一种基于改进海鸥优化算法的柔性作业车间调度方法
本发明公开了一种基于改进海鸥优化算法的柔性作业车间调度方法,属于车间调度领域,所述方法包括:1)通过改进初始化种群解决搜索空间小的问题;2)通过重新设计局部搜索模型解决海鸥优化算法容易陷入局部最优的问题;3)通过融入强化学习的方式使离线训练后的模型可以快速适应新的问题环境。通过本发明,可以解决海鸥优化算法在迭代后期存在种群多样性减少,算法容易陷入局部最优的问题;加快了算法收敛速度并且在精确性上得到提升,可以使柔性作业车间的加工效率得到有效提升,并提高工厂的经济效益。最后,通过实例对本发明所给出的方法进行了验证并与其他算法进行了对比,体现了本发明所提方法的优越性。
离散制造业智能排产:该改进海鸥优化算法通过引入动态邻域搜索和自适应变异机制,能够有效解决柔性作业车间中设备、工序与时间的多维耦合优化问题,显著提升汽车零部件和电子装配等行业的订单交付效率与设备综合利用率,为传统制造业智能化转型提供核心算法支撑。
航空航天复杂部件生产:针对航空发动机叶片等精密零件加工中多工艺路线、长周期、高精度要求的特点,该算法通过分层优化策略实现数控机床与检测工位的协同调度,在严格满足工艺约束的同时大幅降低生产延误风险,保障关键装备的可靠制造。
本发明在种群初始化阶段采用Logistic混沌映射初始化种群,与原始的随机初始化种群策略相比,能够获得具有一定质量和多样性的初始种群,有利于加快算法收敛速度。
本发明在海鸥算法搜索和更新种群个体位置时,引入了强化学习中的Q‑learning算法,使算法可以自适应的进行学习,并且可以通过离线学习的方式完善自身知识库,有利于加快调度问题的求解速度,使种群个体快速达到最优状态。
本发明为平衡算法性能设计了4种参数迭代函数,丰富了海鸥算法的探索手段,并通过强化学习平衡海鸥优化算法全局探索和局部开发的能力,克服算法容易陷入局部最优的问题,从而能够得到更好的调度方案。
本发明改进了海鸥优化算法的迁徙过程,增加了新的局部搜索模型,可以提高跳出局部最优的能力,避免种群过早陷入局部最优解,提高收敛精度。
通过本发明,可以解决海鸥优化算法在迭代后期存在种群多样性减少,算法容易陷入局部最优的问题;加快了算法收敛速度并且在精确性上得到提升,可以使柔性作业车间的加工效率得到有效提升,并提高工厂的经济效益。
联系方式
马锴
19303128393
河北省秦皇岛市河北大街西段438号
请填写以下信息
联系人:
手机号:
单位名称:
备注: