[发明专利]带运输机器人柔性制造车间的双目标优化调度方法及系统

权利要求书

1.一种带运输机器人柔性制造车间的双目标优化调度方法，其特征在于，包括如下步骤：

S1、构建同时考虑运输任务和加工任务的优化调度模型，并确定优化目标为最大完工时间和碳排放总量最小化；

S2、基于优化调度模型，随机生成三个初始的子种群，其中，第一子种群的优化目标为最大完工时间最小化，第二子种群的优化目标为碳排放总量最小化，第三子种群的优化目标为最大完工时间和碳排放总量的加权值最小化；

S3、对三个子种群进行单个种群的自进化和多种群间的协同进化，对进化后的三个种群和当前非劣解解集中的所有个体进行对比，挑选出所有非支配解并更新非劣解解集；初始非劣解解集为空集；

S4、基于关键路径对非劣解解集进行深度搜索，更新非劣解解集；

S5、重复步骤S3和S4，直到达到预设迭代次数，停止迭代，此时非劣解解集中的解即为优化后的生产调度方案。

2.如权利要求1所述的带运输机器人柔性制造车间的双目标优化调度方法，其特征在于，所述第三子种群中，最大完工时间和碳排放总量的权重由预训练好的深度强化学习模型根据种群状态确定。

3.如权利要求1所述的带运输机器人柔性制造车间的双目标优化调度方法，其特征在于，步骤S3中，对三个子种群进行单个种群的自进化和多种群间的协同进化，具体为：

S31、单个种群的自进化：对每个子种群，其种群规模数均为N；从子种群中选取目标值最小的部分个体形成优选集，在优选集中随机选取两个个体作为父代进行交叉操作，形成相应的子代；重复上述过程，直到生成N个新的子代；合并父代和子代个体并选择其中最优的N个个体作为自进化后的新种群；

S32、根据子种群各自的目标值，分别对三个子种群中的个体进行排序，进而将每个子种群划分为a个最差个体和剩余的N-a个较优个体，对每个子种群的a个最差个体执行重生机制：对第一子种群，随机选择较优个体中的一个与第二种群中目标值最优的个体进行交叉操作得到新的个体，重复该操作直到a个最差个体全部重生；对第二子种群，随机选择较优个体中的一个与第一种群中目标值最优的个体进行交叉操作得到新的个体，重复该操作直到a个最差个体全部重生；对第三子种群，选择第一种群和第二种群中目标值最优的个体，并对其进行交叉操作得到新的个体，重复以上操作直到a个最差个体全部重生。

4.如权利要求1所述的带运输机器人柔性制造车间的双目标优化调度方法，其特征在于，步骤S4中，基于关键路径对非劣解解集进行深度搜索，具体为对非劣解解集中的个体依次执行以下操作：

S41、随机选中当前解的一条关键路径，若关键路径块在运输机器人上，则重排该关键块中的运输任务，得到新解；若新解对应的运输机器人的空载时间减少，即新解支配原来的解，则用新解替换原解，否则维持原解；

S42、随机选中当前解的一条关键路径，若该关键路径中存在工件的最后一个工序的加工任务节点，且该加工任务的机器档位不等于最高档位S，则调整其档位为S，此时最大完工时间减小，得到的新解支配原解，用新解替换原解；

S43、针对当前解中的非关键加工任务节点，若加工任务的机器档位不等于1，在不改变同一机器其他加工任务开始时间的情况下，尽可能降低该工序的机器档位，此时碳排放总量减小，得到的新解支配原解，用新解替换原解。

5.如权利要求4所述的带运输机器人柔性制造车间的双目标优化调度方法，其特征在于，所述关键路径的确定方法为：

根据解建立相应的析取图模型，对析取图模型中的任意节点，若其头长度与尾长度相加等于最大完工时间，则该节点即为关键节点；

对析取图模型中的关键节点，确定满足任务紧邻约束或工序相邻约束的关键节点，将这些关键节点连接形成关键路径。