[发明专利]一种基于两层嵌套结构的调度优化方法

说明书

技术领域

本发明涉及一种基于两层嵌套结构的调度优化方法，适用于解决生产调度遇到的混合整数非线性规划(Mixed Integral Non-Linear Programming，以下简称MINLP)问题，属于工业生产自动化技术领域。

背景技术

随着制造业生产规模日益扩大，生产工艺日趋复杂，市场竞争日趋激烈，生产调度是一个提高企业管理水平、获取更大的经济效益的重要工具。一般化的生产调度问题是针对可分解的生产流程，在满足约束条件的情况下，如何安排各分解流程所占用的原料资源、加工控制变量、加工时间及先后顺序，以实现生产效益(对生产成本、产品质量的综合评价)的最大化。调度优化问题与一般的优化问题相似，但也存在新特点，如问题规模大、生产过程的描述复杂，约束条件和目标函数难以处理等。调度优化问题的数学模型主要采用数学规划描述法描述，即用离散变量表示排列顺序、生产方案选择等离散决策状态，用连续变量表示连续操作条件，用代数等式或不等式描述目标函数和约束条件，因此问题被抽象化为MINLP模型，这样的描述方式直观、易懂，同时有利于衡量模型的复杂度。

两层优化方法是一类特殊的求解MINLP问题的算法，它利用优化变量的类型特点，采用两层结构求解。两层优化算法可分为“区间逼近”算法和“嵌套优化”算法。前者通过迭代求解一系列MILP主问题和NLP子问题获取原MINLP优化问题的下边界和上边界，直至两个边界的区间差小于设定的范围，因此称为“区间逼近”算法。后者针对每个固定的离散变量候选解，将模型简化为一个NLP模型，因此可将NLP优化作为离散变量取值已确定情况下的子优化问题，将子优化问题得到的最优值作为对离散变量解的评价，视为离散变量的寻优依据。这样，将原MINLP优化问题转化为外层MIP模型和内层NLP模型的嵌套优化问题，因此称为“嵌套优化”算法。如何提高求解效率是“嵌套优化”算法面临的主要问题，因为外层组合优化过程中的每一个离散变量候选解，都对应一个内层NLP优化问题。若要求取这些NLP模型的最优值，需要耗费大量的求解时间，目前大多数“嵌套优化”算法均采用随机–精确的两层结构，因为当内层NLP模型为凸优化问题时，精确搜索算法在求解效率上比随机搜索算法具有明显的优势。

发明内容

本发明的目的是提出一种基于两层嵌套结构的调度优化方法，该方法对于大多数制造企业生产调度中存在的MINLP问题，能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。

本发明提出的嵌套结构的调度优化方法，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

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)；