买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利一种基于多目标迁移学习的多约束飞机装配调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120706287B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511213552.5，技术领域涉及：G06F30/27；该发明授权一种基于多目标迁移学习的多约束飞机装配调度方法是由张颖伟;张凯;高鸿瑞;冯琳设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本一种基于多目标迁移学习的多约束飞机装配调度方法在说明书摘要公布了：本发明提供一种基于多目标迁移学习的多约束飞机装配调度方法，涉及装配调度技术领域。首先对飞机调度过程中的装配目录需求进行任务分解，设计操作站调节机制，完成装配任务对应操作站重配置操作；然后更新装配任务所需的操作站类型，将飞机调度问题进行数学建模，构建多约束多目标飞机装配调度问题模型，确定任务的初始化任务序列，建立带有多目标精英基因保留策略的非支配快速排序遗传算法优化框架，建立多目标迁移策略，获得可迁移解集；最终得到帕累托前沿解集，选择帕累托前沿解集中值最小的一个解，得到对应的具体装配方案甘特图，制作装配排班表，实现指导飞机的装配过程。

本发明授权一种基于多目标迁移学习的多约束飞机装配调度方法在权利要求书中公布了：1.一种基于多目标迁移学习的多约束飞机装配调度方法，其特征在于，包括以下步骤： 步骤1：对飞机调度过程中的装配目录需求进行任务分解； 步骤2：设计操作站调节机制，完成装配任务对应操作站重配置操作； 步骤3：更新装配任务所需的操作站类型，将飞机调度问题进行数学建模，构建一个多约束多目标飞机装配调度问题模型； 步骤4：根据多约束多目标飞机装配调度问题模型中任务的前后关系约束，确定任务的初始化任务序列； 步骤5：根据步骤4获得的多条染色体即初始化任务序列，计算每条染色体的最大完工时间和最大工作人数，获得第一适应度以及第二适应度； 步骤6：建立带有多目标精英基因保留策略的非支配快速排序遗传算法优化框架； 步骤7：建立多目标迁移策略，获得可迁移解集； 步骤7-1：建立问题1：两个短装配方案FS1和FS2，添加或删除部分任务的头部和尾部，或者问题2：三个装配方案FS1、FS2和FS3通过交集的形式，生成了满足新的装配任务要求的装配方案集合记为FL1；FL1的解为保留部分装配任务后并计算选择最优解作为装配方案； 步骤7-2：生成的装配方案FL1首先执行步骤2，判断操作站的可用性，并完成站点调整和工人的重新配置；方案FL1中的每个装配任务分别对应执行时间、工人类型、工人数量和操作站类型；同时对方案FL1去重处理，留下的解集记为FL2； 步骤7-3：选择解集FL2中的部分解作为可迁移解集： 14； 其中和分别表示解集FL2中两个适应度值的均值；和表示两个适应度值的最小值；和表示和的跨度；其中参数满足；选择解集FL2中两个适应度和满足公式14的解作为可迁移解集； 步骤7-4：迁移判断：相似度函数SI的定义如下： 15； 其中是可迁移解集的均值；是初始化种群的均值；和是两个短装配方案中FS1和FS2的保留部分的任务数；、、和分别FS1和FS2增加和删除的任务数；和分别表示三个装配方案FS1、FS2和FS3任务交集处的短缺任务和冗余任务；是FL1的任务数量；、、、是正常数，并满足，；参数关系满足：和；如果函数SI的值大于70%，则解集可以用来迁移；否则，当时，成立，则会有负迁移情况出现； 步骤8：通过使用步骤6建立的多目标精英基因保留策略的非支配快速排序遗传算法优化框架，将步骤7得到的可迁移解集与步骤4生成的初始化任务序列进行迭代优化，得到最终的帕累托前沿解集，选择帕累托前沿解集中值最小的一个解，根据选择的解得到对应的具体装配方案甘特图，制作装配排班表，从而实现指导飞机的装配过程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。