[发明专利]基于量子进化算法的复杂场景排产方法及系统

说明书

本发明公开了基于量子进化算法的复杂场景排产方法及系统，量子种群初始化；量子排产适应度评估：设立量子目标函数，考虑大型机械设备的生产制造环境的约束条件下，对量子目标函数进行求解；量子种群生成目标函数的二进制控制变量，根据生成的二进制控制变量，对应到工单任务的顺序，进行排产，按照排产顺序计算整个大型机械设备工单的完成时间为量子的适应度值；比较适应度值，通过最小适应度值确定最优解；保存最优解；判断是否到达结束条件，若未达到，则利用量子旋转门对量子种群进行更新；返回量子排产适应度评估步骤重新计算量子的适应度值，继续寻优。满足局部寻优与全局寻优在较平衡的状态下寻找最优解，实现大型机械设备生产排产。

技术领域

本发明涉及具有库容约束的复杂场景下的大型机械设备生产制造排产领域，特别是涉及基于量子进化算法的复杂场景排产方法及系统。

背景技术

大型机械设备生产制造相比普通机械设备制造具有诸多特殊性，大型机械设备如大型风叶的电机或大型客车的发动机生产所用制造设备价格昂贵、数量少且单一，对原材料的线边库容存储数量级一般为个数，由于特殊的生产制造环境极易产生线体阻塞现象，造成生产流程的不顺畅，从而导致生产效率下降，甚至造成产品质量的降低。由此可见，针对上述复杂场景的大型机械设备生产领域进行科学性生产排产的紧迫性和重要意义。

当前出现的用于生产排产的遗传算法、模拟退火算法或粒子群算法等数学模型，其建立都是基于理想状态，未考虑原材料库容限制、线边库容及线体阻塞问题的复杂性，在解决简单生产排程问题时较为理想，但不能为大型机械设备的生产加工过程带来实际有效的指导意义。

发明内容

针对大型机械设备生产现有排产方法过于理想化，排产时间短，对库容原料利用率低等问题，本发明提供基于量子进化算法的复杂场景排产方法及系统，应用于具有库容约束、线体阻塞为代表的复杂场景的大型机械设备生产排产领域。

为了实现上述目的，本发明采用如下技术方案：

基于量子进化算法的复杂场景排产方法，包括如下步骤：

步骤(1)：量子种群初始化：包括初始化量子种群进化代数、初始化量子比特编码和初始化量子染色体数量；

步骤(2)：量子排产与适应度评估：设立量子目标函数，考虑大型机械设备的生产制造环境的约束条件下，对量子目标函数进行求解；量子种群生成目标函数的二进制控制变量，根据生成的二进制控制变量，对应到工单任务的顺序，进行排产，按照排产顺序计算整个大型机械设备工单的完成时间，即为量子的适应度值；

步骤(3)：比较适应度值，通过最小适应度值确定最优解；保存最优解；判断是否到达结束条件，若达到结束条件则输出最优解；若未达到结束条件则跳转至步骤(4)；

步骤(4)：量子更新：利用量子旋转门对量子种群进行更新；返回步骤(2)重新计算量子的适应度值，继续寻优。

所述大型机械设备，包括：大型风叶电机、大型客车发动机或起重机械等，所用加工设备因价格昂贵一般购置一台或两台，在生产过程中极易出现线体阻塞现象。

所述复杂场景是指大型机械设备的生产制造环境：生产原材料库容有限且线边库容存储数量为个数级，原材料运输装置数量有限且为个数级；线体阻塞现象频发。

所述步骤(1)中量子种群初始化，包括如下步骤：

步骤(1-1)：初始化进化代数t＝0；

步骤(1-2)：初始化量子比特编码：通过确定大型机械设备工单任务所选择的机器以及上线加工的顺序，以获得更优量子目标函数。

在初始化过程中需要定义两个变量：