的有價(jià)值信息，引導(dǎo)種群進(jìn)化； 步驟2. 3 ;設(shè)置執(zhí)行下述插入操作的次數(shù)t= 1 ; 步驟2.4;從Kp中，取出第t個(gè)工件，即np(t)，將其插入到n。。，中不同的位置，得到n-k+t個(gè)不同工件序列，選擇函數(shù)值最小的工件序列，重新賦值給n。。，； 步驟2. 5;t=t+1 ;如果t< =k;執(zhí)行步驟2. 4,否則，執(zhí)行步驟2. 6 ; 步驟2. 6 ;評價(jià)得到的完整工件序列n。。，，并將其放入到子代種群中。
【專利摘要】本發(fā)明公布了一種基于DNSGA-II的太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào)度方法，旨在提供一種可以為大規(guī)模太陽能電池生產(chǎn)，高效快速的尋找到一組最優(yōu)的調(diào)度方案，供管理者選擇。步驟如下：(1)根據(jù)太陽能電池組件實(shí)際生產(chǎn)過程中約束條件和優(yōu)化的目標(biāo)函數(shù)，構(gòu)建太陽能電池組件有限緩沖區(qū)多目標(biāo)批量調(diào)度問題數(shù)學(xué)模型；(2)根據(jù)問題離散特性和多目標(biāo)特性，采用變異的曲線擬合方法初始化種群；(3)基于父代種群個(gè)體之間的差異性和非支配解有價(jià)值信息，設(shè)計(jì)新的變異交叉算子，平衡所提算法的全局和局部性能。
【IPC分類】G06F19-00
【公開號】CN104794322
【申請?zhí)枴緾N201410589167
【發(fā)明人】鞏敦衛(wèi), 韓玉艷, 劉益萍, 孫奉林, 苗壯
【申請人】中國礦業(yè)大學(xué)
【公開日】2015年7月22日
【申請日】2014年10月28日