[发明专利]一种基于两层嵌套结构的调度优化方法

摘要

本发明涉及一种嵌套结构的调度优化方法，属于工业自动化技术领域。对于大多数制造企业生产调度中存在的混合整数非线性规划(Mixed Integral Non-Linear Programming,MINLP)问题，采用“嵌套优化”的算法结构，利用多个解的不断更新进行全局搜索，不依靠解空间的梯度信息，增加构造一个可行性粗糙判定模型，在解评价之前首先粗糙但快速地判定解的可行性，从而确保以较高的概率获得调度模型的真实满意解，计算量小，而且寻优过程简单，应用范围广。

主权项

一种嵌套结构的调度优化方法，其特征在于该方法包括以下步骤：步骤1)初始化参数：设置外层GA算法和内层PSO算法的参数，包括种群大小N_s,N_f，PSO速度更新加权系数ω,φ_p,φ_g，GA交叉概率p_c和变异概率p_m，最大迭代步数K_s，步骤2)概率择优阶段；步骤2.1设置外层优化迭代步数k_s＝0，初始化离散变量候选解s(1,k_s),…,s(n_s,k_s),…,s(N_s,k_s)；步骤2.2如果外层优化迭代步数k_s未超过对于s(n_s,k_s)(n_s＝1,...,N_s)对应的N_s个NLP优化子模型利用内层优化算法(PSO算法)迭代计算至步，并记录历史优化数据步骤2.3针对s(n_s,k_s)(n_s＝1,...,N_s)，利用其历史最小惩罚值和可行性粗糙判定模型估计进而确定s(n_s,k_s)的可行性，即确定步骤2.4如果s(n_s,k_s)不可行，保留作为粗糙惩罚值如果s(n_s,k_s)可行，用内层优化算法(PSO算法)迭代优化子模型至步，记录历史优化数据利用粗糙评价模型估计保留估计值作为粗糙评价值步骤2.5根据获得的粗糙评价值和粗糙惩罚值，利用外层优化算法(GA算法)和可行性规则法更新粗糙保优集合在该步骤中，根据离散变量候选解的可行性粗糙判定模型，快速获取对应离散变量组合s的粗糙惩罚值和可行性估计进而判断是否继续对s实施评价；若可行，则进一步实施粗糙评价获取粗糙评价值基于以上评价结果，外层随机优化算法通过求解以下组合优化问题：(6)通过外层随机优化算法获取前个估计最优且可行的离散变量候选解，即                                  (7) 且将其保存在粗糙保优集合中。通过可行性规则法，在粗糙评价条件下来执行外层随 机优化算法的保优更新操作；步骤2.6外层优化迭代步数k_s＝k_s+1，如果外层优化迭代步数k_s小于返回步骤2.2，如果外层优化迭代步数k_s超过则进入步骤3)；步骤3)精确评价阶段：求解s(n_s,K_s)(n_s＝1,...,N_s)对应的N_s个NLP优化子模型利用内层优化算法(PSO算法)迭代计算至步，获取精确评价值和对应的最优连续变量解步骤4)确定最终满意解：比较各NLP优化子模型的精确评价值根据如下可行性规则法取其中最优的一组作为调度模型的满意解：且                                 (8) 其中，最终满意解为其中