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！

龙图腾网获悉宁波大学申请的专利一种三阶段混合算法求解柔性作业车间调度的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：CN116483030B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310327194.5，技术领域涉及：G05B19/418；该发明授权一种三阶段混合算法求解柔性作业车间调度的方法是由吴崇瑞;谢志军;程依;辛宇设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种三阶段混合算法求解柔性作业车间调度的方法在说明书摘要公布了：本发明公开了一种三阶段混合算法求解柔性作业车间调度的方法，通过三阶段混合算法来求解以最小化最大完成时间为目标的柔性车间调度问题，在搜索过程分为了三个阶段，并将种群划分为了普通个体、精英个体和警戒个体，在第一阶段中提出了变邻域广度搜索算法来广泛的搜索工序选择编码的解空间并通过简化Nopt1邻域来更新机器选择编码，在面对较小规模的调度问题时可以实现快速收敛至全局最优的效果，在第二阶段中提出了自适应的精英个体数量更新公式，并通过交叉变异操作来更帮助算法更好的开采前一阶段获得的精英个体；最后阶段，通过对警戒个体进行更新，来增加种群中的个体逃逸出局部最优的能力；优点是在求解过程中，不容易陷入局部，求解精度较高。

本发明授权一种三阶段混合算法求解柔性作业车间调度的方法在权利要求书中公布了：1.一种三阶段混合算法求解柔性作业车间调度的方法，其特征在于包括以下步骤： 步骤1、将最小化最大完成时间作为柔性作业车间调度问题的优化目标；将总作业数记为N，能够处理该N个作业的总机器数记为M，N个作业的总工序数量记为Q，第i个作业的总工序数量记为Ji，i＝1,2，…，N，第i个作业的第j道工序记为Oij，j＝1,2,……,Ji；设定M台机器的机器号依次为1,2,3……,M，N个作业的作业号依次为1,2,3……,N；将能够处理工序Oij的所有机器的总数量记为Lij，Lij≤M，将能够处理工序Oij的所有机器的机器号的集合称为工序Oij的可选机器集合，将工序Oij的可选机器集合记为Mij，Mij＝{Mij1，Mij2，……MijLij},其中Mij1，Mij2,……,MijLij分别表示能够处理工序Oij的机器号； 步骤2、通过全局选择、局部选择和随机选择的混合策略并采用工序排序序列和机器选择序列的双层编码方式生成包含K个调度解的初始种群，即第0代种群；其中，K为任意大于等于50且能被10整除的整数，每个调度解均包括一个工序排序序列和一个机器选择序列；所述双层编码方式中，将工序排序序列的长度设定为Q，工序排序序列的每一位基因代表一道工序，每个基因的值为一个作业号，机器选择序列长度设定为Q，每个调度解中，其工序排序序列中存在Ji个第i个作业的作业号，Ji个第i个作业的作业号从左到右，分别代表第i个作业的第1个工序至第Ji个工序，其机器选择序列中，每个基因分别与一个工序相对应，每个基因的值为一个机器号，且N个作业的Q道工序中，每个工序的可选机器集合中的至少一个机器号能在机器选择序列中找到； 步骤3、设定最大迭代次数为T，T为大于等于50的正整数；设定迭代变量t，对t进行初始化，令t＝1，t＝1,2,……,T； 步骤4、进行第t次迭代，具体过程为： S4.1、对第t-1代种群中每个调度解分别进行更新，得到第t.1代种群，设定k＝1,2,…,K，对第t-1代种群中第k个调度解进行更新的具体过程为: 通过贪婪解码方式对第t-1代种群的每个调度解分别进行解码操作，得到每个调度解的优化目标值； 将第t-1代种群的第k个调度解作为变邻域广度搜索算法的输入解，采用变邻域广度搜索算法先对输入解进行操作得到第t-1代种群的第k个调度对应的中间调度解，再将此时得到的该中间调度解进行简化Nopt1操作得到第t.1代种群的第k个调度解；其中，变邻域广度搜索算法通过对变邻域搜索算法进行如下改进得到：一、取消变邻域搜索算法中将优化目标阈值初始化为输入解的优化目标值的步骤，现将优化目标阈值初始化为无穷大；二、取消变邻域搜索算法中对输入解不断进行更新的步骤，现使得在整个搜索过程中输入解保持不变； S5、使用贪婪解码方式对第t.1代种群的每个调度解分别进行解码操作，得到第t.1代种群的每个调度解对应的优化目标值；按照第t.1代种群的k个调度解的优化目标值从小到大对第t.1代种群的k个调度解进行升序排序；先使用公式1计算出第t.1代种群中精英个体的数量PDt，然后将升序排序后的第t.1代种群中前PDt个调度解作为第t.1代种群的精英个体，剩下的调度解作为第t.1代种群的普通个体,将普通个体的数量记为PTt； 公式1中，P1设定为0到1之间的实数，P2设定为0到1之间的实数，且满足P1P2；ceil为向上取整符号，COS为余弦函数，π为圆周率； S6、设定第t.2代种群等于更新后的第t.1代种群，此时第t.2代种群中具有PDt个精英个体和PTt个普通个体； S7、对第t.2代种群中的PTt个普通个体分别进行更新操作，得到第t.2代种群中的PTt个普通个体对应的更新个体,用第t.2代种群的PDt个精英个体和第t.2代种群中的PTt个普通个体对应的更新个体构成包括K个个体的第t.3代种群，设定pt＝1,2，…,PTt，其中对第t.2代种群的第pt个普通个体进行更新操作，得到其对应的更新个体的具体过程为： S7.1、采用随机函数随机生成一个0到1之间的实数rcpt； 若rcpt≥0.4，同时则通过轮盘赌算法从第t.2代种群的PDt个精英个体中选取一个精英个体与第t.2代种群中第pt个普通个体进行交叉操作得到第t.2代种群的第pt个普通个体的交叉个体，其中交叉操作具体为：选取的精英个体的工序排序序列与第pt个普通个体的工序排序序列进行POX交叉操作，得到交叉个体的工序排序序列，选取的精英个体的机器选择序列与第pt个普通个体的机器选择序列进行均匀交叉操作，得到交叉个体的机器选择序列； 若rcpt≥0.4，同时则从第t.2代种群的PDt个精英个体或第t.2代种群的前个普通个体中随机选择一个个体与第t.2代种群的第pt个普通个体进行交叉操作，得到第t.2代种群的第pt个普通个体的交叉个体，交叉操作具体为：选取的个体的工序排序序列与第pt个普通个体的工序排序序列进行POX交叉操作，得到交叉个体的工序排序序列，选取的个体的机器选择序列与第pt个普通个体的机器选择序列进行均匀交叉操作，得到交叉个体的机器选择序列； 若rcpt0.4,则对第t.2代种群中第pt个普通个体不进行任何操作，第t.2代种群中第pt个普通个体即为其交叉个体； S7.2、采用随机函数随机生成一个0到1之间的实数rmpt； 若rmpt≤0.1,则对第t.2代种群的第pt个普通个体的交叉个体的工序排序序列进行领域搜索变异操作，得到第t.2代种群中第pt个普通个体的更新个体的工序排序序列，并对第t.2代种群的第pt个普通个体的交叉更个体的机器选择序列进行随机变异操作，得到第t.2代种群中第pt个普通个体的更新个体的机器选择序列，其中，随机变异操作方式为：随机选取机器选择序列中x1t个基因，对于每个选择的基因，随机从该基因的值所在可选机器集合中选择除该基因的值以外的其他一个机器号替换该基因的值，x1t为大于等于1且小于等于Q的整数； 若rmpt0.1，则不对第t.2代种群的第pt个普通个体的交叉个体进行任何操作，直接将第t.2代种群的第pt个普通个体的交叉个体作为第t.2代种群的第pt个普通个体的更新个体； S8、对第t.3代种群进行筛选操作来标记第t.3代种群中的A类警戒个体和B类警戒个体，具体筛选操作过程为： S8.1、使用贪婪解码方式对第t.3代种群的每个个体分别进行解码操作，得到第t.3代种群的每个个体对应的优化目标值；随机选取第t.3代种群中10％的个体；再按照第t.3代种群中每个个体的优化目标值从小到大对第t.3代种群中的K个个体进行升序排序，得到排序后的t.3代种群，从排序后的第t.3代种群中选择最后的10％的个体；判断两次选择的10％的个体中是否有被重复选择的个体，如果有，则将重复的个体保留一个，其他个体删除，将两次选择的10％的个体删除重复个体后剩下的个体作为第t.3代种群的警戒个体，将第t.3代种群中警戒个体数量记为PSt；第t.3代种群中除警戒个体以外的其他个体为非警戒个体； S8.2、设定ps＝1,2,…..,PSt；若第t.3代种群的第ps个警戒个体的优化目标值高于第t.3代种群中K个个体的优化目标值中的最小值，则将其归为A类警戒个体，否则，将其归为B类警戒个体； 按照步骤S8.2操作完成后，得到第t.3代种群所有的A类警戒个体和B类警戒个体；将第t.3代种群中A类警戒个体总数量记为PSAt，第t.2代种群中B类警戒个体总数量记为PSBt； S9、对第t.3代种群的PSAt个A类警戒个体分别进行更新，得到第t.3代种群的PSAt个A类警戒个体的更新个体，对第t.3代种群的PSBt个B类警戒个体分别进行更新，得到第t.3代种群的PSBt个B类警戒个体的更新个体，设定候选调度解集合为St，St初始为空集，设定psa＝1,2,……,PSAt，对第t.3代种群的第psa个A类警戒个体进行更新，得到其更新个体的具体过程为： S9.1、采用随机函数随机生成一个0到1之间的实数rspsa S9.1.1、对于第t.3代种群的第psa个A类警戒个体，设定候选调度解Spsa等于第t.3代种群的第psa个警戒个体； S9.1.2、对Spsa进行更新操作，得到Spsa的路由更新解，具体更新操作为： 先对Spsa的工序排序序列执行反向学习得到Spsa的工序排序序列的反向解，再通过PathRelinking操作生成Spsa的工序排序序列与Spsa的工序排序序列的反向解之间的路由调度解解集，随机从该路由调度解解集中选择一个路由调度解更新Spsa的工序排序序列； 若rspsa≤0.2，对Spsa的机器选择序列进行随机变异操作，更新Spsa的机器选择序列； 若rspsa0.2，对Spsa的机器选择序列不进行任何操作； 此时Spsa进行更新完成，更新完成的Spsa就是Spsa的路由更新解； S9.1.3、将Spsa的路由更新解作为一个候选调度解加入到候选解集合St中； 对第t.3代种群中每个A类警戒个体分别进行S9.1操作后，得到包含PSAt个候选调度解的候选调度解集合St； S9.2、使用贪婪解码方式对候选调度解集合St的每个调度解分别进行解码，得到每个调度解对应的优化目标值； S9.3、设定一个调度解集SDt，将第t.3代种群的A类警戒个体和候选调度解集合St的所有候选调度解一起按照优化目标值升序进行排序加入到调度解集SDt中； S10、对第t.3代种群的每个B类警戒个体分别进行两级邻域搜索操作，得到第t.3代种群的每个B类警戒个体的更新个体； S11、取调度解集SDt中前PSAt个调度解、第t.3代种群的PSBt个B类警戒个体的更新个体以及第t.3代种群的所有非警戒个体构成第t代种群； S12、判断t的当前值是否等于T，如果不等于T，则采用t的当前值加1后的值更新t的取值，然后返回步骤4进行下一次迭代，如果等于T，第T代种群中优化目标值最小的调度解即为求解结果； 所述S4.1中采用变邻域广度搜索算法先对输入解进行操作得到第t-1代种群的第k个调度对应的中间调度解的具体过程为： 步骤A1、设定阈值常量设定变邻域最大迭代次数为G，G为10到20之间的任意整数,记优化目标阈值为Fmin，Fmin初始值为无穷大，将当前输入解记为X，设置变邻域广度搜索算法的变邻域集{N1，N2，N3，N4}，NS为变邻域集中的邻域结构，S＝1,2,3,4； 邻域结构N1用于进行如下操作：在X的工序排序序列中任选两个值不同的基因，互换两个选中的基因的位置； 邻域结构N2用于进行如下操作：在X的工序排序序列中任选两个值不同的基因，将选中的基因中位置靠后的基因插入到位置靠前的基因前面位置； 邻域结构N3用于进行如下操作：随机选择X2t个不同的作业，在X的工序排序序列中，为X2t个不同的作业中的每个作业，分别随机找到一个基因的值等于这个作业的作业号的基因，随机打乱找到的X2t个基因在工序排序序列中的位置，其中x2t为大于等于1且小于等于Q的整数； 邻域结构N4用于进行如下操作：对X的工序排序序列与X所处种群中随机选择的除X以外的另一个调度解的工序排序序列进行PathRelinking操作，得到一个路由调度解解集，从该路由调度解解集中任选一个路由调度解取代X的工序排序序列； 步骤A2、设定变邻域迭代次数为g，对g进行初始化，令g＝1；设定变量n，对n进行初始化，令n＝1； 步骤A3、进行第g次迭代，具体为： A3.1、设定X’；令X’＝X； A3.2、对X’进行操作，得到X’的更新解，记为X”，具体过程为： A3.2.1、对X’进行邻域结构Nn操作,得到X”的工序排序序列； A3.2.2、采用随机函数随机生成一个0到1之间的实数rg； A3.2.3、若rg≤0.1,则对X’的机器选择序列进行随机变异操作，得到X”的机器选择序列；若rg0.1，则不对X’进行任何操作，直接将X’的机器选择序列作为X”的机器选择序列； A3.2.4、使用贪婪解码的方式对当前得到的X”进行解码操作，得到其优化目标值FX”； A3.2.5、判断FX”是否小于Fmin的当前值，如果FX”小于Fmin的当前值，则令X”’＝X”,Fmin＝FX”，并先用n的当前值加1的和去更新n的当前值，然后判断n的当前值是否小于等于如果n的当前值小于等于则返回步骤A3.2.1继续进行处理，如果n的当前值不小于等于则判断g的当前值是否等于G，如果不等于，则采用g的当前值加1的和去更新g的当前值，并令n＝1后返回步骤A3.2.1继续进行处理，如果g＝G，则将X”'作为第t-1代种群的第k个调度对应的中间调度解，结束变邻域广度搜索操作；如果FX”不小于Fmin的当前值，则令n＝1，返回步骤A3.2.1。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。