本發(fā)明涉及車間調(diào)度控制技術(shù)領(lǐng)域，尤其涉及一種基于多智能體的車間多目標協(xié)同優(yōu)化調(diào)度方法。

背景技術(shù)：

作為先進制造技術(shù)和現(xiàn)代管理技術(shù)中的核心技術(shù)，有效的車間調(diào)度是解決當今制造環(huán)境訂單多樣化、信息復雜化的必要舉措，因此，如何建立一種分布、開放、高效的智能調(diào)度方法，在當今的制造環(huán)境下顯得尤為必要。多智能體技術(shù)(multiagentsystem,mas)的發(fā)展為上述問題提供了一種行之有效的解決方法。然而，傳統(tǒng)多智能體方法求解作業(yè)車間調(diào)度問題(job-shopproblem，jsp)時卻存在以下問題：(1)傳統(tǒng)多智能體方法求解作業(yè)車間動態(tài)調(diào)度問題，一般以單一的完工時間作為優(yōu)化目標，實際的調(diào)度中，不僅要考慮時間指標，還要綜合考慮能耗、成本等生產(chǎn)指標，多目標性是車間調(diào)度問題的一個基本屬性，忽略生產(chǎn)系統(tǒng)調(diào)度多目標性的要求造成了傳統(tǒng)多智能體調(diào)度研究與現(xiàn)實應(yīng)用的差距；(2)傳統(tǒng)多智能體方法求解作業(yè)車間調(diào)度問題時，往往引入市場上的招投標機制作為智能體之間的協(xié)商策略，由此造成單個智能體為會盡可能多地完成自身設(shè)定的任務(wù)目標而忽略彼此任務(wù)之間的協(xié)同優(yōu)化關(guān)系，即體現(xiàn)為單個智能體的“自私性”、“自私性”，無“全局觀”；(3)傳統(tǒng)多智能體方法通過招投標機制來實現(xiàn)智能體之間的任務(wù)分配與優(yōu)化，然而此機制下智能體之間的任務(wù)優(yōu)化分配本質(zhì)上是單步、局部性質(zhì)的優(yōu)化，優(yōu)化區(qū)間過小導致對系統(tǒng)整體調(diào)度性能的提升非常有限。總而言之，當前的多智能體方法求解車間調(diào)度問題時存在優(yōu)化目標單一、單個智能體無全局觀和優(yōu)化區(qū)間過小的問題，由此造成理論研究與現(xiàn)實應(yīng)用的差距。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于通過一種基于多智能體的車間多目標協(xié)同優(yōu)化調(diào)度方法，來解決以上背景技術(shù)部分提到的問題。

為達此目的，本發(fā)明采用以下技術(shù)方案：

一種基于多智能體的車間多目標協(xié)同優(yōu)化調(diào)度方法，其包括如下步驟：

s101、建立基于多智能體的生產(chǎn)車間調(diào)度模型：將實際生產(chǎn)車間中的倉庫、加工中心、工件分別物理映射為倉庫智能體、設(shè)備智能體和工件智能體，將負責多目標優(yōu)化計算的模塊功能映射為規(guī)劃智能體；

s102、工件智能體依據(jù)自身工序加工任務(wù)向規(guī)劃智能體提出作業(yè)調(diào)度請求：

s1021、工件智能體根據(jù)工序加工工藝要求，獲取滿足工藝加工要求的設(shè)備智能體名單列表；

s1022、工件智能體將工序加工信息封裝打包發(fā)送給所述設(shè)備智能體名單列表上的設(shè)備智能體，其中，所述工序加工信息包括工藝類型和額定加工時間；

s1023、設(shè)備智能體查詢數(shù)據(jù)庫中自身對應(yīng)的狀態(tài)信息表，獲取自身加工狀態(tài)信息，并計算出完成此工序加工任務(wù)花費的加工時間、成本和能耗，最后將上述所有加工相關(guān)信息打包發(fā)送給工件智能體，其中，所述自身加工狀態(tài)信息包括最早加工時間、當前累計功耗、當前累計負載及當前累計加工成本；

s1024、工件智能體接收到設(shè)備智能體名單列表上所有設(shè)備智能體返回的加工信息數(shù)據(jù)包后，提取各個數(shù)據(jù)包包含的加工信息并封裝打包發(fā)送給規(guī)劃智能體，針對本工序提出作業(yè)調(diào)度請求；

s103、規(guī)劃智能體插入時間周期窗口，對該時間周期窗口內(nèi)收到的作業(yè)調(diào)度請求進行基于時間、負載、成本和能耗的多目標優(yōu)化調(diào)度：

s1031、規(guī)劃智能體在收到第一個作業(yè)調(diào)度請求后插入一個時間周期窗口；

s1032、規(guī)劃智能體提取工件智能體發(fā)送的數(shù)據(jù)包中的工藝加工信息；

s1033、若時間周期窗口滿，則轉(zhuǎn)至步驟s1034，否則繼續(xù)等待、接收工件智能體發(fā)送的工序調(diào)度請求，并重復步驟s1032至步驟s1033；

s1034、規(guī)劃智能體以提取、匯總的工藝加工信息為約束，以時間、負載、成本和能耗為優(yōu)化目標，根據(jù)其內(nèi)部封裝的多目標優(yōu)化算法，求解得出針對各作業(yè)請求的最優(yōu)調(diào)度方案即使得式(1)所表示的多目標優(yōu)化函數(shù)值最小的調(diào)度方案：

minf＝min[f1,f2,f3,f4](1)

其中，f為多目標優(yōu)化函數(shù)，f1,f2,f3,f4分別為時間、成本、負載和能耗函數(shù)；

s104、規(guī)劃智能體依據(jù)得出的最優(yōu)調(diào)度方案向相應(yīng)設(shè)備智能體釋放工序加工任務(wù)，設(shè)備智能體完成工序加工任務(wù)，并通知工件智能體釋放下一道工序：

s1041、設(shè)備智能體接收規(guī)劃智能體發(fā)送的工序加工任務(wù)；

s1042、設(shè)備智能體訪問自身加工任務(wù)緩存列表，若當前無正在加工或待加工的任務(wù)，則立即進行此工序的加工任務(wù)，否則將此工序加工任務(wù)插入任務(wù)緩存列表等待加工；

s1043、設(shè)備智能體完成工序加工任務(wù)后更新自身狀態(tài)信息表，并通知相應(yīng)的工件智能體釋放下一道工序加工任務(wù)。

特別地，所述步驟s1034中多目標優(yōu)化算法具體包括如下步驟：

s10341，規(guī)劃智能體從每個工件智能體發(fā)送的數(shù)據(jù)包中抽取一條可行加工方案，組成針對所有工序的可行調(diào)度方案；

s10342，針對所述可行加工方案計算出其對應(yīng)的f值，記錄在數(shù)據(jù)庫中；

s10343，若該可行調(diào)度方案中存在同一機床加工不同工件工序的情況，交換各工序在該機床上的加工順序，得出另一種可行調(diào)度方案，并重復步驟s10342至s10343，否則轉(zhuǎn)步驟s10344；

s10344，重新抽取，遍歷所有的可行調(diào)度方案，得出其f值，并記錄在數(shù)據(jù)庫中；

s10345，比較各個f值，找出最小f值對應(yīng)的可行調(diào)度方案，并將此可行調(diào)度方案作為最優(yōu)調(diào)度方案發(fā)布，完成本輪工件智能體的作業(yè)調(diào)度請求。

特別地，所述步驟s1034中求解多目標優(yōu)化函數(shù)最小值的過程如下：求解多目標優(yōu)化函數(shù)最小值的具體表達式如下式(2)

其中，由于四個優(yōu)化目標f1,f2,f3,f4之間量綱之間的差異，且彼此數(shù)值相差較大不具可比性，需對四個優(yōu)化目標進行去量綱處理，即先對四個目標單獨進行10次優(yōu)化，取優(yōu)化過程中的最大值ftmax和最小值ftmin，去量綱后的多目標優(yōu)化函數(shù)由上述式(1)轉(zhuǎn)化為式(2)；wt＝(w1,w2,w3,w4)為多目標函數(shù)中各優(yōu)化目標的權(quán)重因子；各優(yōu)化目標的具體數(shù)學表達式如下：

f1＝max(etij),i∈n,j∈p(3)

f2＝mc+pc(4)

f3＝tlm(5)

式中：

——工序oij在設(shè)備k上的加工時間

stij——工序oij的開始加工時間

etij——工序oij的加工結(jié)束時間

mci——工件i的原料成本

mc——全部工件的原料成本

——設(shè)備k的工時成本

pc——全部設(shè)備的加工成本

tlm——全部設(shè)備的負載

eak——設(shè)備k運轉(zhuǎn)消耗能量

m——一個正數(shù)

上式(12)到式(15)為約束條件，上式(12)、(13)確保設(shè)備k同一時刻只能加工一個工件；上式(14)表示一道工序只能在一臺設(shè)備上加工；上式(15)表示同一工件各工序的加工順序要求，即同一工件的某道工序，只有前道工序加工完畢之后才能加工該工序。

附圖說明

圖1為本發(fā)明實施例提供的基于多智能體的車間多目標協(xié)同優(yōu)化調(diào)度方法流程圖；

圖2為本發(fā)明實施例提供的工件智能體的工作流程圖；

圖3為本發(fā)明實施例提供的規(guī)劃智能體封裝的多目標優(yōu)化算法流程圖；

圖4為本發(fā)明實施例提供的設(shè)備智能體的工作流程圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進一步說明?？梢岳斫獾氖牵颂幩枋龅木唧w實施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部內(nèi)容，除非另有定義，本文所使用的所有技術(shù)和科學術(shù)語與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。本文中所使用的術(shù)語只是為了描述具體的實施例，不是旨在于限制本發(fā)明。

請參照圖1所示，圖1為本發(fā)明實施例提供的基于多智能體的車間多目標協(xié)同優(yōu)化調(diào)度方法流程圖。本實施例中基于多智能體的車間多目標協(xié)同優(yōu)化調(diào)度方法具體包括如下步驟：

s101、建立基于多智能體的生產(chǎn)車間調(diào)度模型：將實際生產(chǎn)車間中的倉庫、加工中心、工件分別物理映射為倉庫智能體、設(shè)備智能體和工件智能體，將負責多目標優(yōu)化計算的模塊功能映射為規(guī)劃智能體。具體包括：一、搭建java環(huán)境：jdk1.8.0；配置多智能體開發(fā)平臺：jade4.3.3；二、在步驟一的基礎(chǔ)上編寫java代碼創(chuàng)建各智能體，包括1個倉庫智能體、10個設(shè)備智能體，一個源工件智能體(由倉庫智能體依據(jù)源工件智能體代碼動態(tài)創(chuàng)建多個工件智能體并依次進入調(diào)度模型)和1個規(guī)劃智能體；三、創(chuàng)建智能體運行依賴數(shù)據(jù)庫，庫中包含以下數(shù)據(jù)表，具體為：machine_lce：保存各個設(shè)備智能體截止當前的成本、能耗和本設(shè)備負載；machinegantt：保存各個設(shè)備智能體正在加工和待加工的工序加工任務(wù)；machinegantt1：保存各個設(shè)備智能體已經(jīng)完成的工序加工任務(wù)；machine_info：保存各個設(shè)備智能體的工藝加工能力信息，如可加工的工藝類型、各個可加工的工藝類型對應(yīng)的加工系數(shù)、工時成本、單位能耗等；originalplanset：保存所有已生成的工件智能體的所有工序信息；originalplanset_backup：數(shù)據(jù)表originalplanset的備份數(shù)據(jù)表；machine_lce：保存當前設(shè)備智能體的總負載、加工總成本和總能耗；record_maxec：保存各個設(shè)備智能體完成一個可行調(diào)度方案中后的的能耗、成本時間和負載；machinegantt_temp：保存一個時間周期窗口內(nèi)各個可行調(diào)度方案及其對應(yīng)的、規(guī)劃智能體計算獲得的目標函數(shù)(1)的函數(shù)值；四、通過本體開發(fā)工具protégé創(chuàng)建、注冊通信ontology以封裝數(shù)據(jù)庫查詢結(jié)果，實現(xiàn)智能體之間基于本體的通信，該本體包含以下類：originalplanset類——封裝originalplanset數(shù)據(jù)表的查詢結(jié)果；nextorder類——釋放下道工序消息；machineinfo類——封裝machine_info數(shù)據(jù)表查詢結(jié)果；rlist類——封裝機床針對某一工序的加工信息；enc_list類——封裝所有機床針對某道工序返回的rlist類；machinegantt類——封裝machinegantt數(shù)據(jù)表查詢結(jié)果；fjspontology類——所有本體類的父類，用于在智能體中注冊該本體。

s102、工件智能體依據(jù)自身工序加工任務(wù)向規(guī)劃智能體提出作業(yè)調(diào)度請求，如圖2所示，具體包括如下步驟：

s1021、工件智能體根據(jù)工序加工工藝要求，獲取滿足工藝加工要求的設(shè)備智能體名單列表，列表信息封裝在machineinfo中。

s1022、工件智能體將工序加工信息封裝打包成originalplanset發(fā)送給所述設(shè)備智能體名單列表上的設(shè)備智能體，其中，所述工序加工信息包括工藝類型和額定加工時間。

s1023、設(shè)備智能體查詢數(shù)據(jù)庫中自身對應(yīng)的狀態(tài)信息表，獲取自身加工狀態(tài)信息，并計算出完成此工序加工任務(wù)花費的加工時間、成本和能耗，最后將上述所有加工相關(guān)信息打包發(fā)送給工件智能體，其中，所述自身加工狀態(tài)信息包括最早加工時間、當前累計功耗、當前累計負載及當前累計加工成本；具體過程如下：設(shè)備智能體對工件智能體發(fā)來的originalplanset信息進行處理與回復；s10231、設(shè)備智能體提取originalplanset中的信息，包擴工藝加工類型、額定加工時間；s10232、依據(jù)提取的信息查詢machine_info獲取對應(yīng)該工藝的加工系數(shù)、工時成本和單位能耗；s10233、計算完成該工序加工任務(wù)所需的時間、成本和能耗；s10234、查詢machine_lce，獲取設(shè)備智能體當前最早加工時間、累計功耗、累計負載和當前累計加工成本計算出完成此工序加工任務(wù)后的完工時間、總成本、總負載和總能耗，最后將上述加工信息打包成rlist發(fā)送給工件智能體。

s1024、工件智能體接收到設(shè)備智能體名單列表上所有設(shè)備智能體返回的加工信息數(shù)據(jù)包rlist后，提取各個數(shù)據(jù)包rlist包含的加工信息并封裝打包為enc_list發(fā)送給規(guī)劃智能體，針對本工序提出作業(yè)調(diào)度請求。

s103、規(guī)劃智能體插入時間周期窗口(通過設(shè)置計時器實現(xiàn))，對該時間周期窗口內(nèi)收到的作業(yè)調(diào)度請求進行基于時間、負載、成本和能耗的多目標優(yōu)化調(diào)度，如圖1所示，具體包括如下步驟：

s1031、規(guī)劃智能體在收到第一個作業(yè)調(diào)度請求后插入一個時間周期窗口；

s1032、規(guī)劃智能體提取工件智能體發(fā)送的數(shù)據(jù)包enc_list中的工藝加工信息；

s1033、若時間周期窗口滿，則轉(zhuǎn)至步驟s1034，否則繼續(xù)等待、接收工件智能體發(fā)送的工序調(diào)度請求，并重復步驟s1032至步驟s1033；

s1034、規(guī)劃智能體以提取、匯總的工藝加工信息為約束，以時間、負載、成本和能耗為優(yōu)化目標，根據(jù)其內(nèi)部封裝的多目標優(yōu)化算法，求解得出針對各作業(yè)請求的最優(yōu)調(diào)度方案即使得式(1)所表示的多目標優(yōu)化函數(shù)值最小的調(diào)度方案：

minf＝min[f1,f2,f3,f4](1)

其中，f為多目標優(yōu)化函數(shù)，f1,f2,f3,f4分別為時間、成本、負載和能耗函數(shù)；

所述步驟s1034中多目標優(yōu)化算法具體包括如下步驟：

s10341、規(guī)劃智能體從每個工件智能體發(fā)送的數(shù)據(jù)包enc_list中抽取一條rlist作為可行加工方案，各個rlist組成針對所有工序的可行調(diào)度方案；

s10342、針對上述可行調(diào)度方案，計算出各個設(shè)備智能體完成此方案后對應(yīng)的負載、能耗、時間和成本并記錄record_maxec中，從record_maxec中選取最大的時間、能耗、負載和成本，計算該調(diào)度方案對應(yīng)的f值，記錄在數(shù)據(jù)庫machinegantt_temp中；

s10343、若該可行調(diào)度方案中存在同一機床加工不同工件工序的情況，交換各工序在該機床上的加工順序，得出另一種可行調(diào)度方案，并重復步驟s10342至s10343，否則轉(zhuǎn)步驟s10344；

s10344、重新抽取，遍歷所有的可行調(diào)度方案，得出其f值，并記錄在數(shù)據(jù)庫中；

s10345、比較各個f值，找出最小f值對應(yīng)的可行調(diào)度方案，并將此可行調(diào)度方案作為最優(yōu)調(diào)度方案發(fā)布，完成本輪工件智能體的作業(yè)調(diào)度請求。

求解多目標優(yōu)化函數(shù)最小值的具體表達式如下式(2)

其中，由于四個優(yōu)化目標f1,f2,f3,f4之間量綱之間的差異，且彼此數(shù)值相差較大不具可比性，需對四個優(yōu)化目標進行去量綱處理，即先對四個目標單獨進行10次優(yōu)化，取優(yōu)化過程中的最大值ftmax和最小值ftmin，去量綱后的多目標優(yōu)化函數(shù)由上述式(1)轉(zhuǎn)化為式(2)；wt＝(w1,w2,w3,w4)為多目標函數(shù)中各優(yōu)化目標的權(quán)重因子；各優(yōu)化目標的具體數(shù)學表達式如下：

f1＝max(etij),i∈n,j∈p(3)

f2＝mc+pc(4)

f3＝tlm(5)

式中：

——工序oij在設(shè)備k上的加工時間

stij——工序oij的開始加工時間

etij——工序oij的加工結(jié)束時間

mci——工件i的原料成本

mc——全部工件的原料成本

——設(shè)備k的工時成本

pc——全部設(shè)備的加工成本

tlm——全部設(shè)備的負載

eak——設(shè)備k運轉(zhuǎn)消耗能量

m——一個正數(shù)(例如無窮大)

上式(12)到式(15)為約束條件，上式(12)、(13)確保設(shè)備k同一時刻只能加工一個工件；上式(14)表示一道工序只能在一臺設(shè)備上加工；上式(15)表示同一工件各工序的加工順序要求，即同一工件的某道工序，只有前道工序加工完畢之后才能加工該工序。

s104、規(guī)劃智能體依據(jù)得出的最優(yōu)調(diào)度方案向相應(yīng)設(shè)備智能體釋放工序加工任務(wù)，設(shè)備智能體完成工序加工任務(wù)，并通知工件智能體釋放下一道工序，如圖4所示，具體包括如下步驟：

s1041、設(shè)備智能體接收規(guī)劃智能體發(fā)送的工序加工任務(wù)；

s1042、設(shè)備智能體訪問自身加工任務(wù)緩存列表，若當前無正在加工或待加工的任務(wù)，則立即進行此工序的加工任務(wù)，否則將此工序加工任務(wù)插入任務(wù)緩存列表等待加工；

s1043、設(shè)備智能體完成工序加工任務(wù)后更新自身狀態(tài)信息表，并通知相應(yīng)的工件智能體釋放下一道工序加工任務(wù)。

本發(fā)明的技術(shù)方案在保持多智能體技術(shù)求解車間調(diào)度問題智能性與分布式處理特性等特性的基礎(chǔ)上，通過引入時間周期窗口的概念，建立多目標優(yōu)化數(shù)學模型、設(shè)計多目標優(yōu)化算法并封裝至規(guī)劃智能體之中，實現(xiàn)了多目標優(yōu)化調(diào)度及生產(chǎn)資源在一段時間窗口內(nèi)的全局分配，解決了傳統(tǒng)多智能體方法求解車間調(diào)度問題的各項不足，能夠取得近優(yōu)的性能，提升了系統(tǒng)的整體調(diào)度優(yōu)化性能，設(shè)備智能體按照分配結(jié)果組織生產(chǎn)，實現(xiàn)了動態(tài)敏捷的生產(chǎn)調(diào)度。本發(fā)明克服現(xiàn)有基于多智能體的車間調(diào)度方法存在的優(yōu)化目標過于單一、單個智能體缺乏全局觀和優(yōu)化區(qū)間過小的問題，通過在規(guī)劃智能體中設(shè)計、封裝多目標優(yōu)化算法，并插入長度可調(diào)的時間周期窗口，對本窗口內(nèi)收到的作業(yè)調(diào)度請求進行全局集中規(guī)劃調(diào)度，擴大了優(yōu)化區(qū)間，提升了系統(tǒng)的整體調(diào)度性能，實現(xiàn)了多目標優(yōu)化調(diào)度。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(read-onlymemory，rom)或隨機存儲記憶體(randomaccessmemory，ram)等。

以上結(jié)合具體實施例描述了本發(fā)明的技術(shù)原理。這些描述只是為了解釋本發(fā)明的原理，而不能以任何方式解釋為對本發(fā)明保護范圍的限制?；诖颂幍慕忉?，本領(lǐng)域的技術(shù)人員不需要付出創(chuàng)造性的勞動即可聯(lián)想到本發(fā)明的其它具體實施方式，這些方式都將落入本發(fā)明的保護范圍之內(nèi)。