一種紡織面料染色過(guò)程的優(yōu)化調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種紡織面料染色過(guò)程的優(yōu)化調(diào)度方法，屬于化工生產(chǎn)過(guò)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(guó)家工業(yè)水平的 重要指標(biāo)。紡織面料生產(chǎn)是流程工業(yè)最重要的組成部分之一。通過(guò)對(duì)紡織面料進(jìn)行相應(yīng)的 物理和化學(xué)加工，進(jìn)而實(shí)現(xiàn)面料價(jià)值的升值。在紡織面料生產(chǎn)過(guò)程中，染色操作應(yīng)用的場(chǎng)合 相當(dāng)廣。染色過(guò)程常用于最終面料產(chǎn)品的輸出，面料染色的處理的速度和質(zhì)量將直接對(duì)產(chǎn) 品的質(zhì)量產(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，紡織面料生產(chǎn)中 染色過(guò)程的優(yōu)化調(diào)度具有重要研究?jī)r(jià)值。
[0003] 對(duì)面料進(jìn)行染色是常見(jiàn)的操作，由于面料的理化性質(zhì)存在差異，有些面料經(jīng)過(guò)一 次染色即可完成加工，而有些面料需要進(jìn)行二次或多次染色操作才能完成加工；同時(shí)，為 了防止產(chǎn)品間的交叉污染，每臺(tái)染色設(shè)備在加工完一種面料后，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)加工另外一種面料，而設(shè)置時(shí)間取決于面料之間的加工順序；此外， 實(shí)際染色操作的加工（設(shè)備）單元往往由多臺(tái)異構(gòu)的并行設(shè)備構(gòu)成，這些設(shè)備的加工能力 不盡相同，面料需根據(jù)自身的理化性質(zhì)、體積、質(zhì)量等因素選擇合適的設(shè)備進(jìn)行加工。該 過(guò)程就是典型的異構(gòu)并行機(jī)調(diào)度問(wèn)題。與其他生產(chǎn)調(diào)度問(wèn)題一樣，異構(gòu)并行機(jī)調(diào)度問(wèn)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，其中以最大完工時(shí)間 (makespan或C max)使用最為廣泛。異構(gòu)并行機(jī)調(diào)度問(wèn)題屬于NP-Complete問(wèn)題，其解空間 隨問(wèn)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(wèn)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] 由于面料染色過(guò)程調(diào)度問(wèn)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(wú)法保證解的優(yōu)化質(zhì)量。因此，本發(fā)明設(shè)計(jì)了一種基于遺傳-分布估計(jì)算法 (Genetic Algorithm-Estimation of Distribution Algorithm, GA-EDA)的優(yōu)化調(diào)度方法， 可在較短時(shí)間內(nèi)獲得紡織面料染色過(guò)程調(diào)度問(wèn)題的近似最優(yōu)解。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了一種紡織面料染色過(guò)程的優(yōu)化調(diào)度方法，以用于解決在較短時(shí)間內(nèi) 獲得化工生產(chǎn)中面料染色過(guò)程調(diào)度問(wèn)題的近似最優(yōu)解的問(wèn)題。
[0006] 本發(fā)明紡織面料染色過(guò)程的優(yōu)化調(diào)度方法是這樣實(shí)現(xiàn)的：
[0007] 首先通過(guò)確定面料染色過(guò)程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于遺傳-分布估計(jì)算 法GA-EDA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)染色設(shè)備上所加 工面料的最大完工時(shí)間來(lái)建立，同時(shí)優(yōu)化目標(biāo)為最小化最大完工時(shí)間為C_: ^ ⑴ CN 105159242 A 仇叱卞> 2/8 頁(yè)
[0008]
[0009] (V)
[0010] (3)
[0011] (4)
[0012] (5)
[0013] 設(shè)產(chǎn)品集合為N，生產(chǎn)設(shè)備集合為M，其中工件或產(chǎn)品數(shù)為n，設(shè)備數(shù)為m。每種產(chǎn)品 j (j e (1，···，η))需要Stgj道加工工序，St = Stg1U Stg2U ... U Stgn表示所有產(chǎn)品的工 序數(shù)所構(gòu)成的集合，同種產(chǎn)品的不同工序需要按先后順序加工；所有工序只能由集合M中 滿足加工約束的設(shè)備加工；產(chǎn)品的加工時(shí)間與加工設(shè)備有關(guān)，任何設(shè)備i(i e (1，···，!!〇) 同一時(shí)刻只能加工一種產(chǎn)品；不同產(chǎn)品間帶序相關(guān)設(shè)置時(shí)間，設(shè)置時(shí)間依賴于加工順序，同 種產(chǎn)品間的設(shè)置時(shí)間為0。
[0014] 4
;為所有產(chǎn)品的總工序數(shù)，：π = [ JT D JT 2,…，JT TS] (JT (1，… ，n)，j = 1，…，TS)為待加工的η個(gè)廣品或工件的基于工序的排列（該排列中的廣品從左 往右根據(jù)一定規(guī)則和加工約束分配到各臺(tái)設(shè)備上加工），T1為第i臺(tái)設(shè)備上加工的工序總 數(shù)
為第i臺(tái)設(shè)備 上所加工工件的基于工序的排列，朽為的加工時(shí)間

之間的設(shè)置時(shí)間
， 當(dāng)k > 1且；^> =<;>時(shí)
為?f)的開(kāi)始加工時(shí)間
的前一次加工所用的設(shè)備號(hào)（k = 1，…，T1，當(dāng)是首次加工時(shí)
為4'u)的前一次加工在設(shè)備
1中從左往右的位置（k= 1，…，T1，當(dāng);r/("是首次加工時(shí)
，優(yōu)化 的目標(biāo)為在所有產(chǎn)品排序的集合Π 中找到一個(gè)π %使得最早完工時(shí)間Cniax(Ji)最??；
[0015] 其中，式⑴至式⑶為最早完工時(shí)間Cniax(Ji)的計(jì)算公式，式⑷和式（5)表示 在所有產(chǎn)品排序的集合Π 中找到最優(yōu)排序π %使得Cniax(Ji)最小。調(diào)度的目標(biāo)為在所有 待染色的面料排序的集合Π 中找到一個(gè)π %使得最大完工時(shí)間Cniax(Ji)最小。
[0016] 所述基于遺傳-分布估計(jì)算法的優(yōu)化調(diào)度方法的具體步驟如下：
[0017] St印1、編碼方式：以待染色的面料排序進(jìn)行編碼31 = [JI1, 31 2，···，JIts];其中 TS表不所有廣品的總工序數(shù)；
[0018] St印2、概率矩陣和種群的初始化：
[0019] St印2. 1 :初始化概率矩陣：首先需要構(gòu)造用于訓(xùn)練的初始概率模型或矩陣 Pcifi (gen) = [PiJnxTs，初始化的POTi (gen)所有基因位上的等位基因的概率取值相等，即Pu =1/n (i = 1，. . .，n, j = 1，. . .，TS)，初始化的概率矩陣POTi (gen = 1)的形式如式（6)所 示，其中g(shù)en表示種群進(jìn)化的代數(shù)；
[0020] (6)
[0021] Step2. 2 :初始化種群：GA-EDA采用隨機(jī)方式初始化種群，即算法隨機(jī)產(chǎn)生 popsize個(gè)個(gè)體，構(gòu)成種群規(guī)模為popsize的初始種群Pop randi (gen = 1);
[0022] Step3、概率矩陣的更新機(jī)制：GA-EDA使用歷史最優(yōu)個(gè)體更新概率矩陣，設(shè)
為種群在第gen代的歷史最優(yōu)個(gè)體，LR是 學(xué)習(xí)速率，則概率矩陣Pniatoix (gen)采用如下步驟更新：
[0023] St 印 3. 1 :設(shè)
[0024] Step3. 2 :概率歸一化：
，其中，w = 1，· ·，n，j = I,. . . , TS0
[0025] Step4、產(chǎn)生新種群：
[0026] Step4. I :產(chǎn)生候選種群：候選種群popcandi (gen)由兩部分構(gòu)成：（1)候選種群 P〇Pcandi (gen)中e%的個(gè)體根據(jù)輪盤賭的方法對(duì)EDA概率矩陣Pmattix(gen)采樣形成；（2)其 余g%的個(gè)體由上一代種群Pop randi (gen-Ι)中適配值最好的前g%的個(gè)體構(gòu)成；
[0027] Step4. 2 :產(chǎn)生新種群：通過(guò)對(duì)popcandi (gen)順序執(zhí)行GA的遺傳操作，形成新種群
[0028] St印5、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"最優(yōu) 個(gè)體"；否則轉(zhuǎn)至St印3,反復(fù)迭代，直到滿足終止條件。
[0029] 所述種群規(guī)模設(shè)置為popsize = 50，學(xué)習(xí)速率LR = 0· 1，e% = 0· 6, g% = 0· 4。
[0030] 本發(fā)明的有益效果是：
[0031] 本發(fā)明提出了最小化最大完工指標(biāo)下的化工生產(chǎn)中面料染色過(guò)程的調(diào)度模型和 調(diào)度方法，使得化工生產(chǎn)中面料染色過(guò)程的表達(dá)清晰準(zhǔn)確，調(diào)度方法合理有效；采用基于 GA的訓(xùn)練操作方法得到初始化的概率矩陣，提高了概率模型在算法進(jìn)化初期的有效信息積 累量；通過(guò)GA與EDA的結(jié)合，使得GA-EDA具有全局與局部搜索能力；使得EDA可以有效克 服在局部搜索上的不足；有利于充分利用優(yōu)秀個(gè)體的信息來(lái)指導(dǎo)搜索方向，進(jìn)而使得算法 的搜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)；
[0032] 本發(fā)明所提出的基于GA-EDA的優(yōu)化調(diào)度方案可以有效化工生產(chǎn)中面料染色過(guò)程 調(diào)度問(wèn)題。
【附圖說(shuō)明】
[0033] 圖1為本發(fā)明中的流程圖。
【具體實(shí)施方式】
[0034] 實(shí)施例1 :如圖1所示，一種紡織面料染色過(guò)程的優(yōu)化調(diào)度方法，首先通過(guò)確定面 料染色過(guò)程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于遺傳-分布估計(jì)算法GA-EDA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)染色設(shè)備上所加工面料的最大完工時(shí)間來(lái)建 立，同時(shí)優(yōu)化目標(biāo)為最小化最大完工時(shí)間為C max: