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！

龙图腾网获悉鲁东大学申请的专利一种分布式阻塞多产品间歇过程生产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：CN120031351B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510510518.8，技术领域涉及：G06Q10/0631；该发明授权一种分布式阻塞多产品间歇过程生产调度方法是由邓冠龙;乔广权;张平;殷杰;冯树林;徐明铭设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种分布式阻塞多产品间歇过程生产调度方法在说明书摘要公布了：本发明涉及一种分布式阻塞多产品间歇过程生产调度方法，属于生产调度技术领域，该方法包括以下步骤：建立以最小化最大完工时间为目标的分布式阻塞多产品间歇过程生产调度模型；采用基于种群多样性的强化学习算法求解模型以获得调度方案，其中，在求解过程中，通过计算种群中个体之间的加工序列距离确定多样性指标距离异质比例，每一个体代表一个调度解，为工厂对应的加工序列的集合，基于多样性指标距离异质比例更新智能体的状态，并确定对应的奖励。与现有技术相比，本发明提出一种新的多样性指标，可以衡量种群的多样性变化，从而控制算法探索和开发之间的平衡，有助于优化算法结构设计，提高算法的搜索效率，可以快速获得较优调度方案。

本发明授权一种分布式阻塞多产品间歇过程生产调度方法在权利要求书中公布了：1.一种分布式阻塞多产品间歇过程生产调度方法，其特征在于，包括以下步骤： 建立以最小化最大完工时间为目标的分布式阻塞多产品间歇过程生产调度模型； 采用基于种群多样性的强化学习算法求解所述模型以获得调度方案，其中，在求解过程中，通过计算种群中个体之间的加工序列距离确定多样性指标距离异质比例，每一个体代表一个调度解，为工厂对应的加工序列的集合，基于所述多样性指标距离异质比例更新智能体的状态，采用结合多样性指标距离异质比例和Q学习的搜索策略，指导种群进化过程，并确定对应的奖励，其中，所述种群中个体之间的加工序列距离的计算包括以下步骤： 计算将第一个体中每一工厂对应的加工序列转变为第二个体中相同工厂对应的加工序列所需要的操作次数； 基于所述操作次数确定第一个体和第二个体之间每一工厂的加工序列距离； 对第一个体和第二个体中所有工厂的加工序列距离求和得到两个个体之间的加工序列距离； 其中，所述操作次数的计算方法为： 记第一个体和第二个体分别为，其中表示个体的第个工厂的加工序列，表示个体的第f个工厂的加工序列，f为工厂个数；则将加工序列中前个订单构成的序列转变为加工序列中前个订单构成的序列所需要的操作次数的计算过程如下： 将空加工序列转换为空加工序列所需的操作次数为0，即； 将空加工序列转换为加工序列中前个订单构成的序列所需的操作次数为，即；其中表示加工序列中的订单索引； 将加工序列中前个订单构成的序列转换成空加工序列所需的操作次数为，即；其中表示加工序列中的订单索引； 将加工序列中位置上的订单转变为加工序列中位置上的订单所需要的操作次数为，若加工序列中位置上的订单和加工序列中位置上的订单相同，则，否则； 则将加工序列中前个订单构成的序列转换为加工序列中前个订单构成的序列的操作次数为：；其中，表示先删除加工序列中的一个订单，然后计算将加工序列的剩余部分转换为加工序列所需要的操作次数；表示先向加工序列中插入一个订单，然后计算将新的加工序列转换为加工序列所需要的操作次数；表示先将加工序列中位置上的订单转变为加工序列中位置上的订单，然后继续将加工序列中其他位置上的订单转变为加工序列中对应位置上的订单所需要的操作次数； 所述第一个体和第二个体之间每一工厂的加工序列距离为：；其中，表示将加工序列转变为加工序列所需要的操作次数，表示加工序列中的订单个数，表示加工序列中的订单个数； 所述多样性指标距离异质比例的计算包括以下步骤： 基于种群中每两个个体之间的加工序列距离计算种群中所有个体之间的平均加工序列距离APSD：；其中，NP为种群中个体的数量； 计算种群的多样性指标距离异质比例PPD：；其中，B为订单总数； 所述结合多样性指标距离异质比例和Q学习的搜索策略具体为： 基于巡航法和挖掘法定义Q学习的动作集，其中，所述巡航法具体为：对于种群中的每个解，选择关键工厂中加工时间最长的一个订单和目标函值最小的工厂中一个加工时间最小的订单，将这两个订单进行交换；所述挖掘法具体为：对于种群中的最优解，找到其中订单最多的一个工厂并随机选择一个订单，将该订单插入到订单数最少的一个工厂中的最佳位置上，若该调度解的关键工厂序号改变，则从新的关键工厂中取出一个订单并插入到目标函数值最小的工厂中，若该调度解的关键工厂序号没有改变，则从原关键工厂中取出一个订单并插入到一个随机的工厂中； 定义Q学习的状态集，其包括四个状态，状态的转变和智能体获得的奖励取决于执行动作后种群的质量和多样性是否提高，其中，种群的质量基于目标函数值衡量，若目标函数值降低，则代表种群质量提高，否则代表种群质量降低，种群的多样性基于多样性指标距离异质比例衡量，若多样性指标距离异质比例提高，则种群多样性提高，否则种群多样性降低；根据种群质量和多样性的变化情况确定执行动作后的智能体的状态及其对应奖励值； 定义算法的初始状态，在每次迭代中，根据贪婪策略选择一个动作，在收到奖励并更新状态后，更新Q表中的Q值。

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鲁东大学，其通讯地址为：264025 山东省烟台市芝罘区红旗中路184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。