一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法
【專利摘要】本發(fā)明涉及一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，屬于化工生產(chǎn)過程智能優(yōu)化調(diào)度【技術(shù)領(lǐng)域】。本發(fā)明通過確定原料結(jié)晶過程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào)度方法對(duì)優(yōu)化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)結(jié)晶機(jī)器上所加工原料的最大完工時(shí)間來建立，優(yōu)化目標(biāo)為最小化最大完工時(shí)間。本發(fā)明使得化工生產(chǎn)中原料結(jié)晶過程的表達(dá)清晰準(zhǔn)確，調(diào)度方法合理有效；使得算法的尋優(yōu)能力得到增強(qiáng)。
【專利說明】-種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，屬于化工生產(chǎn)過 程智能優(yōu)化調(diào)度【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 隨著全球經(jīng)濟(jì)的持續(xù)快速增長(zhǎng)，流程工業(yè)的發(fā)展程度已成為衡量國家工業(yè)水平的 重要指標(biāo)?；どa(chǎn)是流程工業(yè)最重要的組成部分之一，化工生產(chǎn)通過對(duì)原材料進(jìn)行相應(yīng) 的物理和化學(xué)加工，進(jìn)而實(shí)現(xiàn)原材料價(jià)值的升值。在化工生產(chǎn)中，主要包括過濾、萃取、結(jié)晶 和蒸發(fā)等基本操作，其中結(jié)晶操作應(yīng)用的場(chǎng)合相當(dāng)廣。結(jié)晶過程常用于原料的初步處理和 最終產(chǎn)品的輸出，原料的處理的速度和質(zhì)量將直接對(duì)后續(xù)的深加工產(chǎn)生重要影響，對(duì)整個(gè) 系統(tǒng)結(jié)構(gòu)的優(yōu)化升級(jí)具有重要意義。因此，化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度具有重要 研究?jī)r(jià)值。
[0003] 對(duì)原材料進(jìn)行結(jié)晶是常見的化工操作，由于原材料的理化性質(zhì)存在差異，有些原 材料經(jīng)過一次結(jié)晶即可完成加工，而有些原材料需要進(jìn)行二次或多次結(jié)晶操作才能完成加 工；同時(shí)，為了防止產(chǎn)品間的交叉污染，每臺(tái)機(jī)器在加工完一種原材料后，需要一定的設(shè)置 時(shí)間進(jìn)行清洗和調(diào)整，才能繼續(xù)加工另外一種原材料，而設(shè)置時(shí)間取決于原材料之間的加 工順序；此外，實(shí)際結(jié)晶操作的加工（機(jī)器）單元往往由多臺(tái)異構(gòu)的并行機(jī)器構(gòu)成，該些機(jī) 器的加工能力不盡相同，原材料需根據(jù)自身的理化性質(zhì)、體積、質(zhì)量等因素選擇合適的機(jī)器 進(jìn)行加工。該過程就是典型的異構(gòu)并行機(jī)調(diào)度問題。與其他生產(chǎn)調(diào)度問題一樣，異構(gòu)并行 機(jī)調(diào)度問題的優(yōu)化指標(biāo)主要包括最大完工時(shí)間、拖期產(chǎn)品數(shù)、平均流經(jīng)時(shí)間等，其中W最大 完工時(shí)間（makespan或CmJ使用最為廣泛。異構(gòu)并行機(jī)調(diào)度問題屬于NP-Complete問題， 其解空間隨問題規(guī)模的增大呈指數(shù)增長(zhǎng)。因此，對(duì)異構(gòu)并行機(jī)調(diào)度問題求解算法的研究具 有較高的實(shí)際和理論價(jià)值，可為相關(guān)化工生產(chǎn)優(yōu)化系統(tǒng)的設(shè)計(jì)提供切實(shí)指導(dǎo)。
[0004] 由于原料結(jié)晶過程調(diào)度問題屬NP完全范疇，傳統(tǒng)的數(shù)學(xué)規(guī)劃方法和啟發(fā)式構(gòu)造 性方法無法保證解的優(yōu)化質(zhì)量。因此，本發(fā)明設(shè)計(jì)了一種基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算 法化ayesian statistical inference-based estimation of distribution algorithm ，BEDA)的優(yōu)化調(diào)度方法對(duì)優(yōu)化目標(biāo)進(jìn)行優(yōu)化，可在較短時(shí)間內(nèi)獲得制藥化工生產(chǎn)中原料結(jié) 晶過程的優(yōu)化調(diào)度方法的近似最優(yōu)解。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是在較短時(shí)間內(nèi)獲得制藥化工生產(chǎn)中原料結(jié)晶過程 調(diào)度問題的近似最優(yōu)解的問題，提供了一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方 法。
[0006] 本發(fā)明的技術(shù)方案是：一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，通過 確定原料結(jié)晶過程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào) 度方法對(duì)優(yōu)化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)結(jié)晶機(jī)器上所加工原料的最大完工時(shí) 間來建立，優(yōu)化目標(biāo)為最小化最大完工時(shí)間：
[0007] Cmax= max(C 1= F i+ti) i G D
[000引 ZieDXuk=l j G D，（j，k|k = Mi=Mj)
[0009] ZjED Xyk= 1 i G D, (i, k|k = M i= M j)
[0010] Fi+ti+Su《 Fj'+B(l-Xuk) (i，j) G D，（i，j，k|k = Mi= Mj)
[0011] Fi+ti《Fj i, j G Sij
[0012] /&,'=〇 k G M
[0013] S馬,' =O'S,'馬=0 i e D, Q, k I k = Mi)
[0014] 其中，B表示一個(gè)正數(shù)且大于模型中的任意一個(gè)變量值；D表示所有有效的操作序 列；Mj.表示操作j對(duì)應(yīng)的加工機(jī)器；X uk表示是在機(jī)器k上的操作j正好在操作i后邊時(shí) xyk= 1，否則等于0 ;t J表示操作j對(duì)應(yīng)的加工時(shí)間；F J表示操作j的開始時(shí)間；C J表示操 作j的完成時(shí)間化表示在機(jī)器k上的虛擬操作；S U表示操作i在操作j后加工時(shí)機(jī)器上 的設(shè)置時(shí)間；n為待結(jié)晶的原料排序；操作表示的是第1種原料的第m個(gè)結(jié)晶階段在機(jī)器 k上的加工；調(diào)度的目標(biāo)為在所有待結(jié)晶的原料排序的集合n中找到一個(gè)JT%使得最大完 工時(shí)間最小。
[0015] 所述基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào)度方法的具體步驟如下：
[0016] St巧1、編碼方式；W待加工原料排序進(jìn)行編碼n = [JT。JI2，...，JTts];其中TS 表示所有產(chǎn)品的總工序數(shù)；
[0017] Step2、種群的初始化：利用步驟Stepl中的編碼方式，采用隨機(jī)方法產(chǎn)生初始化 種群，直至初始解的數(shù)量達(dá)到種群規(guī)模的要求，同時(shí)選擇當(dāng)代中種群中的"最優(yōu)個(gè)體"作為 第一代的"歷史最優(yōu)個(gè)體"；其中，gen = 1 ;
[0018] St巧3、鄰域生成；利用Insed的方法生成當(dāng)前種群中"最優(yōu)個(gè)體"的鄰域；
[0019] Step4、條件概率矩陣的更新機(jī)制；將精英個(gè)體描繪在貝葉斯網(wǎng)絡(luò)上，每出現(xiàn)一次 節(jié)點(diǎn) Nu，p (曰 G 1，...，TS，0 G l，...，n)到節(jié)點(diǎn) （曰 G 1，...，TS，0 ' G l，...，n) 的情況，便在該有向弧的權(quán)重上加一；接著根據(jù)之前選擇的精英個(gè)體構(gòu)造的網(wǎng)絡(luò)，生成條件 概率矩陣；其中用于構(gòu)建條件概率矩陣的精英個(gè)體是由從該代種群及"最優(yōu)個(gè)體"的鄰域中 適配值最好的前e%個(gè)優(yōu)質(zhì)個(gè)體構(gòu)成，n表示原料數(shù)；
[0020] steps、產(chǎn)生新種群；根據(jù)輪盤賭的方法對(duì)條件概率矩陣采樣形成新種群 POPeaWi(gen)中的個(gè)體；
[0021] steps、更新"歷史最優(yōu)個(gè)體";對(duì)比"歷史最優(yōu)個(gè)體"與新種群中的"最優(yōu)個(gè)體"的 適配值，選擇適配值較小的個(gè)體更新"歷史最優(yōu)個(gè)體"；
[002引 St巧7、終止條件；設(shè)定終止條件的最大迭代次數(shù)為200,如果滿足，則輸出"歷史 最優(yōu)個(gè)體"；否則轉(zhuǎn)至步驟Step3,反復(fù)迭代，直到滿足終止條件。
[0023] 所述種群規(guī)模設(shè)置為50, e%= 0. 6,交叉概率為0. 7。
[0024] 本發(fā)明的工作原理是；
[0025] 步驟1 ;建立結(jié)晶過程調(diào)度模型和優(yōu)化目標(biāo)。
[0026] 調(diào)度模型依據(jù)每臺(tái)結(jié)晶機(jī)器上所加工原料的最大完工時(shí)間來建立，優(yōu)化目標(biāo)為最 小化最大完工時(shí)間Cmax;
[0027] Cmax= max (C i= F i+ti) i G D
[002引 ZieDXuk=l j G D, (j, k|k = M i= M J)
[0029] Zj'eDXuk=l i G D，（i，k|k = Mi= Mj)
[0030] Fi+ti+Su《F j'+B(l-Xuk) (i，_j) G D，（i，j，k|k = Mi= Mj)
[0031] Fj+tj^ F j i, j G S。'
[0032] hk=Q k G M
[003引 = 0,％/、. = 0 i e D, (i, k I k = Mi)
[0034] 式中；B表示一個(gè)很大的正數(shù)；D表示所有有效的操作序列；Mj.表示操作j對(duì)應(yīng)的 加工機(jī)器；xuk表示是在機(jī)器k上的操作j正好在操作i后邊時(shí)X uk= 1，否則等于0 ;t J表 示操作j對(duì)應(yīng)的加工時(shí)間；。表示操作j的開始時(shí)間；Cj.表示操作j的完成時(shí)間；Rk表示在 機(jī)器k上的虛擬操作；Sy表示操作i在操作j后加工時(shí)機(jī)器上的設(shè)置時(shí)間；操作表示的是 第1種原料的第m個(gè)結(jié)晶階段在機(jī)器k上的加工。設(shè)JT為待結(jié)晶的原料排序；調(diào)度的目標(biāo) 為在所有待結(jié)晶的原料排序的集合n中找到一個(gè)JT %使得最大完工時(shí)間最小。
[0035] 步驟2;解的表達(dá)。
[0036] 編碼是指建立反映結(jié)晶操作解空間結(jié)構(gòu)和特征的編碼排列，智能算法通過操作編 碼排列實(shí)現(xiàn)迭代尋優(yōu)。解碼是指通過利用特定的單元選擇規(guī)則，結(jié)合編碼排列合理安排每 臺(tái)機(jī)器上的原料排序，進(jìn)而形成可行的調(diào)度方案。對(duì)于調(diào)度問題，經(jīng)典的編碼方式主要包括 基于機(jī)器的編碼，基于工件的編碼和基于隨機(jī)鍵的編碼等。針對(duì)化工生產(chǎn)中原料結(jié)晶機(jī)器 的特征，本發(fā)明提出基于原料總工序數(shù)的排序編碼。
[0037] 譬如，對(duì)于n = 4的一個(gè)問題（對(duì)于n個(gè)待加工的原料數(shù)），則對(duì)于一個(gè)解31 = [2, 4, 3, 1，4, 3, 4, 4, 1，3]就是問題的一個(gè)編碼排列，同時(shí)也是問題的一個(gè)可行解，該種編碼 方式建立了編碼排列到問題可行解的一一映射關(guān)系，簡(jiǎn)單直觀，且容易實(shí)現(xiàn)。
[003引步驟3;種群的初始化。
[0039] 令gen = 1，利用步驟2中的編碼方式，采用隨機(jī)方法產(chǎn)生初始化種群，直至初始解 的數(shù)量達(dá)到種群規(guī)模的要求。選擇當(dāng)代中種群中的"最優(yōu)個(gè)體"作為第一代的"歷史最優(yōu)個(gè) 體"。
[0040] 步驟4 ;鄰域生成：
[0041] 利用Insed的方法生成當(dāng)前種群中"最優(yōu)個(gè)體"的鄰域。
[0042] 步驟5 ;條件概率矩陣的更新機(jī)制。
[0043] 將精英個(gè)體描繪在貝葉斯網(wǎng)絡(luò)上，每出現(xiàn)一次節(jié)點(diǎn) Na，p (a G 1，...，TS，0 G l，...，n)到節(jié)點(diǎn) （a G 1，...，TS，0 ' G l，...，n)的 情況，便在該有向弧的權(quán)重上加一；接著根據(jù)之前選擇的精英個(gè)體構(gòu)造的網(wǎng)絡(luò)，生成條件概 率矩陣；其中用于構(gòu)建條件概率矩陣的精英個(gè)體是由從該代種群及"最優(yōu)個(gè)體"的鄰域中適 配值最好的前e%個(gè)優(yōu)質(zhì)個(gè)體構(gòu)成，n表示原料數(shù)；
[0044] 步驟6;產(chǎn)生新種群。
[0045] 新種群pop。。。,; (gen)中的個(gè)體根據(jù)輪盤賭的方法對(duì)條件概率矩陣采樣形成。
[0046] 步驟7 ;更新歷史最優(yōu)個(gè)體。
[0047] 對(duì)比"歷史最優(yōu)個(gè)體"與新種群中的"最優(yōu)個(gè)體"的適配值，更新"歷史最優(yōu)個(gè)體"。
[0048] 步驟8 ;設(shè)定終止條件的最大迭代次數(shù)為200。如達(dá)到設(shè)定的最大迭代次數(shù)200， 則輸出"歷史最優(yōu)個(gè)體"；否則，令gen = gen+1，返回步驟4。
[0049] 本發(fā)明的有益效果是：
[0050] 1、提出了最小化最大完工指標(biāo)下的制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方 法，使得化工生產(chǎn)中原料結(jié)晶過程的表達(dá)清晰準(zhǔn)確，調(diào)度方法合理有效；
[0化^ 2、通過貝葉斯與邸A的結(jié)合，使得邸DA具有全局與局部捜索能力；使得邸DA可W 有效克服在局部捜索上的不足；有利于充分利用優(yōu)秀個(gè)體的信息來指導(dǎo)捜索方向，進(jìn)而使 得算法的捜索寬度和深度得到合理平衡，使得算法的尋優(yōu)能力得到增強(qiáng)。
[0化引 3、提出的基于邸DA的優(yōu)化調(diào)度方法可W有效解決制藥化工生產(chǎn)中原料結(jié)晶過程 調(diào)度問題。

【專利附圖】

【附圖說明】
[0053] 圖1為本發(fā)明的整體流程圖；
[0054] 圖2為本發(fā)明中"Insert"操作示意圖；
[0化5] 圖3為本發(fā)明中貝葉斯網(wǎng)絡(luò)示意圖。

【具體實(shí)施方式】
[0化6] 實(shí)施例1 ;如圖1-3所示，一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，通 過確定原料結(jié)晶過程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化 調(diào)度方法對(duì)優(yōu)化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)結(jié)晶機(jī)器上所加工原料的最大完工 時(shí)間來建立，優(yōu)化目標(biāo)為最小化最大完工時(shí)間：
[0057] Cmax= max(C 1= F i+ti) i G D
[005引 ZieDXuk=l j G D, (j, k|k = M i= M j)
[0059] ZjED Xyk= 1 i G D, (i, k|k = M i= M j)
[0060] Fi+ti+Su《F J+B(l-Xuk) (i，j) G D，（i，j，k|k = Mi= Mj)
[0061] Fi+ti《Fj i, j G Sij
[0062] k G M
[0063] =化'、?心二 0 i G D, (i, k I k = Mi)
[0064] 其中，B表示一個(gè)正數(shù)且大于模型中的任意一個(gè)變量值；D表示所有有效的操作序 列；Mj.表示操作j對(duì)應(yīng)的加工機(jī)器；X uk表示是在機(jī)器k上的操作j正好在操作i后邊時(shí) Xyk= 1，否則等于0 j表示操作j對(duì)應(yīng)的加工時(shí)間；F j表示操作j的開始時(shí)間；C j表示操 作j的完成時(shí)間化表示在機(jī)器k上的虛擬操作；S U表示操作i在操作j后加工時(shí)機(jī)器上 的設(shè)置時(shí)間；n為待結(jié)晶的原料排序；操作表示的是第1種原料的第m個(gè)結(jié)晶階段在機(jī)器 k上的加工；調(diào)度的目標(biāo)為在所有待結(jié)晶的原料排序的集合n中找到一個(gè)31%使得最大完 工時(shí)間最小。
[00化]所述基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào)度方法的具體步驟如下：
[0066] St巧1、編碼方式；W待加工原料排序進(jìn)行編碼n = [JTi，312，...，JTts];其中TS 表不所有廣品的總工序數(shù)；
[0067] Step2、種群的初始化：利用步驟Stepl中的編碼方式，采用隨機(jī)方法產(chǎn)生初始化 種群，直至初始解的數(shù)量達(dá)到種群規(guī)模的要求，同時(shí)選擇當(dāng)代中種群中的"最優(yōu)個(gè)體"作為 第一代的"歷史最優(yōu)個(gè)體"；其中，gen = 1 ;
[0068] St巧3、鄰域生成；利用Insed的方法生成當(dāng)前種群中"最優(yōu)個(gè)體"的鄰域；
[0069] Step4、條件概率矩陣的更新機(jī)制；將精英個(gè)體描繪在貝葉斯網(wǎng)絡(luò)上，每出現(xiàn)一次 節(jié)點(diǎn) Nu，p (曰 G 1，...，TS，0 G l，...，n)到節(jié)點(diǎn) （曰 G 1，...，TS，0 ' G l，...，n) 的情況，便在該有向弧的權(quán)重上加一；接著根據(jù)之前選擇的精英個(gè)體構(gòu)造的網(wǎng)絡(luò)，生成條件 概率矩陣；其中用于構(gòu)建條件概率矩陣的精英個(gè)體是由從該代種群及"最優(yōu)個(gè)體"的鄰域中 適配值最好的前e%個(gè)優(yōu)質(zhì)個(gè)體構(gòu)成，n表示原料數(shù)；
[0070] steps、產(chǎn)生新種群；根據(jù)輪盤賭的方法對(duì)條件概率矩陣采樣形成新種群 POPeaWi(gen)中的個(gè)體；
[0071] steps、更新"歷史最優(yōu)個(gè)體";對(duì)比"歷史最優(yōu)個(gè)體"與新種群中的"最優(yōu)個(gè)體"的 適配值，選擇適配值較小的個(gè)體更新"歷史最優(yōu)個(gè)體"；
[007引 St巧7、終止條件；設(shè)定終止條件的最大迭代次數(shù)為200,如果滿足，則輸出"歷史 最優(yōu)個(gè)體"；否則轉(zhuǎn)至步驟Step3,反復(fù)迭代，直到滿足終止條件。
[0073] 實(shí)施例2 ;如圖1-3所示，一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，通 過確定原料結(jié)晶過程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化 調(diào)度方法對(duì)優(yōu)化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)結(jié)晶機(jī)器上所加工原料的最大完工 時(shí)間來建立，優(yōu)化目標(biāo)為最小化最大完工時(shí)間：
[0074] Cmax= max(C 1= F i+ti) i G D
[007引 ZieDXuk=l j G D, (j, k|k = M i= M j)
[0076] ZjED Xyk= 1 i G D, (i, k|k = M i= M j)
[0077] Fi+ti+Su《F j'+B(l-Xuk) (i，_]?) G D，（i，j，k | k = M;= M j)
[007引 Fi+ti《Fj i, j G Sij
[0079] 二、、 k G M
[0080] -S'/如' =化 &鮮=0 i e D, Q, k I k = Mi)
[0081] 其中，B表示一個(gè)正數(shù)且大于模型中的任意一個(gè)變量值；D表示所有有效的操作序 列；Mj.表示操作j對(duì)應(yīng)的加工機(jī)器；X uk表示是在機(jī)器k上的操作j正好在操作i后邊時(shí) xyk= 1，否則等于0 J表示操作j對(duì)應(yīng)的加工時(shí)間；F J表示操作j的開始時(shí)間；C J表示操 作j的完成時(shí)間化表示在機(jī)器k上的虛擬操作；S U表示操作i在操作j后加工時(shí)機(jī)器上 的設(shè)置時(shí)間；n為待結(jié)晶的原料排序；操作表示的是第1種原料的第m個(gè)結(jié)晶階段在機(jī)器 k上的加工；調(diào)度的目標(biāo)為在所有待結(jié)晶的原料排序的集合n中找到一個(gè)JT%使得最大完 工時(shí)間最小。
[0082] 所述基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào)度方法的具體步驟如下：
[0083] St巧1、編碼方式；W待加工原料排序進(jìn)行編碼n = [JT。JI2，...，jTts];其中TS 表示所有產(chǎn)品的總工序數(shù)；
[0084] Step2、種群的初始化：利用步驟Stepl中的編碼方式，采用隨機(jī)方法產(chǎn)生初始化 種群，直至初始解的數(shù)量達(dá)到種群規(guī)模的要求，同時(shí)選擇當(dāng)代中種群中的"最優(yōu)個(gè)體"作為 第一代的"歷史最優(yōu)個(gè)體"；其中，gen = 1 ;
[0085] St巧3、鄰域生成；利用Insed的方法生成當(dāng)前種群中"最優(yōu)個(gè)體"的鄰域；
[0086] Step4、條件概率矩陣的更新機(jī)制；將精英個(gè)體描繪在貝葉斯網(wǎng)絡(luò)上，每出現(xiàn)一次 節(jié)點(diǎn) Nu，p (曰 G 1，...，TS，0 G l，...，n)到節(jié)點(diǎn) （曰 G 1，...，TS，0 ' G l，...，n) 的情況，便在該有向弧的權(quán)重上加一；接著根據(jù)之前選擇的精英個(gè)體構(gòu)造的網(wǎng)絡(luò)，生成條件 概率矩陣；其中用于構(gòu)建條件概率矩陣的精英個(gè)體是由從該代種群及"最優(yōu)個(gè)體"的鄰域中 適配值最好的前e%個(gè)優(yōu)質(zhì)個(gè)體構(gòu)成，n表示原料數(shù)；
[0087] steps、產(chǎn)生新種群；根據(jù)輪盤賭的方法對(duì)條件概率矩陣采樣形成新種群 POPeaWi(gen)中的個(gè)體；
[008引 steps、更新"歷史最優(yōu)個(gè)體";對(duì)比"歷史最優(yōu)個(gè)體"與新種群中的"最優(yōu)個(gè)體"的 適配值，選擇適配值較小的個(gè)體更新"歷史最優(yōu)個(gè)體"；
[0089] St巧7、終止條件；設(shè)定終止條件的最大迭代次數(shù)為200,如果滿足，則輸出"歷史 最優(yōu)個(gè)體"；否則轉(zhuǎn)至步驟Step3,反復(fù)迭代，直到滿足終止條件。
[0090] 所述種群規(guī)模設(shè)置為50, e% = 0. 6,交叉概率為0. 7, B取值為10000，
[0091] 具體的對(duì)比實(shí)驗(yàn)如下：
[0092] 采用國內(nèi)某制藥化工企業(yè)生產(chǎn)中結(jié)晶過程的實(shí)際生產(chǎn)數(shù)據(jù)，進(jìn)一步對(duì)BEDA(如圖 1)的性能進(jìn)行了驗(yàn)證。該企業(yè)在生產(chǎn)中需要通過結(jié)晶的方式對(duì)制藥原料進(jìn)行提純處理，現(xiàn) 有5種組份不同的原料（即純度、雜質(zhì)類型等不同），4臺(tái)不同類型的結(jié)晶機(jī)器（即容量、結(jié) 晶方式等不同），用于生產(chǎn)5個(gè)批次的藥品。在對(duì)5種原料進(jìn)行結(jié)晶操作時(shí)，需考慮如下因 素；（1)、5種原料的純度和雜質(zhì)類型不同，使得每種原料所需要的結(jié)晶提純次數(shù)不同；(2)、 不同原料的體積不同，故需要根據(jù)機(jī)器容量選取機(jī)器；(3)、在結(jié)晶過程中，原料產(chǎn)品的純度 不斷提高，使得同種原料在不同結(jié)晶階段的溶劑選擇、結(jié)晶溫度、攬拌方式都有所不同，所 W對(duì)于同種產(chǎn)品的不同結(jié)晶階段所需的機(jī)器不同；(4)、為了防止原料批次間污染，每臺(tái)機(jī) 器在加工完一種原材料后，需要一定的設(shè)置時(shí)間進(jìn)行清洗和調(diào)整，才能繼續(xù)加工另外一種 原材料；(5)、原料的加工時(shí)間tim化）（表示第1種原料（表中"產(chǎn)品"）的第m個(gè)結(jié)晶階段 (表中"階段"）在機(jī)器k(表中"M1/M2/M3/M4")上的加工時(shí)間）取決于原料所處的結(jié)晶階 段和所選擇的機(jī)器，因此每種原料在各個(gè)結(jié)晶階段所需的加工時(shí)間不同。5種原料的工序數(shù) 集合31 = [1，2, 5, 3, 4, 5, 2, 3, 5, 4, 4, 3, 5]，原料的加工約束如表1所示；
[0093] 表1實(shí)例的加工約束
[0094]

【權(quán)利要求】
1. 一種制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，其特征在于：通過確定原料結(jié) 晶過程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào)度方法對(duì)優(yōu) 化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)結(jié)晶機(jī)器上所加工原料的最大完工時(shí)間來建立， 優(yōu)化目標(biāo)為最小化最大完工時(shí)間：
其中，B表示一個(gè)正數(shù)且大于模型中的任意一個(gè)變量值；D表示所有有效的操作序列；Mj表示操作j對(duì)應(yīng)的加工機(jī)器；Xijk表示是在機(jī)器k上的操作j正好在操作i后邊時(shí)Xijk = 1，否則等于〇 4表示操作j對(duì)應(yīng)的加工時(shí)間；F^表示操作j的開始時(shí)間；q表示操作j的 完成時(shí)間；Rk表示在機(jī)器k上的虛擬操作；Su表示操作i在操作j后加工時(shí)機(jī)器上的設(shè)置 時(shí)間；為待結(jié)晶的原料排序；操作表示的是第1種原料的第m個(gè)結(jié)晶階段在機(jī)器k上的 加工；調(diào)度的目標(biāo)為在所有待結(jié)晶的原料排序的集合n中找到一個(gè)31%使得最大完工時(shí) 間最小。
2. 根據(jù)權(quán)利要求1所述的制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，其特征在 于：所述基于貝葉斯網(wǎng)絡(luò)的分布估計(jì)算法的優(yōu)化調(diào)度方法的具體步驟如下： St印1、編碼方式：以待加工原料排序進(jìn)行編碼JT= [JT1,JT2,...，JTts];其中TS表示 所有廣品的總工序數(shù)； Step2、種群的初始化：利用步驟Stepl中的編碼方式，采用隨機(jī)方法產(chǎn)生初始化種群， 直至初始解的數(shù)量達(dá)到種群規(guī)模的要求，同時(shí)選擇當(dāng)代中種群中的"最優(yōu)個(gè)體"作為第一代 的"歷史最優(yōu)個(gè)體"；其中，gen= 1 ; Step3、鄰域生成：利用Insert的方法生成當(dāng)前種群中"最優(yōu)個(gè)體"的鄰域； Step4、條件概率矩陣的更新機(jī)制：將精英個(gè)體描繪在貝葉斯網(wǎng)絡(luò)上，每出現(xiàn)一次節(jié)點(diǎn)Na，p(aG1，...，TS，0Gl，...，n)到節(jié)點(diǎn)Na+1，p,(aG1，...，TS，0，Gl，...，n)的 情況，便在該有向弧的權(quán)重上加一；接著根據(jù)之前選擇的精英個(gè)體構(gòu)造的網(wǎng)絡(luò)，生成條件概 率矩陣；其中用于構(gòu)建條件概率矩陣的精英個(gè)體是由從該代種群及"最優(yōu)個(gè)體"的鄰域中適 配值最好的前e%個(gè)優(yōu)質(zhì)個(gè)體構(gòu)成，n表示原料數(shù)； Step5、產(chǎn)生新種群：根據(jù)輪盤賭的方法對(duì)條件概率矩陣采樣形成新種群pop_di (gen) 中的個(gè)體； Step6、更新"歷史最優(yōu)個(gè)體":對(duì)比"歷史最優(yōu)個(gè)體"與新種群中的"最優(yōu)個(gè)體"的適配 值，選擇適配值較小的個(gè)體更新"歷史最優(yōu)個(gè)體"； Step7、終止條件：設(shè)定終止條件的最大迭代次數(shù)為200,如果滿足，則輸出"歷史最優(yōu) 個(gè)體"；否則轉(zhuǎn)至步驟St印3,反復(fù)迭代，直到滿足終止條件。
3. 根據(jù)專利要求1或2所述的制藥化工生產(chǎn)中原料結(jié)晶過程的優(yōu)化調(diào)度方法，其特征 在于：所述種群規(guī)模設(shè)置為50,e%= 0. 6,交叉概率為0. 7。
【文檔編號(hào)】G05B19/418GK104503382SQ201410668205
【公開日】2015年4月8日 申請(qǐng)日期:2014年11月20日 優(yōu)先權(quán)日:2014年11月20日
【發(fā)明者】錢斌, 陳少峰, 胡蓉, 張桂蓮 申請(qǐng)人:昆明理工大學(xué)