一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法
【專利摘要】本發(fā)明涉及一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法，屬于化工生產(chǎn)過(guò)程智能優(yōu)化調(diào)度【技術(shù)領(lǐng)域】。本發(fā)明通過(guò)確定原料浸取過(guò)程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于自適應(yīng)分布估計(jì)算法的優(yōu)化調(diào)度方法對(duì)優(yōu)化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)浸取設(shè)備上所加工原料的最大完工時(shí)間來(lái)建立，優(yōu)化目標(biāo)為最小化最大完工時(shí)間。本發(fā)明使得化工生產(chǎn)中原料浸取過(guò)程的表達(dá)清晰準(zhǔn)確，調(diào)度方法合理有效；有助于利用更多優(yōu)秀個(gè)體的信息來(lái)引導(dǎo)種群進(jìn)化方向，從而提高算法全局搜索的深度；可以有效地解決化工生產(chǎn)中原料浸取過(guò)程調(diào)度問(wèn)題。
【專利說(shuō)明】一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法，屬于化工生產(chǎn)過(guò)程智 能優(yōu)化調(diào)度【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] "入世"以來(lái)，我國(guó)化工產(chǎn)業(yè)發(fā)生了巨大變化，化學(xué)品市場(chǎng)在世界上的地位進(jìn)一步 得到提升，化學(xué)品產(chǎn)量持續(xù)增長(zhǎng)，化學(xué)品進(jìn)口的年均增長(zhǎng)率近十年來(lái)一直居世界首位，我國(guó) 化工園區(qū)的基地化、規(guī)?；诩铀伲馍掏赓Y全方位進(jìn)入我國(guó)市場(chǎng)的步伐明顯加快，化工 產(chǎn)業(yè)正在向規(guī)?；l(fā)展，我國(guó)化工產(chǎn)業(yè)已經(jīng)進(jìn)入了一個(gè)全方位、多層次、寬領(lǐng)域的開(kāi)放、競(jìng) 爭(zhēng)和發(fā)展的新階段。隨著市場(chǎng)競(jìng)爭(zhēng)的日趨激烈，如何有效地提高化工生產(chǎn)過(guò)程中各環(huán)節(jié)的 效率，是提高企業(yè)經(jīng)濟(jì)效益和市場(chǎng)競(jìng)爭(zhēng)力的關(guān)鍵?；どa(chǎn)通過(guò)對(duì)原材料進(jìn)行相應(yīng)的物理 和化學(xué)加工，進(jìn)而實(shí)現(xiàn)原材料價(jià)值的升值。在化工生產(chǎn)中，主要包括過(guò)濾、浸取、結(jié)晶和蒸發(fā) 等基本操作，其中浸取操作應(yīng)用的場(chǎng)合非常廣。浸取過(guò)程常用于原料的初步處理中，原料的 處理的速度和質(zhì)量將直接對(duì)后續(xù)的深加工產(chǎn)生重要影響，對(duì)整個(gè)系統(tǒng)結(jié)構(gòu)的優(yōu)化升級(jí)具有 重要意義。因此，化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度具有重要研究?jī)r(jià)值。
[0003] 在化工和制藥工業(yè)中，對(duì)原材料進(jìn)行浸取是常見(jiàn)的加工操作，實(shí)際浸取操作的加 工單元往往由多臺(tái)異構(gòu)的并行加工設(shè)備構(gòu)成，這些設(shè)備的加工能力不盡相同；原材料需根 據(jù)自身的理化性質(zhì)、體積、質(zhì)量等因素選擇合適的設(shè)備進(jìn)行加工；此外，為了防止原料間 的交叉污染，每臺(tái)設(shè)備在加工完一種原材料后，需要一定的設(shè)置時(shí)間進(jìn)行清洗和調(diào)整，才 能繼續(xù)加工另外一種原材料，同時(shí)設(shè)置時(shí)間取決于原材料之間的加工排序。該過(guò)程屬于 NP(Non-P0Iynomial)完全問(wèn)題，其求解規(guī)模隨問(wèn)題的增大呈指數(shù)增長(zhǎng)，因此在理論和應(yīng)用 上均具有很1?的研究?jī)r(jià)值。
[0004] 由于原料浸取過(guò)程調(diào)度問(wèn)題屬NP完全范疇，傳統(tǒng)的數(shù)學(xué)規(guī)劃方法和啟發(fā)式構(gòu)造 性方法無(wú)法保證解的優(yōu)化質(zhì)量。因此，本發(fā)明設(shè)計(jì)了一種基于分布估計(jì)算法（Estimation of Distribution Algorithm, EDA)的優(yōu)化調(diào)度方法，可在較短時(shí)間內(nèi)獲得化工生產(chǎn)中原料 浸取過(guò)程調(diào)度問(wèn)題的近似最優(yōu)解。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是在較短時(shí)間內(nèi)獲得化工生產(chǎn)中原料浸取過(guò)程調(diào)度 問(wèn)題的近似最優(yōu)解的問(wèn)題，提供了一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法。
[0006] 本發(fā)明的技術(shù)方案是：一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法，通過(guò)確定 原料浸取過(guò)程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于自適應(yīng)分布估計(jì)算法的優(yōu)化調(diào)度方法對(duì)優(yōu) 化目標(biāo)進(jìn)行優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)浸取設(shè)備上所加工原料的最大完工時(shí)間來(lái)建立， 優(yōu)化目標(biāo)為最小化最大完工時(shí)間：

【權(quán)利要求】
1. 一種化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法，其特征在于：通過(guò)確定原料浸取過(guò) 程調(diào)度模型和優(yōu)化目標(biāo)，并使用基于自適應(yīng)分布估計(jì)算法的優(yōu)化調(diào)度方法對(duì)優(yōu)化目標(biāo)進(jìn)行 優(yōu)化；其中調(diào)度模型依據(jù)每臺(tái)浸取設(shè)備上所加工原料的最大完工時(shí)間來(lái)建立，優(yōu)化目標(biāo)為 最小化最大完工時(shí)間：
其中，原料集合為N，生產(chǎn)設(shè)備集合為M，原料數(shù)為n，設(shè)備數(shù)為m，每種原料j(jG(l，...，n))需要1道加工工序并只能由集合M中滿足工件加工約束的設(shè)備 加工；原料的加工時(shí)間與加工設(shè)備有關(guān)，任何設(shè)備i(ie(l，...，m))同一時(shí)刻只能 加工一種原料；在設(shè)備上加工不同原料時(shí)，需要設(shè)置時(shí)間，設(shè)置時(shí)間依賴于原料間的 加工順序；H= [ 31312,. . .，31n]為待加工的n個(gè)原料的排列，Ti為第i臺(tái)設(shè)備上 加工的原料總數(shù)，
為第i臺(tái)設(shè)備上加工原料的順序或排 列（JIT(il)n31T(i2))=小，il關(guān)i2,il，i2G{1，? ? ?，m}，尸Of0)為原料；rf⑴的加工 時(shí)間且
為原料
1之間的設(shè)置時(shí)間且
表示原料.
的開(kāi)始加工時(shí)間之差且
;調(diào)度的目標(biāo)為在所有原料排序的集合n中找到一個(gè)%使得 最大完工時(shí)間CMX( 31 )最小。
2. 根據(jù)權(quán)利要求1所述的化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法，其特征在于：所 述基于自適應(yīng)分布估計(jì)算法的優(yōu)化調(diào)度方法的具體步驟如下： St印1、編碼方式：以待加工原料排序進(jìn)行編碼31 = [31u31 2，...，31n];其中11表示待 加工的原料的總數(shù)； Step2、種群和概率矩陣的初始化：采用隨機(jī)方式初始化種群，隨機(jī)產(chǎn)生popsize個(gè)個(gè) 體，構(gòu)成種群規(guī)模為popsize的初始種群，同時(shí)選擇當(dāng)代中種群中的"最優(yōu)個(gè)體"作為第一 代的"歷史最優(yōu)個(gè)體";采用nXn階的概率矩陣作為算法的概率模型：
式中：gen表示算法運(yùn)行代數(shù)，初始化時(shí)gen= 1 ;元素pygen)(i= 1，? ? ?，n,j= 1，. . .，n)表示原料排序編碼31 = [ 31 31 2, . . .，31n]中的第j個(gè)元素31j取值為i的概率， Pij⑴均取值為1/n;第j列中的所有元素Pij(gen)(i= 1. ? ?n)滿足
：n為 原料數(shù)； Step3、更新概率矩陣：對(duì)當(dāng)代種群隨機(jī)分成規(guī)模為popsize/2的A和B兩個(gè)子種群，然 后使用子種群A和B中的最優(yōu)個(gè)體分別對(duì)概率矩陣Psample(gen)進(jìn)行更新，并得到兩個(gè)子種 群對(duì)應(yīng)的概率矩陣
Step4、子種群概率矩陣交叉融合，構(gòu)造當(dāng)前采樣概率矩陣：經(jīng)過(guò)步驟Step3得到兩個(gè) 子種群對(duì)應(yīng)的概率矩陣
之后，采用部分映射交叉方式構(gòu)建整個(gè)種群對(duì) 應(yīng)的概率矩陣Psample(gen); St印5、采樣產(chǎn)生新的種群：采用輪盤賭的方式對(duì)概率矩陣？__(gen)進(jìn)行采樣產(chǎn)生新 一代種群； Step6、變異操作：對(duì)gen代種群依概率Pm進(jìn)行變異操作，得到變異后的種群； Step7、基于首次改進(jìn)跳出原則的"Insert"變異操作：使用首次改進(jìn)跳出原則的 "Insert"變異操作對(duì)種群中的最優(yōu)個(gè)體或解執(zhí)行局部搜索，并獲取新的"最優(yōu)個(gè)體"； StepS、更新"歷史最優(yōu)個(gè)體":對(duì)比"歷史最優(yōu)個(gè)體"與"最優(yōu)個(gè)體"的適配值，選擇適配 值較小的個(gè)體更新"歷史最優(yōu)個(gè)體"； Step9、設(shè)定終止條件的最大迭代次數(shù)為200,如果滿足，則輸出"歷史最優(yōu)個(gè)體"；否則 轉(zhuǎn)至步驟Step3,反復(fù)迭代，直到滿足終止條件。
3.根據(jù)權(quán)利要求1或2所述的化工生產(chǎn)中原料浸取過(guò)程的優(yōu)化調(diào)度方法，其特征在于： 所述種群規(guī)模設(shè)置為50,Pm = 0? 2。
【文檔編號(hào)】G06Q10/04GK104408528SQ201410667893
【公開(kāi)日】2015年3月11日 申請(qǐng)日期:2014年11月20日 優(yōu)先權(quán)日:2014年11月20日
【發(fā)明者】錢斌, 陳少峰, 胡蓉, 張桂蓮 申請(qǐng)人:昆明理工大學(xué)