[发明专利]一种应用于车间计划投产的多保真仿真优化方法及设备

权利要求书

1.一种应用于车间计划投产的多保真仿真优化方法，其特征在于，该方法具体包括以下步骤：

步骤1、建立实际生产系统投产问题的高保真仿真模型与低保真仿真模型，高保真仿真模型运行方案X获得的运行结果记为h(X)，低保真仿真模型运行方案x获得的运行结果记为l(x)；

步骤2、使用低保真仿真模型进行GA搜索，从而对具体投产问题进行低保真大致解空间搜索，获得低保真搜索解空间集；

步骤3、将步骤2的低保真搜索解空间集按照解的优劣进行重排序；

步骤4、从重排序后的解空间集中抽样形成最佳抽样子集；

步骤5、使用高保真模型运行最佳抽样子集N_j并选出最佳方案，获得最佳投产计划；

所述步骤1包括如下子步骤：

步骤1.1：根据实际生产系统的生产运作与工艺流程特征建立真实场景的高保真仿真模型，并根据生产实际在高保真仿真模型中设置运行过程中的调度规则及相关参数；

步骤1.2：对实际生产系统的生产运作与工艺流程特征进行简化，保留系统中瓶颈问题的建模，其他非关键工序与资源使用无限产能替代，获得低保真仿真模型；将低保真仿真模型中的调度规则与相关参数设置成与高保真仿真模型相同；

所述步骤2包括如下子步骤：

步骤2.1：设置低保真搜索总预算数量M_max，GA种群数量P，初始化进化代数为r＝0；

步骤2.2：生成初始种群的解决方案集{x_r1，x_r2，...，x_rp}，x_rp表示第r代进化得到的第p个解决方案；使用低保真仿真模型运行并得到解集{l(x_r1)，l(x_r2)，...，l(x_rp)}，l(x_rp)是x_rp对应的低保真仿真解；

步骤2.3：设置进化代数为r＝r+1；解集{l(x_r1)，l(x_r2)，...，l(x_rp)}使用精英选择规则选取交叉种群1，然后将解集{l(x_r1)，l(x_r2)，...，l(x_rp)}顺序打乱，使用精英选择规则选取交叉种群2，使用交叉种群1和交叉种群2进行遗传进化，获得新的方案解集x_r＝{x_r1，x_r2，...，x_rp}；

步骤2.4：判断低保真搜索预算是否已经用完，即判断是否有r*P＜M_max，如果不等式成立，重复步骤2.3，否则转到步骤2.5；

步骤2.5：将进化过程中的所有方案收集起来形成低保真搜索方案集{x₁，x₂，...，x_r，...，x_M}，M是解的总数量，并获得对应的低保真搜索解空间集{l(x₁)，l(x₂)，...，l(x_r)，...，l(x_M)}；

步骤2.3中的精英选择规则如下：顺次挑选种群中未被挑选的两个个体，将两个个体的结果进行比较，选择出更好的个体，直到种群中所有的个体均被挑选过；

步骤2.3中的遗传进化方法如下：使用遗传算法中的染色体交叉和变异思想，使用两点交叉的方式将两个方案进行交叉操作，实现全局搜索，使用单点变异方式将两个方案进行变异操作，实现邻域搜索；

步骤3包括如下子步骤：

步骤3.1：序数转换

将低保真搜索解空间集{l(x₁)，l(x₂)，...，l(x_M)}根据解的大小进行排序，形成结果由好到次的序数转换后的解空间集{l(x_OT1)，l(x_OT2)，...，l(x_OTM)}；

步骤3.2：将序数转换后的解空间集{l(x_OT1)，l(x_OT2)，...，l(x_OTM)}均匀分为K个子集Θ_j，j＝1，...，K，则每个子集Θ_j中包含N个解，M＝N*K；

步骤4中采用如下最佳抽样策略进行抽样：

步骤4.1：设置高保真搜索预算N_max，初始样本数量N₀和总增量样本数Δ；设置进化代数为r＝0；

步骤4.2：在每个子集Θ_j中随机选择个样本并通过高保真仿真模型运行得到一共K组运行结果；

步骤4.3：如果则跳转到步骤4.5，否则增加Δ个预算，根据公式和计算获得每个子集新的预算结果j，b，l＝1，...，K；每个子集新增的预算数量为δ_b，j表示子集Θ_b和Θ_j之间的平均差，δ_b，l表示子集Θ_b和Θ_l之间的平均差，σ_j表示Θ_j的标准差，σ_l表示Θ_l的标准差，σ_b表示Θ_b的标准差，N_l表示分配给Θ_l的高保真度评估预算的数量；

步骤4.4：从子集Θ_j中继续随机选择N_rj个样本，分别为每个增加N_rj个样本；设置进化代数为r＝r+1，重复步骤4.3；

步骤4.5：获得每个子集Θ_j对应的最佳抽样子集N_j。